AI pilditöötluse areeni edetabel 2026 — veebruari pingeread

Täielik edetabel

Kolmkümmend neli mudelit. Seitse organisatsiooni. Miljonid ja miljonid kogukonna võrdlused. Olen lisanud lingid igale mudelile, et saaksite neid ise testida — sest ükski ülevaade ei tohiks nõuda, et usuksite kellegi sõna.

Mis muutus veebruaris

Vahe tipus kahaneb. Kui ma jaanuaris viimati sellest edetabelist kirjutasin, hoidis chatgpt-image-latest-high-fidelity (20251216) mugavat edumaad. Nüüd hingab gemini-3-pro-image-preview-2k (nano-banana-pro) talle kuklasse — vahe on 13 punkti väljal, kus esinelik on vaid 23 punkti sees. See on sisuliselt viik, kui arvestada kogukonna hääletusmustrite varieeruvust.

Sellesse edetabelisse ilmus neli nime, keda jaanuaris polnud. Tencenti hunyuan-image-3.0-instruct maandus otse 6. kohale — ilma soojenduseta, ilma aeglase tõusuta, otse esikümnesse. Pruna p-image-edit ilmus kohale 22, metamärk ettevõttelt, mis on tuntud pigem mudelite optimeerimise kui ehitamise poolest. Alibaba lisas wan2.6-image kohale 18 ja wan2.5-i2i-preview kohale 25, laiendades vaikselt oma pilditöötluse jalajälge neljale mudelile. Black Forest Labs jagab nüüd oma Kleini liini selgelt flux-2-klein-9b (#15) ja flux-2-klein-4b (#24) mudeliteks, tehes parameetrite arvu kompromissi läbipaistvaks.

Kuid veebruari pealkiri ei seisne selles, kes võitis või kaotas paar kohta. See räägib mudelist, mille kasutamist ma ei suutnud lõpetada.

nano-banana-pro: See, mida praktikud kasutavad

Ma tahan olla teiega aus viisil, mida edetabeli numbrid ei võimalda. Areen ütleb, et chatgpt-image-latest-high-fidelity (20251216) on nr 1. Minu toimetamise ajalugu räägib midagi muud. Viimase kolme nädala jooksul ei kasutanud ma oma klienditöödes midagi muud kui gemini-3-pro-image-preview-2k (nano-banana-pro) — iga taustavahetus, iga värvikorrektsioon, iga objekti eemaldamine, iga valgustuse parandus. Juhtus midagi lihtsat: ma lakkasin haaramast millegi muu järele.

Olen kogukonda tähelepanelikult jälginud. Discordi serverid, Redditi lõimed, reaalsed töövoo ekraanipildid, mida inimesed X-is jagavad. Kui praktikud postitavad oma enne-ja-pärast töötluse võrdlusi, ei ole mudel, mis pidevalt esile kerkib, ChatGPT. See on nano-banana-pro. Mitte sellepärast, et see võidaks mingi abstraktse eelistushääletuse, vaid sellepärast, et inimesed teevad sellega päris tööd.

Siin on võimekus, mis mind veenis. Andsin talle neljaosalise juhise: "Eemalda pargitud auto sissesõiduteelt, laienda aeda, et see täidaks ruumi, sobita pärastlõunane valgus uue muruga ja lisa päikese asukohast peen läätsehelk." Neli kihilist nõuet ühe käiguga. nano-banana-pro sai kõigi neljaga hakkama. Rekonstrueeritud aial oli õige varju suund. Läätsehelk asus valgusallika suhtes õige nurga all. Olen proovinud seda täpset viipa iga esiviisiku mudeliga. Enamikul kaob sidusus pärast kahte juhist. ChatGPT saab heal päeval hakkama kolmega. nano-banana-pro sai neljaga hakkama silmagi pilgutamata.

2K variant — gemini-3-pro-image-preview-2k (nano-banana-pro), praegu 2. kohal — käsitleb kõrge resolutsiooniga töötlust rahuga, mida ma pole mujal näinud. 2K juures tekitavad paljud mudelid teravate servade ümber helinaartefakte või kaotavad peeneid detaile korduvates mustrites nagu kootud kangas, tellisseinad või puuvõrad. nano-banana-pro säilitab need. Standardresolutsiooniga sõsar mudel kohal nr 3 on kogunud üle poole miljoni kogukonna hinnangu — selline maht räägib sellest, et inimesed proovivad seda korra ja jäävad kasutama.

