HY-Image 3.5：騰訊的圖像模型是什麼，以及預覽標籤實際上代表什麼意思

有兩種便宜的方法可以浪費一週在HY-Image 3.5上，而兩者都從它的名字開始。第一種是把它當成已正式發布的產品，有著你可以把管線固定上去的穩定識別碼。第二種是把「預覽」這個詞當成「尚未成真」的同義詞，並把這個模型歸類到你之後才會讀到的東西底下。這兩種解讀都經不起與發佈者實際記載內容的對照。HY-Image 3.5 是 Tencen​t 目前的圖像生成模型，由 Tencen​t 本身透過其 Hunyuan 產品線發布，並在 Tencen​t Cloud 上提供服務，而關於它尚未解決的問題，不是它能不能運作——而是你被允許把你正在稱呼的那個東西稱作什麼，以及該把什麼識別碼寫進設定檔。這就是本頁要回答的問題，也是很大一部分正在搜尋這個模型的人已經在問的問題。

是誰發布它，以及它目前是什麼

由 Tencen​t 發布。該模型隸屬於 Hunyuan 系列，而 Tencen​t 自家的產品中心將圖像生成列為該產品線的核心能力之一——混元生圖，Tencen​t 產品頁面將其描述為以 Hunyuan 文字轉圖像模型為基礎，並在圖像生成之外提供強大的中文理解能力。其商業化平台是 Tencen​t 自家的雲端：圖像生成模型是 Tencen​t Cloud 上的一項產品，可透過該平台的 TokenHub API 介面存取，並在該處與公司其餘的 AI 服務一同提供文件說明。

發布狀態是值得精確交代的部分，因為那正是命名所遮掩的地方。Tencen​t 這條產品線先推出預覽版，正式版隨後才發布，而當前這一代正處於這兩種狀態中的前者。目前流通的識別碼是 hy-image-v3.5-preview。並沒有第二個穩定、非預覽版的識別碼與其並存，而 Tencen​t 也未公布它何時會出現。

為什麼這一頁以預覽問題開頭

因為需求就是這麼顯示的。我們自家第一方搜尋資料——Googl​e Search Console、精確查詢比對、截至 2026-10-07 的四週——顯示這個型號在所有可化約為其名稱的拼寫方式中，共獲得 430 次曝光與 10 次點擊。拆開來看，「hy image3.5」有 138 次曝光，「hy image 3.5」有 128 次——接著「hy image3.5 preview」有 115 次，「hy image 3.5 preview」有 45 次，而帶連字號的識別碼「hy-image-3.5-preview」則有 4 次。

把這些數字當成對人們實際輸入內容的描述來讀——搜尋主控台能告訴你的也就只有這些。對這個模型名稱的需求中，超過三分之一是連著「preview」這個詞一起出現的。那些讀者並不是在問騰訊有沒有發布什麼消息。他們問的是自己面對的究竟是哪一個名稱，而誠實的答案是：短名稱和 preview 名稱都指向同一個東西——騰訊現在正在提供的預覽版世代。

所以，結論是：HY-Image 3.5 和「HY-Image 3.5 preview」是同一個模型、處於同一個發佈狀態。preview 這個標示是現行的，不是歷史性的。長名稱才是準確的名稱，而短名稱則是這個模型在報導與工具整合中被使用的叫法，因為人們在為自己使用的東西命名時，不會打上那個限定詞。

它接受什麼、回傳什麼，以及大小範圍

依 Tencen​t 所述來表述，並標出該供應商的資料較其周邊報導更單薄之處：

• 輸入 — 文字提示，以及用於編輯方向的參考圖片。參考圖片可歸因的數量上限為每次請求五張，這是 Tencen​t 產品資料中一致採用的數字。至少有一家聚合平台已公布二十張；五張是我們可歸因的數字，而我們不會上調。

• 模式 — 文字轉圖像、圖像轉圖像，以及多輪編輯；在多輪編輯中，編輯會套用於對話累積的上下文，而不是每個請求都從頭開始。

• 輸出 — 影像最高可達 2K，並提供一組常見的長寬比，而非單一正方形。Tencen​t 自己對上限的說法是「最高可達 2K」。

• 計費 — 僅針對已交付的輸出圖片計費。失敗或被過濾的請求不會被收費，這在你評估工作負載規模而非進行示範時很重要。

有一個流傳中的數字，經不起廠商自家資料的檢驗。至少有一家媒體報導了 4096×4096 的輸出規格。Tencen​t 表示「最高 2K」，而其他所有來源都與 Tencen​t 一致。請把 4K 這個數字視為錯誤，而不是後續版本的發展藍圖——這是更正，不是公告。

