MAI Image 2.7 Preview 对比 HY Image 3.5：你不该去算的 105 分差距

把这两个数字并排放在一起，比较似乎就尘埃落定了。MAI Image 2.7 Preview 在 Artificial Analysis 的图像编辑排行榜上获得 1,193 Elo 分。HY Image 3.5 获得 1,088 分。这是 105 分的差距，在 Elo 量表上这不是四舍五入的差异——这是不同层级的模型。唯一的问题是，这两个数字来自 Artificial Analysis 一直在重建的同一榜单的不同快照，而跨快照相减，就跟把摄氏温度和华氏温度拿来比较、还把差值称作热浪一样，是同一个错误。

这一点很重要，因为那个无效的相减是双方都能拿出的最方便的论据。微软受益于一个能让其预览版看起来领先已发布竞品一百个百分点的数字。腾讯则受益于与一个谁也无法调用的模型进行比较。双方都不必亲自提出这个论据，它就会传播开来，因为这些数字以同一个名字出现在同一个排行榜上。

以下内容说明每个模型实际提供什么，并将其与那些并不成立的算术推算区分开来。

同一个看板名称下的两个快照

MAI Image 2.7 Preview 的 1,193 来自 AA-Image-Editing v2.1，快照日期为 2026 年 10 月 22 日。它排名第二，落后于 GPT Image 2.5 Sunburst的 1,199，领先于 GPT Image 2.5 Flare的 1,182。

HY Image 3.5 的 1,088 来自 2026 年 9 月对编辑榜的一次读取：在九十七个模型中排名第十四，置信区间为 1,079 至 1,097，背后有 5,550 次两两比较。HunyuanImage 3.0 Instruct 在同一次读取中为 1,066，Qwen-Image-2.1 为 1,074。

榜单版本和评估窗口不同，这足以使两个数字之间的差异无法解读。本博客中关于 MAI-Image-2.6 的现有文章已经说明了原因：当榜单重建为 v2.1 时，较旧模型的分数发生了变化，而一个看似能力退化的“回归”只是衡量标尺改变造成的假象。同样的谨慎也适用于相反方向。用两把尺子拼凑出的 105 分差距，并不能衡量任何东西。

可以有把握地说出的内容范围更窄，但仍然有用：在每个模型各自被测时，两者都处于编辑排行榜的前十五名，而且都不是第一名。

HY Image 3.5 明显更胜一筹的方面

三件事，而且没有一件彼此接近。

• 你可以调用它。HY Image 3.5 可通过腾讯云的 API 使用，其端点有文档说明，支持 Chat 或 Messages 协议，并且有一份列出所有参数的图像生成指南。MAI Image 2.7 Preview 没有 API、没有 Foundry 上架信息，也没有公开定价。

• 你可以为它定价。腾讯对每张 2K 图像收费 ¥0.15，约合两分半美元，并且仅对生成的输出计费。微软尚未以任何货币公布 2.7 的价目表。

• 它搞定全部工作。HY Image 3.5 通过一个端点即可处理文生图、图生图和多轮编辑。MAI Image 2.7 Preview 仅支持编辑，生成功能标注为即将推出。

第三点正是决定两者各自属于哪种产品的关键。多轮编辑意味着模型能在一次对话中，在一系列修改过程中始终把握同一主体——这正是设计师用一下午反复迭代一个素材时的工作模式。而每次请求都从头开始的单次编辑工具则是另一种工具，微软尚未说明 2.7 支持哪种模式。

文生图榜单颠覆排名

下面这个细节应该会让任何人对单一数字比较保持谨慎：在 Artificial Analysis 的文生图榜单上，HY Image 3.5 获得 975 Elo，在 166 个模型中排名第 66 位。这比它自己的前代 HunyuanImage 3.0 Instruct 低约 20 分，而且与编辑榜单呈现的图景正好相反——在编辑榜单上，3.5 比同一前代高 22 分。

一个模型在一个榜单上胜过前代，却在另一个榜单上输给前代，这并不是模型本身自相矛盾。这表明两项评测衡量的是不同的提示词群体，也表明一个针对指令遵循式编辑进行调优的模型，可能在开放式生成上出现退步，而其各项数字并没有任何错误。腾讯自己的表述也支持这一解读：发布材料聚焦于专业创意工作、文本渲染、编辑一致性以及思维链提示词重写器，而文生图模式只是作为若干能力之一呈现，并非主打亮点。

