MAI Image 2.7 Preview 對決 Qwen Image 3.0：無人宣布的開放權重退場

過去能用來解決這場對決的建議，如今已不再管用。直到今年夏天，「Qwen 圖像模型還是美國的閉源模型」這個問題的答案都很簡單：選 Qwen，下載 Apache-2.0 權重，自行執行，然後不必再擔心價目表。Qwen Image 3.0 打破了這一點。當它在 2026 年 8 月 4 日正式推出時，帶來了兩個付費層級、託管 API，卻沒有權重、沒有模型卡、沒有參數量，也沒有技術報告——這是阿里巴巴圖像產品線首次以閉源形式推出。Microsoft AI 於 2026 年 10 月 27 日發布的 MAI Image 2.7 Preview 也是閉源，而且甚至沒有 API。因此，誠實的比較是在兩個你無法自行架設的模型之間進行，而它們所憑藉的揭露資訊幾乎相反。

那個重新框架就是這篇文章。其餘一切——Elo、每張圖片的價格、解析度上限——都取決於這兩者之中哪一個實際買得到，以及各家公司願意公開哪些相關資訊。

Qwen 停止發布了什麼

Qwen-Image 1.0 與 2.0 是開源路線。Apache-2.0 權重與公告同一天釋出，並附上一份技術報告，還有一個社群把它們微調成從漫畫字體到室內設計的各種應用。這就是為什麼「直接自行託管」成了標準建議：授權允許商業使用，而檢查點只需下載即可。

Qwen Image 3.0 終結了那一切。該模型於 2026 年 7 月 22 日以僅限邀請的方式推出，並於 8 月 4 日正式全面推出，分為 Standard 與 Pro 兩個版本，可透過 Qwen Cloud 與 Alibaba Cloud 的 Model Studio 使用。兩個版本皆未公開權重。阿里巴巴未公布參數量、模型卡或技術報告，也完全沒有公布任何基準測試數字——無論是在 Qwen-Image-Bench 或其他任何地方。唯一的獨立訊號是 Artificial Analysis；在其 2026 年 10 月的快照中，Pro 在文字轉圖像約為 1,094 Elo，在圖像編輯為 1,085，而 Standard 在編輯為 1,062。

有個問題值得直說，因為它會讓任何搜尋的人感到混淆：至少有一個評比網站把 Qwen Image 3.0 列為 Apache-2.0 且權重開放。這是錯的，而且是那種會讓團隊白白損失一週的錯誤。這個系列中開放的分支是 Qwen-Image-2.1，於 2026 年 9 月 20 日發布，採用非商業研究授權——可公開檢視與微調，但不能用於產品出貨。如果某項計畫依賴自行託管 Qwen，那它依賴的是 2.1 或更早版本，而不是 3.0。

微軟發表了什麼，以及沒有發表什麼

MAI Image 2.7 Preview 的證據正好相反。微軟已大量公布它如何排名，卻幾乎沒說明它是什麼。

排名很具體：在 Artificial Analysis 的圖像編輯排行榜上，以 1,193 Elo 位居第二，評測版本為 AA-Image-Editing v2.1、日期為 2026 年 10 月 22 日，落後 GPT Image 2.5 Sunburst 六分，領先 GPT Image 2.5 Flare 十一分。Microsoft 也表示其在 Arena Edit 排名第三。該公司稱，在 MAI-Image-2.6 與 2.7 之間，基於推理的編輯與場景及風格編輯在 Artificial Analysis 的各類別中皆從第七名升至第一名，文字與符號編輯則從第六名升至第一名，而最大領先幅度是場景與風格類的 24 Elo。這些都是該公司對第三方排行榜的自家表述——廠商回報的、關於獨立資料的說法；這類說法比自製基準測試更高一級，但仍不等同於可重現的量測。

缺少的是買家所需的一切。沒有輸出解析度。沒有參考圖片上限。沒有遮罩或邊界框介面。沒有 Foundry 部署。沒有費率表。沒有模型卡。該模型可在 MAI Playground、Arena 和 Artificial Analysis 中使用——兩個評估介面與一個示範——並承諾之後提供文字轉圖像生成。