文字算繪與編輯行為

有兩項主張支撐著此模型的行為，而兩者都來自發佈者。

首先是文字繪製。Tencent 聲稱，無論是中文還是英文，圖像內所渲染文字的準確度都有所提升。這一直是整個品類的典型弱點，而這類說法很容易用你自己的素材測試，卻很難從外部下定論，因為沒有人為這個模型公布公開的文字渲染評分。

第二點是一致性，而這正是 Tencen​t 主打的詞。其主張是：某個主體在歷經反覆編輯與重新渲染後仍能保持不漂移——編輯是在精煉圖像，而不是重新開始，這正是「只用一次的工具」與「用於一系列作品中的工具」之間的差別。搭配上述的五張參考圖範圍，這對於任何你打造、且需要同一角色再次出現的作品而言，都是有文件記載的依據。

兩者都只是廠商說法。兩者都未在 Tencent 之外被重現，而且完全沒有獨立評測機構針對這個模型的文字渲染評分。

角色表的問題

我們自己對這個模型的報導已經談到了角色設定表（character sheet），所以值得精確釐清：發行商記錄了什麼、又沒有記錄什麼。Tencen​t 有記錄的，是多重參考條件（multi-reference conditioning）——你提供數張參考圖片——再結合上述的一致性主張。Tencen​t 沒有記錄的，是一個名為「character sheet」的功能、一個設定表建構工具，或一個以角色為單位的資產物件。這類東西並未出現在該廠商針對這個模型的資料中，也完全沒有出現在呼叫它的 ComfyUI 節點文件裡。

所以這項能力確實存在，但它的名稱是我們取的，不是他們取的。如果你想讓某個角色在一連串圖像中保持一致，你正在拼湊的那些有文件記載的要素是：提供參考圖像，每次請求最多五張，並仰賴模型在反覆編輯中維持一致性的表現。這是否算得上一套製作級角色流程，取決於你對自己鏡頭清單的判斷，而不是 Tencen​t 已發布的規格。

授權與取用途徑，如出版商所記載。

這裡沒有開放權重的途徑，而這是文件記載的事實，而不是把某種限制讀進這份材料中。Tencen​t 並未為此模型發布可下載的檢查點，沒有本地使用的授權，也沒有離線途徑。所有有文件記載的取用方式，不是 Tencen​t 自家的 API，就是 Tencen​t 自家產品之一。

API 是任何大量使用的必經途徑。該模型在 Tencent Cloud 的圖像生成產品下提供服務，可透過該平台的 TokenHub API 介面存取，並附有公開的價目表：國內端點每張 2K 圖像為 ¥0.15，國際相同呼叫為 US$0.024，兩者均僅按交付的輸出圖像計費。該國際數字得到獨立佐證——該模型出現在 Artificial Analysis 的圖像排行榜上，價格為每 1,000 張圖像 $24，這是供應商費率按每千張重述，而非第三方自己的估計。

除了 API 之外，Tencent 也把這款模型放進自家的第一方產品介面：消費級助理 Yuanbao、知識工具 ima，以及創作與生產力產品 Miora、WorkRally、OnSolo 和 WorkBuddy。它同時透過 Media Processing Service 與 Video on Demand 接入 Tencent Cloud 的媒體堆疊——這說明了其鎖定的買家不只包括從零開始打造圖像功能的開發者，也包括早已在 Tencent 基礎架構上進行影片轉碼與剪輯的團隊。

第三方工具確實存在，但比表面上看起來更單薄。ComfyUI 為這個模型推出了合作夥伴節點，而重要的細節在於它們是哪一種節點：它們會呼叫 Tencen​t 的 API。它們背後沒有本地權重、沒有檢查點、也沒有 GPU 路徑。「有 ComfyUI 節點」和「我可以在自己的硬體上跑這個」是不同的陳述，而對這個模型來說，只有前者為真。

獨立證據實際上將其置於何處

這正是廠商資料無法提供的部分，而仔細閱讀它，就是實用參考頁面與新聞稿之間的差別。Artificial Analysis 在兩個榜單上收錄了這個模型，名稱為 HunyuanImage 3.5 (Preview)——該榜單也以預覽版的名義登錄它，這本身就印證了上述命名。於 2026-10-13 讀取：