对于 MAI Image 2.7 Preview，相应的面板是空白的，因为该模型无法生成图像。这并不是缺失的数据点，而是产品层面的决策。

不同的失效模式，而非不同的质量水平

每个模型声称具有优势的类别，指向的是截然不同的问题。

Microsoft 对 2.7 的说法是“整帧判断”：重新设定场景风格、重新打光、修复画面、重写文字，使文字融入图像之中，而不是浮在图像之上。Artificial Analysis 在七项编辑操作中的四项上将这款模型排在首位，其中在场景和风格上的领先优势最大，达到 24 分；Microsoft 表示，相较 2.6，该模型在十个用例和七项操作上都有提升。

腾讯对 HY Image 3.5 的宣称是：跨版本修改的一致性、渲染文本的可读性（包括小字号和多语言文本），以及真实感。其证据是一项内部盲测：在数百名专业设计师中，胜率比 Hy Image 3.0 高约 30%，与 Seedream 5.0 Pro 大致持平，并略微领先于 Nano-Banana Pro 和 Qwen-Image-3.0 Pro。这些是厂商自行开展的 GSB 结果，并非独立排名，应当据此看待。

综合来看，这两种说法描述了一种真实的分工。如果任务是“让这张照片看起来像一则冬季广告大片”，{{1}}2.7{{/1}} 在场景与风格上的余量正是为此而设。如果任务是“让这个产品在四十次渲染中保持一致，并让标签保持可读”，{{2}}HY Image 3.5{{/2}} 所宣称的优势正是为此而设。这两种说法都不是关于另一项任务的证据。

批量采购时各项的成本

定价上的不对称性足够大，单凭这一点就能决定大多数实际部署。

HY Image 3.5 每张 2K 图像 ¥0.15，约合 $0.024。每月一千张图像大约为 $24，不含重试。输出分辨率文档标注为 2K，而 API 的 size 参数接受的范围要宽得多——在 16,777,216 像素的面积上限下，宽度和高度从 256 到 8192，最高可覆盖 4096×4096。腾讯发布公告中的参考图数量上限是每次请求五张；API 指南的参数表针对较旧的 3.0 端点记录为零到三张，且未重述 3.5 的数字，因此在围绕它规划工作流之前，请对照实时文档加以确认。

MAI Image 2.7 Preview 不花一分钱，却消耗着整栋楼里最昂贵的资源：浏览器标签页里的人力注意力。一千张图片，就是一千次手动往返。这个模型免费，是“免费样品”意义上的免费。

如果团队想在本季度将其中任一模型接入流水线，那么决策实际上已经由可用性决定了；而且有必要直说：OrcaRouter 并不托管这两个模型中的任何一个——HY Image 3.5 可通过腾讯自有云 API 访问，而 MAI Image 2.7 Preview 则完全无法通过任何途径访问。网关真正会改变权衡的地方在于回退层：如果你基于预览级编辑端点构建，那么一套在出错或超时时故障转移到第二个模型的路由配置，决定的就是你只是度过一个糟糕的下午，还是发布直接崩掉。

一项能定论的测试

排行榜是基于中性提示词和单次生成构建的。买家真正关心的问题是：对同一份素材进行第五次修改时，在附带参考图像且有一个必须在每一步都保留下来的约束条件的情况下，会发生什么。

HY Image 3.5 目前可以通过这种方式测试：发送一张源图像、一张参考图像和一段多轮序列，检查主体到第四轮时是否发生漂移。MAI Image 2.7 Preview 可以在 Playground 中测试单次生成质量，在 Arena 中测试盲选偏好，但无法测试序列一致性，因为没有序列接口。

在 Microsoft 发布端点、且 Artificial Analysis 在同一榜单版本上重新评测这两款模型之前，最诚实的比较是：腾讯拥有更便宜、可调用、支持多轮对话且得分处于中游的模型，而 Microsoft 拥有得分更高、却没人能部署的单次编辑模型。两者之间 105 分的差距只是时间上的巧合，并非一项发现。