Krea 3 与 Qwen Image 3.0：开放路线止步于此

关于Qwen Image 3.0最有价值的事实，与其基准测试毫无关系。阿里巴巴的图像产品线曾连续两代开源——Qwen-Image 1.0 和 2.0 以 Apache 2.0 许可发布，并同步提供技术报告，而Qwen-Image-2.1则在 9 月以限制更严格的 Qwen Research Licence 跟进。Qwen Image 3.0自 2026 年 8 月 4 日起正式开放使用，却没有权重、没有技术报告、没有参数量，也没有模型卡。这条让阿里巴巴成为开放图像实验室的产品线就此戛然而止，距离旗舰仅差一个模型。Krea 3于 2026 年 10 月 15 日发布，同样是闭源的——但 Krea 至少在今年早些时候发布过一个开放图像模型，而两家公司如今都朝着同一个方向做出了同样的转变。这场对决真正关乎的是你能换来什么。

阿里巴巴停止公布的是什么，以及它开始收取的是什么费用

Qwen Image 3.0 仅作为按量计费的 API 产品存在，且只在 Qwen Cloud 和阿里云百炼 / Model Studio 上提供。这是性质上的断裂，而非程度上的差别。

• Qwen-Image 2.1 — 70 亿参数，Qwen 研究许可证，默认不可商用，商业使用需通过电子邮件另行协商许可。默认分辨率 2048×2048，七种预设，40 步，输入与输出均支持 RGBA 透明度，最多可提供十张参考图，可通过手绘圆圈、涂鸦标注或单独的蒙版进行局部编辑。

• Qwen Image 3.0 —— 完全没有权重。没有代码仓库，没有检查点文件，没有技术报告，也没有参数规模。Artificial Analysis 在收录它时未附上开放权重链接，这无异于排行榜在以同样的方式说明这一点。

• 两个层级，且两者都榜上有名——只是所处高度不同。 Qwen Image 3.0 Standard 和 Qwen Image 3.0 Pro。Artificial Analysis 两者都收录：Pro 在图像编辑上为 1,085 Elo，Standard 为 1,062。阿里巴巴自身并未公布这两个层级的任何基准测试成绩，因此榜单排名是它们各自唯一的分数。

• 定价为每张图片 0.03 至 0.04 美元。Model Studio 的文档标明 qwen-image-3.0 为 0.035 美元；国内消费者定价在标准档下约为每张 ¥0.18，Pro 档在 1K 时升至约 ¥0.25、2K 时约 ¥0.50，图像输入与编辑输入分别按每次 ¥0.02 单独计费——参考图被回传进行第二次处理时，输入会再次计费。

Krea 采取了类似的举动，但跨度更小：Krea 2 的权重在 Krea 2 Community Licence 下开放，Krea 3 的则没有，而自托管这个问题的答案，是一场围绕许可条款和硬件规格的企业级对话。不同之处在于，Krea 的开放发布已经过去五个月，而且 Krea 从来都不是那个开放权重实验室。阿里巴巴的那一步才是其全部卖点所在。

两个不同的编辑问题，均按图片计价

这正是两个模型不再可以互换的地方，而这与质量无关。

• Qwen Image 3.0 为高密度内容而生——文本、版式、文档、结构。 厂商宣称：提示词容量达 4,500 个 token，约为上一代的 4.5 倍；可清晰渲染小至约十像素的文字，包括数学公式与 LaTeX；原生支持十二种语言、二十余种字体和上百种艺术风格；在同一模型中实现生成与图生图编辑；以及生成过程中联网搜索的能力。

• Krea 3 专为精准与可重复而生。只改变你指定的内容，保持产品标签和 logo 清晰锐利，让角色在一整个系列中保持一致，运行十万次也不会让账单成为故事的主角。边界框用于放置新元素；多轮编辑可跨轮次保持；每次编辑最多可使用六个参考。