See, mida ma nimetan "kontekstuaalseks toimetamise intelligentsuseks", on koht, kus see mudel tõeliselt välja paistab. See ei teosta lihtsalt pikslitaseme muudatusi — see mõistab stseeni elementide vahelist semantilist suhet. Eemaldage inimene grupifotolt ja see rekonstrueerib sotsiaalse vahekauguse loomulikult, kohandades külgnevate subjektide kehakeelt, selle asemel et lihtsalt lamedat laiku sisse maalida. Muutke stseen suvest sügiseseks ja see ei muuda mitte ainult lehestikku, vaid ka varju nurki, ümbritseva valguse temperatuuri ja seda, kuidas pinnad hajutatud valgust peegeldavad. See pole viibatehnika trikk. See on mudel, mis on sisestanud, kuidas füüsiline maailm välja näeb.

Ma eeldan, et nano-banana-pro möödub ChatGPT esikohast järgmise pingereatsükli jooksul. Trajektoor on olemas. Google itereerib nano-banana arhitektuuri kiiremini kui OpenAI itereerib kõrge täpsusega režiimi, ja praktilised eelised mitmeastmelises toimetamises annavad sellele hoo, mida ühe toimetamise võrdlusuuringud vaevu suudavad tabada.

OpenAI kirurgiline täpsus

Ma tahan olla OpenAI suhtes õiglane, sest nad väärivad tunnustust tõelise inseneritöö tipptaseme eest. chatgpt-image-latest-high-fidelity (20251216) on seal nr 1 kohal põhjusega. "Kõrge täpsusega" tähistus on uus alates minu viimasest ülevaatest ja väljunditoru täiustused on nähtavad. Kus ChatGPT särab, on isoleeritud, kirurgilised muudatused. "Muuda ainult silmavärv roheliseks" — see teeb seda ilma ümbritsevasse nahatooni lekkimata. "Asenda tekst sildil ilma sildi kulumist muutmata" — see säilitab pinna tekstuuri sisu vahetades. See spetsiifilisus on tõeliselt võrreldamatu.

OpenAI-l on top 31 seas neli mudelit: chatgpt-image-latest-high-fidelity kohal nr 1, gpt-image-1.5-high-fidelity kohal nr 4, gpt-image-1 kohal nr 29 ja gpt-image-1-mini kohal nr 31. Vahe nende parima ja eelarveklassi vahel on märkimisväärne — 285 punkti —, mis viitab sellele, et OpenAI on koondanud oma pilditöötlusinvesteeringud tippu, selle asemel et luua laia valikut. Kui kasutate OpenAI-d pilditöötluseks, maksate kas lipulaeva eest või lepide vähemaga.

Uued näod

hunyuan-image-3.0-instruct Tencentilt on suurim üllatus, millest keegi ei räägi. Nr 6 saabumisel. See ei ole aeglane tõus — see on mudel, mis ilmus kohale valmisolekus. Tencent on aastaid domineerinud hiinakeelset AI-d, kuid see on Hunyuani esimene tõsine ilmumine globaalsel pilditöötluse võrdlusalusel. "Instruct" tähistus on oluline: see on mudel, mis on arhitektuuriliselt häälestatud redigeerimiskäskudele, mitte genereerimisele. Minu testimisel käsitleb see kakskeelseid viipasid — inglise ja hiina keeles — loomuliku sujuvusega, mis avab tõelised töövood meeskondadele, kes tegutsevad mitmes keeles.

Bytedance jätkab kõige laiema nimekirjaga. Viis mudelit ulatuvad seedream-4.5-st (#5) kuni seededit-3.0-ni (#30). seedream-4.5 jääb nende kroonijuveeliks kunstilise transformatsiooni osas — ütle talle "tee see portree Rembrandti sarnaseks" ja see ei soojenda lihtsalt värve; see simuleerib pintslitõmbeid, chiaroscuro valgustust ja lõuendi tekstuuri. seedream-4-2k kohal nr 8 tegeleb kõrge resolutsiooniga tööga, samas kui seedream-4-fal (#20) ja seedream-4-high-res-fal (#13) katavad kiiremaid järeldusradasid. Bytedance ei ehita ühte tšempionit — nad ehitavad täielikku tööriistakomplekti.

Alibaba laiendas vaikselt neljale mudelile. qwen-image-edit kohal nr 16 on kogunud üle 1,7 miljoni kogukonna hinnangu — massiivne orgaaniline vastuvõtt. Uuem qwen-image-edit-2511 kohal nr 14 tõuseb kiiresti. Ja kaks Wan mudelit — wan2.6-image (#18) ja wan2.5-i2i-preview (#25) — annavad märku, et Alibaba investeerib tõsiselt pildist-pildiks transformatsiooni kui omaette tootekategooriasse.

