Tencent Hy Image 3.5 steht auf Platz 9 der OpenRouter-Bildliste

Scrollt man auf dem Bildmodell-Leaderboard von OpenRouter weit genug nach unten, stößt man auf einen Namen, der nicht ins Muster passt. Zwischen Googles dritter und vierter Nano-Banana-Variante sitzt Hy Image 3.5 Preview von Tencent, mit 1.59 Milliarden verarbeiteten Tokens in einer Woche.
Das ist Platz neun. Nicht schlecht für ein Modell, das am 5. Oktober mit praktisch keiner englischsprachigen Berichterstattung startete und das die meisten in dieser Branche auf einer Anbieterkarte kaum verorten könnten.
Die Rankingdaten sollte man sorgfältig lesen, weil man sie leicht falsch versteht. OpenRouters Bildliste ist nach Tokens sortiert, was mit Volumen korreliert, nicht mit Qualität. Nano Banana 2 an der Spitze mit 5.76B steht dort, weil es der Standard ist, zu dem hunderttausend Apps greifen. Hy Image mit 1.59B steht dort, weil genug Leute, die Pipelines bauen, es bewusst gewählt haben – zu einem Preis, der nicht der niedrigste im Feld ist.
1.60 $ pro Million Tokens liegt zwischen Googles Flash-Tarif von 0.50 $ und OpenAIs GPT Image 2.5 mit 8 $. Das ist die unbequeme Mitte, und ein Modell hält eine Mittelposition nicht zufällig. Es hält sie, weil es etwas tut, was der günstige Tarif nicht kann.
Was es verspricht
Das Model Card beschreibt ein einheitliches Bildmodell – ein Endpunkt für Text-to-Image, Image-to-Image und mehrstufige Bearbeitung. Die Punkte, die man unterstreichen sollte:
Bis zu zwanzig Referenzbilder pro Anfrage. Das ist die Zahl, die heraussticht. Die meisten Bild-APIs akzeptieren ein bis vier Referenzen und flehen einen an, nicht mehr zu verlangen. Zwanzig ist keine inkrementelle Verbesserung, sondern eine andere Aufgabenklasse. Produktkataloge. Charakterbögen. Das gesamte visuelle System einer Marke in einem Aufruf.
Ausgabe bis 4K. Für diese Klasse 2026 Standard, aber bei diesem Preis eine Bestätigung wert.
Textrendering auf Chinesisch und Englisch. Hier wird das Modell interessant, darauf komme ich zurück.
Aufgebaut auf der 80B-Mixture-of-Experts-Basis Hy Image 3.0. Eine große Basis für die Flash-Klasse, gegen die es antritt, was den Preis erklärt und, wenn die Angaben halten, auch die Motivkonsistenz.

Die zwanzig Referenzen in der Praxis
Denken Sie darüber nach, was bricht, wenn man einem Bildmodell viele Referenzen gibt. Typischerweise mittelt das Modell sie. Fünf Fotos derselben Jacke ergeben einen jackenförmigen Brei mit dem Kragen von einem und den Knöpfen von einem anderen. Motivkonsistenz über eine Serie ist ein wirklich schweres Problem, und zwar aus strukturellem Grund: Das Modell muss Identität über getrennte Konditionierungssignale verfolgen, statt sie zu einem einzigen Stil zu verschmelzen.
Zwanzig Referenzen ist die Sorte Zahl, die nahelegt, dass Tencent das auf Architekturebene gelöst hat und nicht auf Promptebene. Die Formulierung im Model Card – „besonders stark bei Motivkonsistenz über Bearbeitungen hinweg, prompttreue Komposition“ – ist genau die Sprache, die ein Labor verwendet, wenn es einen internen Benchmark hat, der eine Lücke zeigt.
Ob diese Lücke unabhängigen Tests standhält, ist eine andere Frage. Es gibt noch keine Drittanbieter-Evaluationen zu Hy Image 3.5, denen ich trauen würde. Was vorliegt: eine Leaderboard-Position auf Basis von Nutzung, die Angaben eines Model Card und die Tatsache, dass es ein Preview-Release ist – was eine Absicherung ist, kein Versprechen.
Der Textrendering-Aspekt
Lateinische Typografie in generierten Bildern ist irgendwann 2025 zum Standard geworden. Jedes ernsthafte Modell kann inzwischen ein lesbares Schild rendern, meistens. Chinesischer Text ist ein anderes Problem, und das ist er seit einem Jahrzehnt.