• 分辨率 — Krea 3 原生以 2K 渲染，并可输出 4K 用于印刷；Qwen Image 3.0 最高支持 2048×2048，且单次调用最多可返回六张图像。单次调用可生成多张图像是 Qwen 的优势；印刷上限则是 Krea 的优势。

• 界面——Qwen 的是一个提示词和一个参考图集。Krea 的是一个提示词、一个参考图集，还有一个由你画出来、用于指定修改位置的方框。

如果你要生成信息图、报纸版面、试卷，或是内含真实文字的 UI 原型图，Qwen Image 3.0 就是为此设计的，而 Krea 3 不是。如果你要把同一个产品替换进四十个场景，而且标签必须在四十次中都保持不变，那情况正好相反。它们发布页面上展示的示例几乎没有重叠，而这并非巧合。

独立董事会怎么说——关于其中一家

Qwen Image 3.0 有一份实测记录，而对一款旗舰产品来说，这份记录并不好看。

• 图像编辑，读取于 2026 年 10 月 16 日——Qwen Image 3.0 Standard 在 7,473 个样本中获得 1,062 Elo，价格为每 1,000 张图像 30 美元，位于榜单第 21-26 名区间；Qwen Image 3.0 Pro 在 12,851 个样本中获得 1,085 Elo，价格为每 1,000 张 40 美元，位于第 15-20 名区间。23 Elo 就是廉价档与昂贵档之间的全部差距。

• 同日期的文本生成图像——Standard 基于 5,619 个样本获得 1,069 Elo，价格为每 1,000 次 30 美元；Pro 基于 5,898 个样本获得 1,094 Elo，价格为每 1,000 次 40 美元。形态相同，差距相同，只是略宽一些。

• 榜单上的领先者优势相当明显。OpenAI 的 GPT Image 2.5 Sunburst 在图像编辑项上以 1,198 分领先，文生图项为 1,217 分，Flare 变体则以 1,177 分和 1,207 分紧随其后。Qwen 的 Pro 版位居中游，背后有一万两千票的样本量，至少这算是一次实测，而不是一句空话。

• 让 Qwen 变得有意思的，是那个较弱的版本，而且现在这一点已可量化。标准版每千张图片便宜 10 美元，但在编辑任务上的 Elo 分数低了 23 分，而阿里巴巴并未发布任何能让你论证这一差距比那更小的基准测试。这种取舍——价格便宜一成，换来质量可量化地下降一档——才是真正的决策关键，而这恰恰是供应商自家发布页没有点明的。

Krea 3 完全没有这些。截至2026年10月16日，也就是发布仅一天之后，Artificial Analysis 没有收录，竞技场没有结果，没有任何第三方评测。它有的是一个发布页面，上面印着自己的方法论：速度数据是各模型每批十二张图片从发出请求到拿到结果的中位数耗时（含排队时间），于2026年9月24日至10月1日在 Krea 自家平台上测得；而同一页面上的一项对比价格，在其脚注中被描述为"尚待验证的草拟估算"。这种程度的披露实属罕见，但它终究还是厂商在给自己打分。

所以，这场比较的真实面貌是：一个模型拥有平庸的实测得分和一个隐藏的低价档位，另一个没有得分，却有公开的价格。两种处境都不舒服，而在它们之间做选择，意味着选择你能接受哪一种不确定性。

成本账，老老实实算一遍

按标价来看，两者足够接近，差别在于结构，而不在于数字。

• Qwen Image 3.0 标准版——Model Studio 标价为每张 $0.035，约合每 1,000 张 $30（根据 Artificial Analysis 的推算）。Qwen Image 3.0 Pro 约为每 1,000 张 $40。

• Krea 3 — 1K 每张 $0.03，2K 每张 $0.06。在 1K 下，两者相差不到半美分；在 2K 下，Krea 3 的单张标价几乎是 Qwen Standard 的两倍。

