Papan Peringkat Arena Edit Gambar AI 2026 — Peringkat Februari

Peringkat Lengkap

Tiga puluh empat model. Tujuh organisasi. Jutaan demi jutaan perbandingan komunitas. Saya telah menautkan setiap model sehingga Anda dapat mengujinya sendiri — karena tidak ada ulasan yang mengharuskan Anda untuk menerima begitu saja kata-kata orang lain.

Apa yang Berubah di Februari

Celah di puncak semakin menyusut. Saat terakhir kali saya menulis tentang papan peringkat ini di Januari, chatgpt-image-latest-high-fidelity (20251216) memegang keunggulan yang nyaman. Sekarang gemini-3-pro-image-preview-2k (nano-banana-pro) menempel ketat di belakangnya — selisih 13 poin di mana empat besar hanya terpisah 23 poin. Itu pada dasarnya seri jika Anda memperhitungkan variasi dalam pola pemungutan suara komunitas.

Empat nama muncul di papan peringkat ini yang tidak ada di Januari. hunyuan-image-3.0-instruct dari Tencent mendarat langsung di #6 — tanpa pemanasan, tanpa pendakian lambat, langsung masuk sepuluh besar. p-image-edit dari Pruna muncul di #22, kartu liar dari perusahaan yang dikenal dengan optimasi model daripada pembuatan model. Alibaba menambahkan wan2.6-image di #18 dan wan2.5-i2i-preview di #25, diam-diam memperluas jejak pengeditan gambar mereka menjadi total empat model. Black Forest Labs sekarang secara eksplisit membagi lini Klein mereka menjadi flux-2-klein-9b (#15) dan flux-2-klein-4b (#24), membuat pertukaran jumlah parameter menjadi transparan.

Tapi berita utama bulan Februari bukanlah tentang siapa yang naik atau turun beberapa posisi. Ini tentang model yang tidak bisa berhenti saya gunakan.

nano-banana-pro: Yang Diandalkan Praktisi

Saya ingin jujur kepada Anda dengan cara yang tidak bisa dilakukan oleh angka papan peringkat. Arena mengatakan chatgpt-image-latest-high-fidelity (20251216) adalah #1. Riwayat pengeditan saya mengatakan sesuatu yang berbeda. Selama tiga minggu terakhir saya tidak menjalankan apa pun selain gemini-3-pro-image-preview-2k (nano-banana-pro) untuk pekerjaan klien saya — setiap penggantian latar belakang, setiap penilaian ulang warna, setiap penghapusan objek, setiap perbaikan pencahayaan. Apa yang terjadi sederhana: Saya berhenti meraih yang lain.

Saya telah mengamati komunitas dengan cermat. Server Discord, utas Reddit, tangkapan layar alur kerja nyata yang dibagikan orang di X. Ketika praktisi memposting perbandingan pengeditan sebelum dan sesudah mereka, model yang terus muncul bukanlah ChatGPT. Itu nano-banana-pro. Bukan karena memenangkan suara preferensi abstrak, tetapi karena orang-orang mengirimkan pekerjaan nyata dengannya.

Inilah kemampuan yang meyakinkan saya. Saya memberinya instruksi empat bagian: "Hapus mobil yang diparkir dari jalan masuk, perluas taman untuk mengisi ruang, cocokkan pencahayaan sore pada rumput baru, dan tambahkan sedikit suar lensa dari posisi matahari." Empat permintaan berlapis dalam satu kali jalan. nano-banana-pro berhasil melakukan keempatnya. Taman yang direkonstruksi memiliki arah bayangan yang tepat. Suar lensa berada pada sudut yang benar relatif terhadap sumber cahaya. Saya telah mencoba perintah persis ini pada setiap model lima besar. Sebagian besar menangani dua instruksi sebelum koherensi mulai rusak. ChatGPT menangani tiga pada hari yang baik. nano-banana-pro menangani empat tanpa berkedip.

Varian 2K — gemini-3-pro-image-preview-2k (nano-banana-pro), saat ini di #2 — menangani pengeditan resolusi tinggi dengan ketenangan yang belum pernah saya lihat di tempat lain. Pada 2K, banyak model memperkenalkan artefak dering di sekitar tepi tajam atau kehilangan detail halus dalam pola berulang seperti kain tenun, dinding bata, atau kanopi pohon. nano-banana-pro memeliharanya. Saudara resolusi standar di #3 telah mengumpulkan lebih dari setengah juta evaluasi komunitas — volume seperti itu memberi tahu Anda bahwa orang mencobanya sekali dan tetap bertahan.

