Images 2.6 對 HY Image 3.5：四美分對十美分，以及這能換來什麼

先算清數字，再談論點。在騰訊 HY Image 3.5 上生成十萬張 2K 影像，按公布費率每張 $0.024 計算，成本約 $2,400。同樣的執行量若放在 OpenAI 的 Images 2.6 上——即 2026 年 11 月 4 日發布的 API 雙模型組合 GPT-Image-2.6 Flare 與 GPT-Image-2.6 Sunburst——若把高品質 2K 渲染估算為約十美分，成本會落在 $10,000 附近；若提示詞很重、輸出很大，還會高出不少。在保守端，這是四倍差距；若與 Artificial Analysis 記錄、OpenAI 前一品質層級在最高設定下每千張 $210.70 的實測價格相比，則接近九倍。

所以問題不在於哪個模型更好，而在於它們之間的差異是否值得四到九倍的帳單金額——而答案取決於一個發布報導大多忽略的區別：這兩個模型擅長的事情不同，而且只有其中一個已經完成。

騰訊實際交付了什麼

HY Image 3.5 預覽版於 2026 年 9 月 22 日正式上線。這是一個統一的文生圖與圖生圖模型，建構於 80B 混合專家（MoE）Hy Image 3.0 基礎之上，並將多輪對話式編輯視為首要模式，而非事後追加的功能。每次請求最多可接受五張參考圖像，最高可輸出 2K，且僅按輸出計費：在騰訊雲國際站，每張 2K 圖像為 $0.024；在國內雲端則為 ¥0.15。

分發方式就是線索。騰訊把它放進 Yuanbao、ima、Miora、WorkRally、OnSolo 和 WorkBuddy，也放進雲端端的 TokenHub、MPS 和 VOD，並可透過 GMI Cloud 和 ComfyUI 讓第三方存取。這是一個為了在消費者和企業產品套件內被使用而打造的模型，其價格讓每位使用者的圖像生成成本成為尾數誤差。它不是一個帶有設計工具敘事的高階 API 產品。

「preview」這個詞會出現在名稱裡，是有原因的。它沒有公開的 SLA、沒有棄用政策，而且預期之後會推出正式版本。任何人把它放進正式環境的流程裡，就等於接受這個端點隨時可能在他們腳下變更。

HY Image 3.5 真正勝出之處

三件事，而且它們都不小。

• 大量採購時的價格。以每張 2K 圖像 0.024 美元的價格計算，一百萬張圖像的成本為 24,000 美元。同等規模的 OpenAI 執行方案則是一筆六位數的支出項目。對於型錄渲染、虛擬頭像生成、社群素材工廠，以及任何圖像是數千張之一而非十張之一的場景，這一點都壓過其他所有考量。

• 圖片中的文字，尤其是非拉丁文字。騰訊的模型明確針對多語言渲染與小字準確度進行調校，獨立評測者也發現它在密集標籤與包裝文案上具競爭力。OpenAI 的 Images 系列在簡短英文標題上表現強勁；但越偏離這種情況，任何人就越不該那麼有把握。

• 對話式多輪互動是它的原生模式。 HY Image 3.5 從設計之初就是為了聊天介面而生：使用者會說「讓它暖一點、把標誌往左移，現在換成藍色試試」。Images 2.6 在功能清單上已經追上——ChatGPT 中的參考圖像與畫面編輯——但騰訊的產品自推出以來，就一直圍繞著這個循環打造。

騰訊自家的盲測數據顯示，它領先 Hy Image 3.0 約 30%，與 Seedream 5.0 Pro 大致持平，略勝 Nano-Banana Pro 與 Qwen-Image-3.0 Pro。這些是廠商自行回報的 GSB 結果，並非第三方評分，應視為方向性的說法。

Images 2.6 勝出之處

• 餘裕。HY Image 3.5 最高僅到 2K。OpenAI 的模型並未公布解析度表，但 Images 系列一路走來始終往上提升，而 2.6 版更增添了 SVG 輸出——向量格式，而非另一種點陣尺寸。若你的交付物是印刷品、4K，或需要重新縮放的设计檔，比較到此為止。

• 入門規格下的速度。 Flare 在低品質設定下標稱每張圖片約需六秒，整體生成速度比前一代快約 50%。騰訊並未公布可資比較的延遲數據，而預覽端點本來就不是尋求吞吐量保證的地方。

