MAI Image 2.7 Preview 对比 Qwen Image 3.0：无人宣布的开放权重退场

过去能摆平这场对比的建议，如今已经不管用了。直到今年夏天，面对"选 Qwen 图像模型还是选一款美国闭源模型"这个问题，答案都还很简单：选 Qwen，下载 Apache-2.0 权重，自己跑起来，然后就不用再操心费率表了。Qwen Image 3.0 打破了这一点。当它在 2026 年 8 月 4 日正式开放商用（GA）时，带来的是两个付费档位、一个托管 API，以及没有权重、没有模型卡、没有参数规模、也没有技术报告——这是阿里巴巴图像模型产品线首次以闭源形式发布。微软 AI 于 2026 年 10 月 27 日发布的 MAI Image 2.7 Preview 同样是闭源的，而且它连 API 都没有。所以，真正诚实的比较，是在两个你都无法自行部署的模型之间展开，而它们所依据的信息披露几乎是截然相反的。

这种重新框定正是文章的核心。其余的一切——Elo、每张图像的价格、分辨率上限——都取决于这两者中哪一个实际上可以购买，以及每家公司愿意就此公开哪些信息。

Qwen 停止推出了什么

Qwen-Image 1.0 和 2.0 是开源产品线。权重采用 Apache-2.0 许可，与公告同日发布，并配有技术报告；社区还将其微调成从漫画文字排版到室内设计等各种应用。正因如此，“直接自托管就行”成了长期推荐：许可证允许商业使用，而检查点只需下载即可。

Qwen Image 3.0 终结了这一点。该模型于 2026 年 7 月 22 日以邀请制发布，并于 8 月 4 日通过 Qwen Cloud 和阿里云 Model Studio 正式可用（GA），分为 Standard 和 Pro 两个层级。两个层级均未发布权重。阿里巴巴尚未公布参数量、模型卡或技术报告，也完全没有公布任何基准测试数据——无论是在 Qwen-Image-Bench 上，还是在其他任何地方。唯一的独立信号是 Artificial Analysis：在其 2026 年 10 月的快照中，Pro 在文生图方面约为 1,094 Elo，在图像编辑方面为 1,085；Standard 在图像编辑方面为 1,062。

有一个值得直说的细节，因为它会让任何搜索的人困惑：至少有一家对比网站将 Qwen Image 3.0 列为 Apache-2.0 且开放权重。这是错的，而且这种错误会让团队白白浪费一周。该系列的开放分支是 Qwen-Image-2.1，于 2026 年 9 月 20 日发布，采用非商业研究许可证——允许查看和微调，但不允许随产品发布。如果某个计划依赖于自托管 Qwen，那它依赖的是 2.1 或更早版本，而不是 3.0。

微软发布了什么，以及没有发布什么

MAI Image 2.7 Preview 的证据恰恰相反。微软大量公布了它如何排名，却几乎只字未提它究竟是什么。

排名很具体：在 Artificial Analysis 的图像编辑榜单上以 1,193 Elo 位列第二（AA-Image-Editing v2.1，评估日期为 2026 年 10 月 22 日），落后 GPT Image 2.5 Sunburst 六分，领先 GPT Image 2.5 Flare 十一分。微软还称其在 Arena Edit 上排名第三。在 MAI-Image-2.6 与 2.7 之间，它表示基于推理的编辑以及场景与风格编辑在 Artificial Analysis 的分类中都从第七升至第一，文本和符号编辑从第六升至第一，并且最大领先是在场景与风格类别中领先 24 Elo。这些是该公司对第三方榜单的自行描述——关于独立数据的厂商报告声明；这类声明比自家基准测试高一个档次，但仍不等同于可复现的测量结果。

缺失的正是买家所需的一切。没有输出分辨率。没有参考图像上限。没有蒙版或边界框接口。没有 Foundry 部署。没有费率卡。没有模型卡。该模型已在 MAI Playground、Arena 和 Artificial Analysis 中提供——两个评估平台和一个演示——并承诺后续推出文生图生成。