規格項目並排對照

• 發布 — Qwen Image 3.0 僅限受邀者，2026 年 7 月 22 日；正式推出（GA）2026 年 8 月 4 日；MAI Image 2.7 預覽版 2026 年 10 月 27 日。

• 權重——Qwen Image 3.0 未發布任何權重，與 1.0 和 2.0 的做法相反；MAI Image 2.7 Preview 同樣未發布，這與微軟的一貫立場一致。開源的 Qwen 分支是採非商業授權的 Qwen-Image-2.1。

• 適用範圍 — Qwen Image 3.0 可在 Standard 與 Pro 版本中生成及編輯；MAI Image 2.7 Preview 僅支援編輯。

• 解析度 — 根據廠商自家數據，Qwen Image 3.0 最高可達 2048×2048；2.7 則未公布，其前代上限為 2,359,296 像素。

• 價格 — Qwen Image 3.0 Standard 在 1K 或 2K 下每張圖片為 $0.03，編輯輸入每項約 $0.003；Pro 在 1K 為 $0.04，2K 為 $0.075。MAI Image 2.7 Preview 尚未公布價格。

• 存取 — Qwen Image 3.0 已於 Qwen Cloud、Alibaba Cloud Model Studio 和 Qwen Chat 上線；2.7 則在 MAI Playground、Arena 與 Artificial Analysis 提供，但不提供 API。

• 已公開的基準測試——Qwen Image 3.0 完全沒有廠商提供的基準測試；2.7 則有第三方榜單名次與分類排名，並由廠商引用。

兩種不同的沉默

人們很容易把這兩者都歸入「未記錄」這一類，但它們並非同一種失誤，對團隊造成的代價也不相同。

阿里巴巴的沉默關乎能力。我們知道介面、價格、兩個方案與最高解析度；我們不知道這個模型擅長什麼，因為沒有公布基準測試，而唯一的獨立評分是十月的快照，其中 Pro 的編輯 Elo 落在 1,080 分區間的中段，明顯低於該排行榜上的領先者。買家可以為這項工作定價——Standard 每張圖片 0.03 美元，低於 Nano Banana 2.1 在 1K 下的 0.0336 美元，但仍未低於 Meta Muse Image 的固定 1 美分——但若不自行進行評估，就無法預測各使用情境的品質。

微軟的沉默事關採購。我們大致知道它有多好，因為有一個盲投委員會對它做了評測，我們也知道它宣稱涵蓋哪些類別。我們不知道它的費用、輸出規模、需要多少參考資料，或如何呼叫它。買家能預測品質，卻買不到。

評估這兩者要看計劃需要什麼，而答案取決於你處於哪個階段。如果你是在挑選一個要據以開發的模型，阿里巴巴的沉默尚可承受——做一次付費評估，介面有文件說明，費用也已知。如果你是在決定要不要把路線圖押在微軟的模型上，它的沉默就不可承受，因為根本沒有可供整合的對象。

在 Qwen 的價格下，一分錢的編輯是什麼樣子

Qwen 的定價是這場對決中最具體的部分，值得仔細推敲，因為差異並不在你預期的那些層級上。

Standard 每張影像 $0.03，1K 或 2K，編輯輸入每項約 $0.003。一批一千張影像的產品修圖，每次編輯含兩項參考輸入，輸出費用為 $30，加上輸入約 $6，所以大約 $36。Pro 的 2K 輸出為 $0.075，加上兩項參考，同一批次接近 $81——約為 Standard 的 2.2 倍，而這個層級唯一的獨立訊號只是十月的快照。

作為比較，Meta Muse Image 做同樣的一千張圖片只收固定 $10，而 Nano Banana 2.1 以 2K 處理這些圖片，在計入輸入 token 之前約需 $50。Qwen Image 3.0 Standard 具競爭力，但並非最便宜，而且它的輸入費用意味著在參考圖密集的工作上，差距會進一步拉大。

若拿 MAI Image 2.7 Preview 來比，這筆帳根本算不下去，而這正是重點。說它免費，是因為沒人會向你請款；說它昂貴，是因為每張圖都得耗掉一趟人工往返。到了上千張圖的規模，人力本身就是全部的預算。