CJK-Glyphen sind dicht, haben Tausende Mitglieder, und ihre Korrektheit ist binär, auf eine Weise, wie es lateinische Buchstaben nicht sind. Ein leicht verunglücktes „a“ liest sich noch als „a“. Ein verunglücktes 粤 ist einfach ein falsches Zeichen. Westliche Labore haben hier zugelegt, aber die Fehler sind noch häufig genug, dass alle, die chinesischsprachiges Design machen, gelernt haben, die Schrift nachträglich zu compositen.
Dass Tencent beide Sprachen zu diesem Preis behauptet, zielt auf einen bestimmten Markt: den riesigen chinesischen E-Commerce- und Marketingsektor, in dem ein Produktplakat mit dem falschen Zeichen kein charmantes Artefakt ist, sondern ein zurückgewiesenes Ergebnis. Das macht auch das Tokenvolumen plausibel. Ein Modell, das chinesische Typografie repariert, entfernt einen ganzen Nachbearbeitungsschritt aus Tausenden Produktionspipelines.
Warum es überhaupt bei einem westlichen Aggregator auftaucht
Dahinter steht eine strukturelle Geschichte, die wichtiger ist als jedes einzelne Modell.
Vor zwei Jahren lief die Nutzung eines chinesischen Bildmodells so: Man fand die Konsole des Anbieters, lernte sein Authentifizierungsschema, akzeptierte, dass die Latenz von außerhalb der Region schlechter sein würde, und schrieb einen eigenen Client. Das war genug Reibung, um die meisten westlichen Entwickler draußen zu halten.
OpenRouter hat das eingeebnet. Ein Key, ein Schema, eine Rechnung. Die Folge: Modellqualität reist inzwischen mehr oder weniger sofort über Grenzen – und das Leaderboard ist zur eigentlichen Wettkampfarena geworden. Tencent braucht keine Developer-Relations-Kampagne in San Francisco, wenn es Platz neun auf einem Board hält, das jeder Gründer prüft.
Es ist dieselbe Dynamik, die ByteDances Seedream auf Platz vier und fünf der Bildliste gebracht hat und vier verschiedene ByteDance-Videomodelle in die Video-Top-Ten. Die Debatte „welches Land baut die besten Modelle“ ist weitgehend vorbei; übrig bleibt ein Preis-und-Fähigkeiten-Raster, das jeder einsehen kann.
Was tatsächlich unbekannt ist
Mehreres, und es ist nicht wenig.
Die Token-Preisgestaltung für Bilder ist undurchsichtig. 1.60 $ pro Million Tokens sagt nichts, solange man nicht weiß, wie viele Tokens ein Bild kostet – das hängt von der Auflösung ab und oft von der internen Abrechnung des Anbieters. Der Vergleich mit „ab 0.018 $ pro Bild“ bei Seedream 5.0 Flash ist kein Vergleich, den man aus der Preisspalte allein ziehen kann.
Preview heißt Preview. Verhalten kann sich ändern, Endpunkte können neu bepreist werden, und das Modell, das man im November gebenchmarkt hat, ist im Januar vielleicht nicht das, das man bekommt.
Lizenz- und Datenschutzbedingungen sind im Model Card nicht sichtbar. Für alle, die kommerziell mit Referenzbildern arbeiten – und das ist der gesamte Anwendungsfall für zwanzig Eingaben –, ist das die Frage, die vor dem Test eine Antwort braucht, nicht danach.
Wie ich es testen würde
Nicht mit einem hübschen Prompt. Mit dem, worin es gut sein soll.
Zwölf Fotos eines Objekts aus verschiedenen Winkeln nehmen, in eine einzige Anfrage legen und das Objekt in einer Szene verlangen, in der es nie war. Dann mit vier Referenzen wiederholen und sehen, wie viel schlechter es wird. Das Delta zwischen den beiden Läufen sagt, ob zwanzig Eingaben eine echte Fähigkeit sind oder ein aufgeblähter Parameter.
Zweiter Test: ein Plakat mit chinesischer Überschrift und lateinischem Untertitel, in finaler Größe, auf 100 % gezoomt. Die falschen Zeichen zählen. Das ist der Test, der entscheidet, ob das in eine Produktionspipeline gehört oder in einen Demo-Ordner.
Das Leaderboard sagt, dass Leute das bereits tun. Platz neun auf einem Board, dessen Top drei Google sind und dessen vierter ByteDance ist, ist keine Marketingposition – es sind viele Entwickler, die still entschieden haben, dass sich die mittlere Preisklasse lohnt.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.