Hy Image 3.5 di Tencent è nono su OpenRouter con 1.59 miliardi di token

Scorrete abbastanza la classifica immagini di OpenRouter e trovate un nome che non segue lo schema. Tra la terza e la quarta variante di Nano Banana di Google sta Hy Image 3.5 Preview, di Tencent, con 1.59 miliardi di token processati in una settimana.
Nono posto. Non male per un modello lanciato il 5 ottobre con quasi nessuna copertura in inglese, e che la maggior parte delle persone di questo settore faticherebbe a collocare sulla mappa dei fornitori.
I dati della classifica vanno letti con attenzione, perché è facile fraintenderli. La board immagini di OpenRouter è ordinata per token, che è correlato al volume ma non alla qualità. Nano Banana 2 in testa con 5.76B sta lì perché è il default su cui centomila applicazioni si buttano. Hy Image a 1.59B sta lì perché abbastanza gente che costruisce pipeline lo ha scelto di proposito, a un prezzo che non è il più basso della board.
1.60 dollari per milione di token sta tra il livello Flash di Google a 0.50 e GPT Image 2.5 di OpenAI a 8. È il centro scomodo, e un modello non tiene una posizione centrale per caso. La tiene facendo qualcosa che il livello economico non sa fare.
Che cosa promette
La model card descrive un modello immagini unificato: un solo endpoint per text-to-image, image-to-image e editing multi-turno. Le parti da sottolineare:
Fino a venti immagini di riferimento per richiesta. È il numero che salta all'occhio. Quasi tutte le API per immagini accettano da una a quattro referenze, e vi pregano di non chiedere di più. Venti non è un miglioramento incrementale, è un'altra categoria di compito. Cataloghi di prodotto. Fogli personaggio. L'intero sistema visivo di un marchio, consegnato in una chiamata.
Output fino a 4K. Standard per questo livello nel 2026, ma vale la pena confermarlo visto il prezzo.
Rendering di testo cinese e inglese. È qui che il modello diventa interessante, e ci torno.
Costruito sulla base mixture-of-experts Hy Image 3.0 da 80B. Una base grande per gli standard dei modelli di fascia Flash con cui compete, il che spiega il prezzo e, se le promesse tengono, la coerenza del soggetto.

La promessa delle venti referenze, alla prova
Pensate a cosa si rompe quando date a un modello immagini molte referenze. Di solito le fa una media. Dategli cinque foto della stessa giacca e ottenete una macchia a forma di giacca, con il colletto di una e i bottoni di un'altra. La coerenza del soggetto lungo una serie è un problema davvero difficile, e lo è per una ragione strutturale: il modello deve seguire l'identità attraverso segnali di condizionamento separati invece di fonderli in un unico stile.
Venti referenze è il genere di numero che suggerisce che Tencent abbia risolto la cosa a livello di architettura e non di prompt. La formulazione della model card — «particolarmente forte nella coerenza del soggetto attraverso le modifiche, composizione fedele al prompt» — è esattamente il linguaggio che usa un laboratorio quando ha un benchmark interno che mostra un divario.
Se quel divario regga una verifica indipendente è un'altra questione. Non esistono ancora valutazioni di terze parti su Hy Image 3.5 di cui mi fiderei. Quello che abbiamo è una posizione in classifica basata sull'uso, le promesse di una model card e il fatto che il modello è una release preview: il che è una copertura, non una garanzia.
Il fronte del testo nelle immagini
La tipografia latina dentro le immagini generate è diventata lo standard minimo da qualche parte nel 2025. Ogni modello serio ormai sa rendere un'insegna leggibile, più o meno. Il testo cinese è un problema diverso, e lo è da dieci anni.
I glifi CJK sono densi, hanno migliaia di membri e la loro correttezza è binaria in un modo che le lettere latine non sono. Una «a» leggermente malformata si legge comunque come «a». Un 粤 malformato è semplicemente un carattere sbagliato. I laboratori occidentali sono migliorati, ma gli errori restano abbastanza comuni che chiunque faccia design in cinese ha imparato a comporre il testo dopo.
Che Tencent dichiari entrambe le lingue, a questo prezzo, è una promessa mirata a un mercato preciso: l'enorme settore cinese dell'e-commerce e del marketing, dove un poster di prodotto con il carattere sbagliato non è un reperto affascinante, è una consegna respinta. È anche il motivo per cui il volume di token è plausibile. Un modello che sistema la tipografia cinese toglie un intero passo di post-produzione a migliaia di pipeline.
