← Volver al blog
Aiaprox. 7 min de lectura

Hy Image 3.5, de Tencent, se cuela en el noveno puesto de OpenRouter

Publicado 10 nov 2026
Hy Image 3.5, de Tencent, se cuela en el noveno puesto de OpenRouter

Baja lo suficiente en la clasificación de imágenes de OpenRouter y te topas con un nombre que no encaja en el patrón. Entre la tercera y la cuarta variante de Nano Banana de Google se sienta Hy Image 3.5 Preview, de Tencent, con 1.590 millones de tokens procesados en una semana.

Es el noveno puesto. No está mal para un modelo que se lanzó el 5 de octubre casi sin cobertura en inglés y que mucha gente del sector no sabría situar en un mapa de proveedores.

Los datos de la clasificación merecen una lectura atenta, porque es fácil malinterpretarlos. El tablero de imágenes de OpenRouter se ordena por tokens, que correlaciona con volumen pero no con calidad. Nano Banana 2 está arriba con 5.760 millones porque es el valor por defecto al que recurren cien mil aplicaciones. Hy Image está en 1.590 millones porque bastantes personas que construyen pipelines lo eligieron a propósito, a un precio que no es el más barato del tablero.

$1.60 por millón de tokens se sitúa entre el nivel Flash de Google, a $0.50, y GPT Image 2.5 de OpenAI, a $8. Ese es el incómodo punto medio, y un modelo no se queda en el medio por casualidad. Se queda porque hace algo que el nivel barato no puede hacer.

Lo que promete

La ficha del modelo describe un modelo de imagen unificado: un solo endpoint para texto a imagen, imagen a imagen y edición de varios turnos. Lo que merece subrayarse:

Hasta veinte imágenes de referencia por petición. Esa es la cifra que destaca. Casi todas las API de imagen aceptan de una a cuatro referencias y te suplican que no pidas más. Veinte no es una mejora incremental; es otra categoría de tarea. Catálogos de producto. Hojas de personaje. Todo el sistema visual de una marca, entregado en una sola llamada.

Salida de hasta 4K. Es lo estándar en este nivel en 2026, pero conviene confirmarlo dado el precio.

Renderizado de texto en chino e inglés. Aquí es donde el modelo se vuelve interesante, y volveré sobre ello.

Construido sobre la base Hy Image 3.0, una mezcla de expertos de 80B. Una base grande para los estándares de los modelos de nivel Flash con los que compite, lo que explica el precio y, si las promesas se sostienen, la consistencia de sujeto.

An overhead flat lay of reference photos in a grid beside a colour-accurate monitor

La promesa de las veinte referencias, en la práctica

Piensa en qué se rompe cuando le das muchas referencias a un modelo de imagen. Lo normal es que las promedie. Dale cinco fotos de la misma chaqueta y obtendrás un borrón con forma de chaqueta, con el cuello de una y los botones de otra. La consistencia de sujeto a lo largo de una serie es un problema genuinamente difícil, y lo es por una razón estructural: el modelo tiene que seguir la identidad a través de señales de condicionamiento separadas en vez de fusionarlas en un único estilo.

Veinte referencias es el tipo de cifra que sugiere que Tencent lo resolvió en la arquitectura, no en el prompt. La redacción de la ficha —«especialmente fuerte en consistencia de sujeto entre ediciones y en composición fiel al prompt»— es exactamente el lenguaje que usa un laboratorio cuando tiene un benchmark interno que muestra una diferencia.

Que esa diferencia sobreviva a una prueba independiente es otra cosa. Todavía no hay evaluaciones de terceros de Hy Image 3.5 en las que yo confíe. Lo que hay es una posición en una clasificación basada en uso, las promesas de una ficha y el hecho de que el modelo es una versión preview: una cobertura, no una garantía.