• 文字生成圖像 — 在 168 個模型的排行榜上名列第 68，Elo 分數為 976.02，95% 信賴區間為 967.02 至 985.02，定價為每 1,000 張圖像 24 美元。這使其處於中游位置。該排行榜的領先者 GPT Image 2.5 Sunburst（max）為 1198.36 Elo；GPT Image 2.5 Flare（max）為 1190.81，GPT Image 2（high）為 1171.83，Nano Banana 2.1 為 1160.29，Grok Imagine Image 2.0 為 1155.4。騰訊在同一排行榜上的前幾代產品：HunyuanImage 3.0 Instruct 為 995.91，排名第 50；HunyuanImage 3.0（騰訊雲）為 983.72，排名第 64；HunyuanImage 3.0 為 943.61；HunyuanImage 2.1 則低至 887.35。

• 影像編輯 — 在 81 個模型的排行榜中名列第 16，Elo 為 1087.14，95% 區間為 1078.14 至 1096.14，同樣是每 1,000 張影像 $24。這讓它位居該排行榜的前五分之一。領先者為 GPT Image 2.5 Sunburst (max) 的 1184.26、GPT Image 2.5 Flare (max) 的 1164.63，以及 MAI-Image-2.6 的 1140.28。騰訊較早的世代：HunyuanImage 3.0 Instruct 以 1068.07 排名第 23，HunyuanImage 3.0（騰訊雲）以 1030.31 排名第 34。

這兩個名次之間的落差，是這一頁上最具資訊價值的一點，而且它並不矛盾。它說明了這個模型在哪裡具有競爭力：在編輯方面，它在一個規模較小、較新的排行榜上接近頂端，而一致性這項說法正是在這裡兌現。它也說明了它不在哪裡：在純文字轉圖像偏好上，它位於中段，遠低於名列前茅的模型，也低於一位從「比前一代提升 +30%」這類標題而來的讀者可能預期的位置。這兩種讀數都來自同一個獨立排行榜，以相同方式測量，而且是在同一天測得。

這些數字附帶兩點但書。Elo 區間夠寬，以至於相鄰名次並非有意義的排序——相鄰列之間相差幾分 Elo 只是雜訊，不是一項發現。而且，這個模型與上述領先者之間，並不存在公開的、相同投入且相同評測框架的比較；這些排行榜排名的是偏好投票，不是受控的對照評比。

現今讀者實際上如何使用它

從符合你意圖的路線開始。如果你是在評估，Tencen​t 的第一方產品是最便宜的入門方式，而 Miora、WorkRally 和 OnSolo 推出時提供的免費兩週試用期已於 2026 年 10 月 7 日結束——所以請從第一次呼叫就編列 API 預算，而不是圍繞試用期來規劃。如果你是在開發，Tencen​t Cloud 上的 API 是唯一有價目表的途徑，而 meta-token 介面則是有文件可查的地方。

那麼，撰寫生成呼叫時，請讓模型名稱是組態值，而不是常數。這不是特別針對這個模型的風格建議；這是一項紀律，能讓預覽版轉為正式版——或價格調整，或完全改用不同的生成器——都不必變成程式碼變更。預覽版識別碼按定義就是最可能被取代的東西，而為此做好準備的代價，不過是設定檔裡的一行。

這種紀律真正發揮效益的地方，在於路由層。OrcaRouter 採用 0% 加價模式——供應商的定價原封不動地傳遞出去，因此廠商調價當天就會生效，而不必等待重新定價的週期——而且一組 API 金鑰就能涵蓋超過 200 個模型，並具備跨供應商的自動容錯移轉，以及可依每個請求鎖定特定模型的路由 DSL。正因如此，影像生成器才能成為一項路由決策，而非架構上的決策——無論你指向哪一款生成器。

給從搜尋框進來、想掌握目前情勢的讀者一個簡短版本：HY-Image 3.5 是騰訊目前的圖像模型，它以hy-image-v3.5-preview這個識別碼處於預覽階段，可接收文字以及最多五張參考圖像，並回傳最高 2K 的圖像；它按每張交付的輸出圖像計費，公布的國際費率為 2K 圖像每張 0.024 美元；它沒有開放權重或離線的途徑；而在獨立排行榜上，它同時是排名前五分之一的編輯模型，也是中段班的文生圖模型。預覽這個標記正是懸而未決的問題，而能讓它塵埃落定的，就是一個附上日期的穩定識別碼。