• Qwen 的计费方式藏着 Krea 没有的陷阱。图像输入和编辑输入分别按每项 ¥0.02 计费，所以把上一次的结果再喂回去的迭代式工作流，要为它再付一次钱。按图计价的价格不会因为提示词变长而变动；而按 token 计价的则可能变。

• Krea 的计费方式有一个 Qwen 所没有的下限。 Krea 3 的单张图片价格是按每次编辑计费的，就是这样，而且没有公布针对小尺寸输出的更便宜档位。Qwen Standard 能压低它的价格，而且确实如此——就在两者重叠最多的那一档上。

实用解读：如果你的工作负载是对中小型图像进行单遍变换，那么 Qwen Image 3.0 Standard 可能更便宜，Krea 3 可能更快。如果是针对单个素材进行长时间多轮编辑会话，那么 Qwen 这边的输入计量就是你做决定前需要建模的数字，因为账单正是在这里累积叠加的。

可用性，以及路由层的定位

Qwen Image 3.0 在 Qwen Cloud 以及阿里云的百炼 / Model Studio 上提供服务，Krea 3 则在 krea.ai 上、通过一个文档标注为 beta 的 Krea API 端点，以及通过一系列第三方分销合作伙伴对外提供服务。这两者都不在 OrcaRouter 的目录中——我们的图像产品线涵盖 OpenAI 的 GPT-Image 模型、xAI 的 Grok Imagine 图像模型，以及 Google 的 Imagen 和 Gemini 图像系列。我们提供阿里巴巴的 Qwen 文本模型；我们不提供 Qwen 图像模型。

这一点真正关键的，是适配器问题。一个团队如果想用 Qwen Image 3.0 处理密集文本排版、用 Krea 3 处理目录类重复性任务，就得同时运行两家封闭厂商、两套计费模型：一套按 token 计费，另一套按图片计费。而这恰恰是单一端点旨在消解的那种集成形态：一个密钥即可调用 200 多款模型，按供应商列表价以 0% 加价透传，因此厂商调价当天即可生效，当某家供应商性能下降时，自动在多家供应商之间故障转移，以及一套路由 DSL，无需第二个 SDK 就能同时表达一种工作负载的生成步骤与另一种工作负载的编辑步骤。

这个对比之所以会出现在我们的页面上，是因为这两者都是你需要调用的模型，而不是需要下载的模型。当两家供应商都不愿把权重交给你时，你的筹码就完全在于能以多低的成本、多可靠地调用它们——而这是个路由问题，不是模型问题。

决定

• 密集文本、文档、版面、多语言渲染——Qwen Image 3.0。厂商的说法具体且不同寻常——约十个像素下仍清晰可辨的字形，包含 LaTeX 和数学公式，覆盖二十余种字体的十二种语言——而这一批模型中没有其他模型定位在这一领域。

• 大规模批量下的产品与角色一致性 — Krea 3。每次编辑支持六个参考、边界框、精确模式，以及直接在模型本身上进行 LoRA 训练，而 Qwen Image 3.0 并未公开这些功能。

• 你需要每张图片调用成本最低的方案，并且能接受中游水平的质量——Qwen Image 3.0 Standard 约为每 1,000 次 30 美元。 它在编辑上的 1,062 Elo 是真实的、经过实测的，比榜单榜首低 136 分；不存在任何能证明这一差距更小的厂商基准。

• 签字之前，你需要一个经过实测的数字——是 Qwen Image 3.0，而不是 Krea 3。Qwen 的两个档位都提供这样的数字，更便宜的那个档位也提供，而这是 Krea 3 给不了的。这两个数字都不是你会放在采购文件最上面的那种，但两个都是你可以引用的。

今年这两个实验室都做的一件事，比它们各自的发布都更值得关注。阿里巴巴花了两代模型证明，一家前沿图像实验室可以在同一天发布开放权重和技术报告，却在真正重要的那个模型上停止了这种做法。Krea 在五月做过一次，此后再未重复。这是一种趋势，而非巧合，也正是为什么在不集成模型的情况下调用模型的能力，已成为更具可迁移性的技能。