El ángulo del texto

La tipografía latina dentro de imágenes generadas se volvió un mínimo exigible en algún momento de 2025. Casi todos los modelos serios saben ya dibujar un cartel legible. El texto chino es otro problema, y lo lleva siendo una década.

Los glifos CJK son densos, tienen miles de miembros y su corrección es binaria de una forma en que las letras latinas no lo son. Una «a» ligeramente malformada se sigue leyendo como «a». Un 粤 malformado es, sin más, otro carácter. Los laboratorios occidentales han mejorado, pero los fallos siguen siendo lo bastante frecuentes como para que cualquiera que haga diseño en chino haya aprendido a componer la tipografía después.

Que Tencent reclame los dos idiomas, a este precio, es una promesa dirigida a un mercado concreto: el enorme sector chino del comercio electrónico y el marketing, donde un póster de producto con un carácter equivocado no es una pieza encantadora, es una entrega rechazada. Por eso también resulta plausible el volumen de tokens. Un modelo que arregla la tipografía china elimina un paso entero de posproducción en miles de pipelines de producción.

Por qué aparece en un agregador occidental

Hay una historia estructural aquí que importa más que cualquier modelo concreto.

Hace dos años, la forma de usar un modelo de imagen chino era esta: encontrar la consola del proveedor, aprender su esquema de autenticación, aceptar que la latencia sería peor desde fuera de la región y escribir un cliente a medida. Era suficiente fricción para dejar fuera a la mayoría de los desarrolladores occidentales.

OpenRouter lo allanó. Una clave, un esquema, una factura. El resultado es que la calidad de los modelos viaja ahora entre países más o menos al instante, y la clasificación se ha convertido en la arena competitiva real. Tencent no necesita una campaña de relaciones con desarrolladores en San Francisco si puede mantener el noveno puesto en un tablero que consulta cada fundador.

Es la misma dinámica que puso a Seedream, de ByteDance, en cuarta y quinta posición del tablero de imágenes, y a cuatro modelos de vídeo distintos de ByteDance en el top diez de vídeo. La conversación sobre «qué país hace el mejor modelo» está prácticamente terminada; lo que queda es una rejilla de precio y capacidad que cualquiera puede inspeccionar.

Lo que de verdad sigue sin saberse

Varias cosas, y no son pequeñas.

El precio por token de las imágenes es opaco. $1.60 por millón de tokens no te dice nada hasta que sabes cuántos tokens cuesta una imagen, lo que depende de la resolución y, a menudo, de la contabilidad interna del proveedor. La comparación con «desde $0.018 por imagen» de Seedream 5.0 Flash no es una comparación que puedas hacer solo con la columna del precio.

Preview significa preview. El comportamiento puede cambiar, los endpoints pueden cambiar de precio y el modelo que evalúas en noviembre puede no ser el que recibes en enero.

La licencia y los términos de datos no se ven en la ficha del modelo. Para quien haga trabajo comercial con imágenes de referencia —que es todo el caso de uso de veinte entradas—, esa es la pregunta que necesita respuesta antes de la prueba, no después.

Cómo lo probaría

No con un prompt bonito. Con aquello en lo que dice ser bueno.

Toma doce fotos de un mismo objeto desde ángulos distintos, mételas en una sola petición y pide el objeto en una escena en la que nunca ha estado. Luego repite con cuatro referencias y mira cuánto empeora. La diferencia entre las dos ejecuciones te dice si veinte entradas son una capacidad real o un parámetro de relleno.

Segunda prueba: un póster con un titular en chino y un subtítulo en latino, a tamaño final, ampliado al 100%. Cuenta los caracteres malos. Esa es la prueba que decide si esto pertenece a un pipeline de producción o a una carpeta de demos.

La clasificación dice que la gente ya lo está haciendo. Un noveno puesto en un tablero donde los tres primeros son de Google y el cuarto es de ByteDance no es una posición de marketing: son muchos desarrolladores decidiendo, en voz baja, que el nivel de precio intermedio merece la pena.

Artículos relacionados