腾讯挤进 OpenRouter 图像前十:20 张参考图、4K 输出

在 OpenRouter 图像榜上往下翻,会碰到一个不按规律来的名字。在 Google 第三代和第四代 Nano Banana 之间,夹着腾讯的 Hy Image 3.5 Preview,一周处理 15.9 亿 tokens。
这是第九。对一个 10 月 5 日发布、几乎没有英文报道、这行里多数人在厂商地图上都指不出它家的模型来说,不算差。
榜单数据值得细看,因为很容易看反。OpenRouter 的图像榜按 token 排序,跟用量相关,跟质量不相关。Nano Banana 2 以 57.6 亿排第一,因为它是十万个应用伸手就抓的默认值。Hy Image 的 15.9 亿,是因为有足够多做流水线的人特意选了它——在一个并非最便宜的价格上。
每百万 token 1.60 美元,正好卡在 Google Flash 档的 0.50 和 OpenAI GPT Image 2.5 的 8 美元之间。这是个尴尬的中间,而模型不会碰巧待在中间。它待在中间,是因为做了便宜档做不到的事。
它宣称什么
模型卡描述的是一个统一图像模型——文生图、图生图、多轮编辑共用一个端点。值得划线的部分:
单次请求最多 20 张参考图。 这是最扎眼的数字。多数图像 API 收 1 到 4 张参考,还央求你别再要了。20 不是增量改进,是另一个类别的任务。产品目录。角色设定集。一个品牌整套视觉系统,一次调用交过去。
输出最高 4K。 2026 年这一档的标配,但配这个价格值得确认一下。
中英文文字渲染。 模型有意思的地方在这,稍后回来说。
基于 80B 的混合专家 Hy Image 3.0 底座。 按它竞争的那些 Flash 档模型的标准,这是个大盘子。这解释了价格,如果宣称成立,也解释了主体一致性。

20 张参考这件事,放进实际里
想一想给图像模型喂很多参考时会坏在哪。通常模型会把它们平均掉。给它同一件夹克的五张照片,你得到一件夹克形状的模糊物,领子来自这张,扣子来自那张。一个系列里的主体一致性是真难的问题,而且难在结构上:模型得在多个独立的条件信号之间追踪同一个身份,而不是把它们并成一种风格。
20 张这个数字,暗示腾讯是在架构层解决,不是在提示词层。模型卡的措辞——「在编辑中的主体一致性、提示词忠实度上尤其强」——正是实验室手里有一个显示差距的内部 benchmark 时会用的语言。
这个差距能不能扛过独立测试,是另一回事。Hy Image 3.5 目前没有我信得过的第三方评测。手上是一个基于用量的榜单位置、一份模型卡的宣称,以及这是个 preview 版本——那是留的余地,不是承诺。
文字渲染这条线
生成图里的拉丁字体排版,2025 年某个时候就变成了入场券。现在每个认真的模型基本都能渲出一块看得清的招牌。中文是另一个问题,而且已经十年了。
CJK 字形密、有几千个成员、对错是二值的,而拉丁字母不是。一个稍微变形的「a」还是「a」。一个变形的「粤」就是一个错字。西方实验室在这上面有进步,但失败仍然够常见,做中文设计的人早就学会事后自己把字贴上去。
腾讯在这个价格上同时宣称两种语言,是瞄准一个具体市场:巨大的中国电商和营销行业。在那里,一张海报里错一个字,不是可爱的瑕疵,是被打回的交付物。token 用量也才说得通。一个能修好中文排版的模型,从几千条生产流水线里拿掉了一整个后处理步骤。
它凭什么出现在一个西方聚合器上
这里有个比任何单个模型都重要的结构性故事。
两年前,用中国图像模型的流程是:找到厂商的控制台,学它的鉴权方式,接受从区域外访问延迟更差,再写一个定制客户端。这套摩擦足以把多数西方开发者挡在外面。
OpenRouter 把它抹平了。一个 key、一个 schema、一张账单。结果是模型质量现在几乎即时地跨境流动——榜单成了真正的竞技场。腾讯不需要在旧金山做开发者关系,只要在每个创始人都看的榜上守住第九。
同一个逻辑把字节的 Seedream 放到了图像榜第四和第五,把四个字节视频模型放进视频前十。「哪个国家做的模型最好」这个话题基本结束了;剩下的是一个谁都能查的价格与能力网格。
真正未知的
几件事,而且都不小。
图像按 token 计价是不透明的。 每百万 token 1.60 美元什么也说明不了,直到你知道一张图花多少 token,而那取决于分辨率,还常常取决于厂商内部的记账方式。拿它和 Seedream 5.0 Flash 的「每张 0.018 美元起」比,不是从价格栏就能做出的比较。
Preview 就是 preview。 行为会变,端点会调价,你十一月跑过 benchmark 的模型,一月拿到的可能不是同一个。
许可与数据条款在模型卡上看不到。对任何拿参考图做商用的人——而那正是 20 张输入的全部用例——这个问题需要在试用前有答案,不是试用后。
我会怎么测
不用漂亮的提示词。用它宣称擅长的那个东西。
拿同一个物体的十二张不同角度照片,放进一次请求,让它把物体放进一个它没去过的场景。然后用四张参考重跑一遍,看差多少。两次之间的差值,告诉你 20 张输入是真能力,还是被填满的参数。
第二个测试:一张有中文主标题和拉丁副标题的海报,按最终尺寸,放大到 100%。数错字。这个测试决定它进生产流水线还是进演示文件夹。
榜单说人们已经在这么做。在一个前三名都是 Google、第四是字节的榜上拿第九,不是营销位——那是很多开发者悄悄决定,中间那档价格值得。