類別主張才是應該檢驗的重點

Microsoft 對 MAI Image 2.7 Preview 最具體的說法是，它如今在 Artificial Analysis 以推理為基礎的編輯類別中領先，排名從第七名上升。這是一項範圍狹窄且可檢驗的主張，也正是值得據此設計實驗的那項主張——因為這也是 Qwen Image 3.0 無法回答的主張。

阿里巴巴並未發布任何關於推理、工具使用或多步驟編輯的資訊。其文件實際宣稱的是一組實用文字能力：提示詞最多可達 4,500 個 token、文字在約 10 像素下仍可辨識、十二種原生語言、超過二十種字體、每次呼叫最多六個輸出，以及伺服器端提示詞改寫。實際使用者的描述指出，它在 UI 模擬圖與圖表方面表現強勁，但偶爾會出現小字亂碼，且延遲比 Flash 等級模型更慢。

所以這兩個模型針對的是不同的失敗模式。Qwen Image 3.0 針對單次生成中的文字渲染與版面保真度進行最佳化。MAI Image 2.7 Preview 則針對需要判斷整個場景應如何改變的編輯進行最佳化。如果你的作品是文字很多的海報，你測試的就是 Qwen 的軸線。如果是「把這個產品放進那個房間，並讓光線協調一致」，你測試的就是 Microsoft 的軸線，而排行榜顯示 Microsoft 在這方面領先——而且是在別人的圖像上。

在雙方都不接電話的地方

這兩個模型都不在 OrcaRouter 上，與其暗示相反，不如直接說明。實際提供的是真正能呼叫的圖像模型陣容——GPT Image 2.5 Sunburst 與 Flare、GPT Image 2 系列、三個等級的 Imagen 4、Google 的 Nano Banana 系列、Grok Imagine Image——全部透過單一金鑰、以供應商定價提供，絕不加價。

這對這項特定決策之所以重要，在於你會如何做出決定。Qwen Image 3.0 的能力尚未由其供應商進行基準測試，因此要得知它是否勝過你已在使用的模型，唯一方法就是將相同的需求簡報分別交給兩者執行。OrcaRouter 的 路由 DSL可讓單次呼叫把同一份需求簡報分散到多個模型，並以同一種格式收集結果；而模型融合更進一步，當單次編輯持續失敗時，會由一組模型共同回答。這兩項功能都無法讓 MAI Image 2.7 Preview 變為可呼叫——目前沒有任何功能能做到——但前者正是你在不必承諾使用其主控台的情況下，建立支持或反對 Qwen Image 3.0 之證據的方法；後者則是當推理密集型編輯必須一次就成功時，你會採用的手段。

該做什麼，以及別再假設什麼

別再假設 Qwen 的圖像產品線是開放的。在 3.0 版，它並不是。如果你的架構取決於可下載的權重，你要的模型是 Qwen-Image-2.1，而你得讀的授權是非商業性的——這意味著自架計畫有一道法律界線要確認，而不只是硬體帳單。

如果你這週就需要一款有介面文件說明的便宜編輯器，Qwen Image 3.0 Standard 每張圖片 $0.03 是合理的選擇，但有一個不尋常的但書：包括它的供應商在內，沒有人告訴過你它擅長什麼。請把它編列為一次評估，而不是一個決定。

如果這項工作是全場景編輯，而且你能接受手動迭代，就花一個下午在 Arena 上使用 MAI Image 2.7 Preview。以推理為基礎的類別領先地位，是這次發布中最具體的主張，也是最有可能成立的一項，因為它是唯一有評測榜單跑分佐證、而非僅靠新聞稿支持的主張。

並請把一個日期放在心上。一旦 Microsoft 在 Foundry 中讓 MAI Image 2.7 Preview 以每張圖片的價格上架，這項比較就會從描述兩條採購路徑，變成真正的較量，而 $0.03 的 Qwen 編輯就會成為要超越的數字。在那之前，這些模型當中，一款有價格、也有問題，另一款則有分數、也有一道牆。