规格线并排对比

• 发布 — Qwen Image 3.0 仅限受邀：2026年7月22日，正式发布（GA）：2026年8月4日；MAI Image 2.7 Preview：2026年10月27日。

• 权重 — Qwen Image 3.0 未公布任何权重，与 1.0 和 2.0 的做法形成反转；MAI Image 2.7 Preview 也未公布权重，这与微软的一贯路线一致。开放的 Qwen 分支是 Qwen-Image-2.1，采用非商业许可证。

• 范围 — Qwen Image 3.0 可在标准版和专业版两个层级中生成与编辑；MAI Image 2.7 Preview 仅支持编辑。

分辨率——根据厂商自己公布的数据，Qwen Image 3.0 最高为 2048×2048；2.7 未公布，其前代最高为 2,359,296 像素。

• 价格 — Qwen Image 3.0 Standard 在 1K 或 2K 下为每张图像 $0.03，编辑输入每项约 $0.003；Pro 在 1K 下为 $0.04，在 2K 下为 $0.075。MAI Image 2.7 Preview 未公布价格。

• 访问 — Qwen Image 3.0 已在 Qwen Cloud、Alibaba Cloud Model Studio 和 Qwen Chat 上线；2.7 已在 MAI Playground、Arena 和 Artificial Analysis 上线，但不提供 API。

• 已公布的基准测试——Qwen Image 3.0 完全没有厂商提供的基准测试；2.7 则有第三方榜单收录及分类排名，并由厂商引用。

两种不同的沉默

人们很容易把这两者都归到“未记录”一类，但它们并不是同一种失败，给团队带来的代价也不一样。

阿里巴巴的沉默关乎能力问题。我们知道接口、价格、两个档位和最高分辨率；却不知道这个模型擅长什么，因为没有公布基准测试，而唯一的独立评分还是 10 月的快照——其中 Pro 的编辑 Elo 处于 1,080 分中段，明显低于该榜单上的领先者。买家可以为这项工作定价——Standard 每张图 0.03 美元，在 1K 下低于 Nano Banana 2.1 的 0.0336 美元，但仍不及 Meta Muse Image 每张固定 1 美分——但如果不自行评测，就无法预测每个用例下的质量。

微软的沉默关乎采购。我们大致知道它有多好，因为一个盲投委员会测量过它，我们也知道它声称覆盖哪些类别。我们不知道它成本多少、输出规模多大、需要多少参考，或者如何调用它。买家能预测质量，却买不到。

按计划所需来给两者排序，答案取决于你处在哪个阶段。如果你是在选择基于哪个模型来构建，阿里的沉默尚可承受——做一次付费评估，接口有文档，费用已知。如果你是在决定是否把路线图押注在微软的方案上，它的沉默则不可承受，因为没有任何可供对接集成的东西。

以 Qwen 的价格，一便士的编辑能换来什么

Qwen 的定价是这场对比中最具体实在的部分，值得仔细梳理，因为各档位之间的差异并不在你预想的地方。

Standard 每张图像 $0.03，支持 1K 或 2K，编辑输入每次约 $0.003。一个包含一千张图像、每次编辑带两个参考输入的商品修图批次，输出费用为 $30，输入费用约 $6，因此总计约 $36。Pro 的 2K 输出为 $0.075，带两个参考输入时，同一批次接近 $81——约为 Standard 的 2.2 倍，而该档位唯一的独立信号只是一份十月快照。

相比之下，Meta Muse Image 以固定 10 美元完成同样的 1000 张图像，而 Nano Banana 2.1 以 2K 分辨率生成这些图像，不含输入 token 费用约为 50 美元。Qwen Image 3.0 Standard 具有竞争力，但并非最便宜，而且其输入费用意味着在参考素材繁重的任务中差距会扩大。