Reve hoiab kolme kohta top 23 seas. reve-v1.1 (#10) ja reve-v1 (#12) on pädevad keskklassi toimetajad ning reve-edit-fast (#23) pakub kiirusele optimeeritud alternatiivi. p-image-edit Prunalt kohal nr 22 on vaatamist väärt — Pruna on spetsialiseerunud mudelite pakkimisele ja optimeerimisele, nii et see on tõenäoliselt destilleeritud lähenemine, mis lööb üle oma parameetrite kaalu. Ja kohal nr 34 ankurrab step1x-edit StepFunilt nimekirja avatud lähtekoodiga baasjoonena, mis hoiab ökosüsteemi ausana.

Avatud lähtekoodi eelis

Meile, kes me ehitame tooteid nende mudelite peale, on mõõde, mida edetabel ei kajasta: sõltumatus. Black Forest Labs hoiab nüüd üheksat kohta — rohkem kui ükski teine organisatsioon. Alates flux-2-max-ist kohal nr 9 kuni flux-1-kontext-dev-ini kohal nr 28, see on täielik kvaliteedi-kiiruse kompromisside spekter, mida saate jooksutada oma infrastruktuuris.

Kleini liin räägib huvitavat insenerilugu. flux-2-klein-9b (#15) ja flux-2-klein-4b (#24) — nimed paljastavad parameetrite arvu. Üheksa miljardit ja neli miljardit vastavalt. BFL teeb võimeka pilditöötluse süstemaatiliselt kättesaadavaks väiksemale riistvarale. flux-2-klein-4b saab töötada tarbija GPU-l, millel on 8 GB VRAM. See on tohutult oluline arendajatele, kes ei saa õigustada API kulusid skaalal või kes vajavad võrguühenduseta redigeerimisvõimalust. Kontexti perekond — flux-1-kontext-max (#26), flux-1-kontext-pro (#27), flux-1-kontext-dev (#28) — toob kontekstiteadliku toimetamise isehostitavatesse keskkondadesse, kus ainuüksi flux-1-kontext-pro on kogunud üle 6,4 miljoni kogukonna hinnangu.

Kuhu see kõik liigub

Pärast kolme kuud selles ruumis sukeldumist, edetabeli nihkeid vahtides ja mudeleid tõrkeni surudes, näen nelja asja koonduvat.

nano-banana-pro võtab tõenäoliselt aasta keskpaigaks esikoha. Google'i iteratsioonikiirus nano-banana arhitektuuril on olnud järeleandmatu. 2K variant on juba löögiulatuses ja mitmeastmelise toimetamise eelis loob hooratta: praktikud, kes selle kasutusele võtavad, toodavad paremaid tulemusi, jagavad neid tulemusi ja meelitavad ligi rohkem praktikuid. OpenAI peab välja tulema millegi põhimõtteliselt uuega — mitte järkjärgulise täiustamisega —, et hoida esikohta.

Juhistele orienteeritud töötlusmudelid saavad standardseks paradigmaks. Tencenti hunyuan-image-3.0-instruct saabumine kohale nr 6 kinnitab seda, mida nano-banana arhitektuur juba vihjas: pilditöötluse tulevik on mudelid, mis on loodud spetsiaalselt redigeerimiskäskude jaoks, mitte redigeerimiseks kohandatud genereerimismudelid. Eeldan, et OpenAI ja BFL lasevad enne suve välja spetsiaalsed instruct-variandid.

Alla 4B mudelid muutuvad tõeliselt konkurentsivõimeliseks. flux-2-klein-4b näitab juba, et nelja miljardi parameetriga mudel suudab toota töötlusi, mis konkureerivad samal areenil kümme korda suuremate mudelitega. 2026. aasta keskpaigaks eeldan, et näeme 2-3B redigeerimismudeleid, mis töötavad telefonides. Kui see juhtub, muutub kogu pilditöötluse ökonoomika — alates pilve API kõnedest kuni seadmesisese järelduseni.

Pilditöötlus ja videotöötlus sulanduvad. Mudelid, mis tegelevad pilditöötluses ajalise järjepidevusega — säilitades füüsikaliselt õige valgustuse objekti liigutamisel, säilitades varju sidususe tausta muutmisel — ehitavad täpselt seda vundamenti, mida on vaja kaaderhaaval videotöötluseks. Organisatsioonid, kellel on täna tugevad pilditöötluse positsioonid, on need, kes domineerivad homme videotöötlust. Jälgige eriti Google'it ja Bytedance'i.

Minu soovitused

Pärast nende mudelite kasutamist reaalsetes töövoogudes — mitte võrdlusviipades, vaid reaalsetes klienditulemites — siin on see, kuhu ma teid suunaksin sõltuvalt sellest, mida tegelikult vajate.