Perché compare su un aggregatore occidentale
Qui c'è una storia strutturale che conta più di qualsiasi singolo modello.
Due anni fa, per usare un modello immagini cinese, si faceva così: trovavi la console del fornitore, imparavi il suo schema di autenticazione, accettavi che la latenza sarebbe stata peggiore da fuori regione e scrivevi un client su misura. Era abbastanza attrito per tenere fuori quasi tutti gli sviluppatori occidentali.
OpenRouter ha appiattito la cosa. Una chiave, uno schema, una fattura. Il risultato è che la qualità dei modelli ormai viaggia oltre i confini più o meno all'istante, e la classifica è diventata la vera arena competitiva. Tencent non ha bisogno di una campagna di developer relations a San Francisco se riesce a tenere il nono posto su una board che ogni fondatore controlla.
È la stessa dinamica che ha portato Seedream di ByteDance in quarta e quinta posizione sulla board immagini, e quattro diversi modelli video di ByteDance nella top ten dei video. La conversazione su «quale paese fa il modello migliore» è in gran parte finita; quello che resta è una griglia di prezzo e capacità che chiunque può ispezionare.
Che cosa è davvero ignoto
Diverse cose, e non sono piccole.
Il prezzo per token delle immagini è opaco. 1.60 dollari per milione di token non vi dice nulla finché non sapete quanti token costa un'immagine, il che dipende dalla risoluzione e, spesso, dalla contabilità interna del fornitore. Il confronto con «a partire da 0.018 dollari per immagine» di Seedream 5.0 Flash non è un confronto che potete fare dalla sola colonna del prezzo.
Preview significa preview. Il comportamento può cambiare, gli endpoint possono essere riprezzati, e il modello che avete benchmarkato a novembre potrebbe non essere quello che ricevete a gennaio.
Licenze e termini sui dati non si vedono dalla model card. Per chi fa lavoro commerciale con immagini di riferimento — che è l'intero caso d'uso delle venti referenze — è la domanda a cui serve una risposta prima della prova, non dopo.
Come lo testerei
Non con un prompt carino. Con la cosa in cui dichiara di essere bravo.
Prendete dodici foto di un oggetto da angolazioni diverse, mettetele in un'unica richiesta e chiedete quell'oggetto in una scena in cui non è mai stato. Poi ripetete con quattro referenze e guardate quanto peggiora. Il delta tra le due esecuzioni vi dice se venti input sono una capacità reale o un parametro gonfiato.
Secondo test: un poster con un titolo in cinese e un sottotitolo in latino, alla dimensione finale, ingrandito al 100%. Contate i caratteri sbagliati. È il test che decide se questo strumento appartiene a una pipeline di produzione o a una cartella di demo.
La classifica dice che la gente lo sta già facendo. Un nono posto su una board dove i primi tre sono Google e il quarto è ByteDance non è una posizione di marketing: sono molti sviluppatori che decidono, in silenzio, che la fascia di prezzo centrale vale la pena.
Articoli correlati
Un foglio di calcolo comunitario di tocchi che spegne la pubblicità negli Android cinesi
Non tocca il sistema, non sblocca niente, non flasha niente. Ribalta solo gli interruttori che i produttori hanno già previsto. Il prezzo è una lista che qualcuno deve continuare a scrivere.
GPT Image 2.6 ha tenuto il prezzo dei token e alzato la fattura
GPT Image 2.6 conserva ogni tariffa per token di 2.5 e costa comunque di più per immagine, perché buona parte del lavoro passa ora nei token di output. Undici giorni dopo il lancio, la struttura dei prezzi dice più della classifica.
Qualcuno ha ricostruito IDM dall'esterno e ha scritto cosa non ha toccato
Una reimplementazione in Rust di Internet Download Manager promette 5 volte la velocità e 86 lingue. Il documento più interessante è il paragrafo che spiega come è stata costruita senza copiare nulla.
Rune è un framework UI per Rust costruito perché un agente possa verificare il proprio lavoro
Rune renderizza headless, esporta il suo albero di elementi e accetta input scriptato, dando a un agente di coding un segnale diffabile che nessuno screenshot può offrire. Il framework è in pre-release e non accetta pull request.