与 MAI Image 2.7 Preview 相比，这笔账根本没法算，而这正是关键所在。预览之所以免费，是因为没人向你收费；之所以昂贵，是因为每张图都要耗费一次人工往返。到一千张图时，人力成本就是全部预算。

类别主张才是需要检验的东西

微软关于 MAI Image 2.7 Preview 最具体的断言是：它如今在 Artificial Analysis 基于推理的编辑类别中位居榜首，排名从第七升至第一。这是一个范围明确、可检验的论断，也正是值得围绕它设计实验的那一个——因为它同样是 Qwen Image 3.0 无法回应的论断。

阿里巴巴未发布任何关于推理、工具使用或多步编辑的内容。其文档所宣称的是一组实用的文本能力：提示词最高可达 4,500 个 token，文本在低至约 10 像素时仍可辨认，支持十二种原生语言、二十多种字体，每次调用最多可生成六个输出，并支持服务端提示词重写。实际体验者的描述称，它在 UI 模型图和图表方面表现强劲，但偶尔会出现小字乱码，且延迟比 Flash 级模型更高。

所以这两个模型针对的是不同的失败场景。Qwen Image 3.0 针对单次生成中的文字渲染和版式保真度进行了优化。MAI Image 2.7 Preview 则针对那些需要对整个场景应如何变化做出判断的编辑进行了优化。如果你的工作是包含大量文字的海报，那你测试的就是 Qwen 的强项维度。如果是“把这个产品放进那个房间，并让光线协调一致”，那你测试的就是微软的模型，而排行榜显示微软在这方面领先——而且是在别人的图像上。

两人都不接电话的地方

这两个模型都不在 OrcaRouter 上，这一点值得直接说明，而不是暗示相反。那里实际有的是真正可以调用的图像模型集合——GPT Image 2.5 Sunburst 和 Flare、GPT Image 2 系列、三档 Imagen 4、Google 的 Nano Banana 系列、Grok Imagine Image——只需一个密钥，即可按提供商列表价调用，且无加价。

这对当前这个决定很重要，因为你会这样来验证它。Qwen Image 3.0 的能力未经其厂商基准测试，因此要了解它是否胜过一个你已经在用的模型，唯一方法就是把相同的任务简报分别交给两者运行。OrcaRouter 的 路由 DSL 让一次调用就能把同一份简报分发到多个模型，并以同一种格式收集结果；而模型融合更进一步，当单次编辑屡屡失败时，让一组模型共同作答。这两项功能都不能让 MAI Image 2.7 Preview 变得可调用——目前没有任何东西能做到——但前者是你在不承诺使用其控制台的情况下，为支持或反对 Qwen Image 3.0 积累证据的方式，后者则是当一次推理密集型编辑必须一次成功时会采用的手段。

该做什么，以及不要再假设什么

别再假设 Qwen 的图像系列是开源的。在 3.0 版本上并非如此。如果你的架构依赖于可下载的权重，那你需要的模型是 Qwen-Image-2.1，而你要阅读的许可证是非商用的——这意味着自托管计划需要核查法律边界，而不只是一张硬件账单。

如果你这周就需要一款价格低廉、接口有文档说明的编辑器，那么每张图 0.03 美元的 Qwen Image 3.0 Standard 是个合理的选择，但有个不太寻常的附加条件：包括其供应商在内，没人告诉过你它擅长什么。请把预算留给评估，而不是直接做决定。

如果任务属于整场景编辑，而且你能接受手动循环，那就花一下午在 Arena 中用 MAI Image 2.7 Preview。基于推理的类别领先，是这次发布中最具体的说法，也是最有可能成立的说法，因为它是唯一一个由榜单实测而非新闻稿支撑的说法。

请记住一个日期。一旦微软将 MAI Image 2.7 Preview 以按图计价的方式放进 Foundry，这场比较就会从对两条购买路径的描述，变成一场真正的较量，而 0.03 美元的 Qwen 编辑价就会成为需要超越的数字。在那之前，这些模型中有一个有价格也有问题，另一个有分数也有一堵墙。