• 動態與向量格式。動畫 GIF 輸出與 SVG 匯出功能存在於 2.6，在 HY Image 3.5 中並無對應功能。若交付成品需要動態或縮放，這根本算不上品質比較。

• 編輯能力的天花板。HY Image 3.5 在 Artificial Analysis 的編輯排行榜上拿下 1,092 Elo——表現不俗，也優於它的文字轉圖像分數。但 OpenAI 前一代的 GPT Image 2.5 Sunburst 以 1,199 分領先同一排行榜。這個差距真實存在，而這正是新模型試圖拉大的差距。

分數，以及缺少的那一個

Artificial Analysis 將 HunyuanImage 3.5（Preview）在文生圖項目列為 971 Elo，約排第六十名；在圖像編輯項目則為 1,092，落在第十八至第二十五名區間。其實測成本為每千張圖片 24 美元。相較於前沿模型，這是偏低的分數——GPT Image 2.5 Sunburst 以 1,224 居文生圖之首——但這是個 真實的分數，背後有樣本基礎支撐。

Images 2.6 則沒有。這兩個排行榜都在 2026 年 11 月 5 日、也就是發布後隔天檢查過，而 GPT-Image-2.6 Flare 與 Sunburst 都沒有出現。OpenAI 唯一引用的排名是 Design Arena，並稱 Sunburst 拿下第一名，領先自家前代產品。這是廠商引用的競技場結果；我們無法驗證其 Elo。

這場對決存在一種尷尬的對稱性。便宜模型有經審核的評分，卻沒有解析度餘裕；昂貴模型有解析度餘裕、新格式，卻沒有經審核的評分。今天任何人告訴你哪個更好，都是在從其中一方的上一代外推。

十萬張影像測試，妥善執行

以一個實際的目錄專案為例：100,000 張產品圖片、2K、每張各有一張參考圖、簡短英文提示詞、不進行編輯。

• HY Image 3.5 — 100,000 × $0.024 = $2,400。費用固定、可預測，無須進行 token 建模。

• Images 2.6 — 輸出 token 會隨繪製像素數呈比例增加，因此同一項工作在相當於高品質 2K 的規格下約需 10,000 美元；若圖片簡單到足以用低複雜度與中等品質執行，費用則會明顯降低。

• 差異——約 $7,600，大致相當於一名兼職插畫家一個月的成本。

現在加入第二輪評估。如果便宜模型的圖像有 15% 需要人工修正，而昂貴模型只有 5%，算術會改變，但很少會翻轉：以每人工分鐘 4 美元計算，便宜的那次執行仍然勝出。這就是這項決策的誠實樣貌。HY Image 3.5 勝出不是因為它看起來更好。它勝出是因為在目錄規模下，「夠好」是一種商業模式，而「最好」是奢侈品。

真正的轉折點在於，當圖像就是產品本身時：主視覺素材、活動主視覺、品牌插畫。每週十張圖時，四十美元的價格差無關緊要。在這個量級下，買更好的模型，別再糾結了。

兩者都執行

對大多數團隊而言，合理的架構並不是一道選擇題。將 HY Image 3.5 用於大量產出——草稿、縮圖、變體、在地化——並將 Images 2.6 用於會獲核准並交付的素材。這兩種定價模式讓這樣的分工幾乎成為機械式操作：按張計價會獎勵你把低成本工作交給低成本模型，而按 token 計價則會獎勵你讓昂貴、高投入的渲染保持稀少。

目前這兩款模型都還沒登上 OrcaRouter。我們的影像產品線實際提供的是 GPT-Image-2.5 Flare 和 Sunburst、Google 的 Gemini 與 Imagen 系列，以及 Grok Imagine Image——單一金鑰、供應商牌價零加價，供應商服務降級時自動容錯移轉。對於像上述這樣的雙模型分工，關鍵與其說在模型選擇，不如說在底層管線：單一整合、單一帳單項目，以及能把低成本工作導向低成本端點、又不必另簽合約的路由規則。

值得關注：騰訊將 HY Image 3.5 結束預覽、正式推出，以及首個獨立的 Images 2.6 評分。前者告訴你 0.024 美元的定價是上市促銷還是商業模式；後者告訴你四倍差距中有多少是品質，多少只是帳單上的品牌標誌。