Apa yang saya sebut "kecerdasan pengeditan kontekstual" adalah di mana model ini benar-benar memimpin lapangan. Ia tidak hanya mengeksekusi perubahan tingkat piksel — ia menangkap hubungan semantik antara elemen-elemen dalam sebuah adegan. Hapus seseorang dari foto grup, dan ia merekonstruksi jarak sosial secara alami, menyesuaikan bahasa tubuh subjek yang berdekatan daripada hanya mengecat tambalan datar. Ubah pemandangan dari musim panas ke musim gugur, dan ia memodifikasi tidak hanya dedaunan tetapi sudut bayangan, suhu cahaya sekitar, dan cara permukaan memantulkan cahaya yang tersebar. Ini bukan trik rekayasa perintah. Ini adalah model yang telah menginternalisasi bagaimana dunia fisik terlihat.

Saya berharap nano-banana-pro akan mengambil alih posisi #1 ChatGPT dalam siklus peringkat berikutnya. Lintasannya ada di sana. Google mengulang pada arsitektur nano-banana lebih cepat daripada OpenAI mengulang pada mode fidelitas tinggi, dan keunggulan praktis dalam pengeditan multi-langkah memberinya momentum yang sulit ditangkap oleh tolok ukur pengeditan tunggal.

Presisi Bedah OpenAI

Saya ingin adil kepada OpenAI, karena mereka pantas mendapatkan pujian atas keunggulan teknik yang tulus. chatgpt-image-latest-high-fidelity (20251216) di #1 ada karena suatu alasan. Penunjukan "fidelitas tinggi" baru sejak ulasan terakhir saya, dan penyempurnaan jalur pipa output terlihat. Di mana ChatGPT unggul adalah pengeditan terisolasi dan bedah. "Ubah hanya warna mata menjadi hijau" — ia melakukan ini dengan nol rembesan ke nada kulit di sekitarnya. "Ganti teks pada tanda tanpa mengubah pelapukan tanda" — ia mempertahankan tekstur permukaan sambil menukar konten. Spesifisitas itu benar-benar tak tertandingi.

OpenAI menurunkan empat model di 31 besar: chatgpt-image-latest-high-fidelity di #1, gpt-image-1.5-high-fidelity di #4, gpt-image-1 di #29, dan gpt-image-1-mini di #31. Kesenjangan antara yang terbaik dan tingkat anggaran mereka signifikan — 285 poin — yang menunjukkan OpenAI telah memusatkan investasi pengeditannya di puncak daripada membangun jajaran yang luas. Jika Anda menggunakan OpenAI untuk pengeditan gambar, Anda membayar untuk unggulan atau Anda menetap.

Wajah-Wajah Baru

hunyuan-image-3.0-instruct dari Tencent adalah kejutan terbesar yang tidak dibicarakan siapa pun. #6 saat kedatangan. Itu bukan pendakian lambat — itu adalah model yang muncul siap. Tencent telah mendominasi AI berbahasa Mandarin selama bertahun-tahun, tetapi ini adalah penampilan serius pertama Hunyuan di tolok ukur pengeditan gambar global. Penunjukan "instruct" penting: ini adalah model yang secara arsitektural disetel untuk perintah pengeditan daripada pembuatan. Dalam pengujian saya, ia menangani perintah bilingual — Inggris dan Mandarin — dengan kefasihan asli di keduanya, yang membuka alur kerja nyata bagi tim yang beroperasi lintas bahasa.

Bytedance terus menurunkan daftar terluas. Lima model membentang dari seedream-4.5 (#5) hingga seededit-3.0 (#30). seedream-4.5 tetap menjadi permata mahkota mereka untuk transformasi artistik — katakan padanya "buat potret ini terlihat seperti Rembrandt" dan ia tidak hanya menghangatkan warna; ia mensimulasikan sapuan kuas, pencahayaan chiaroscuro, dan tekstur kanvas. seedream-4-2k di #8 menangani pekerjaan resolusi tinggi, sementara seedream-4-fal (#20) dan seedream-4-high-res-fal (#13) mencakup jalur inferensi yang lebih cepat. Bytedance tidak membangun satu juara — mereka membangun perangkat lengkap.

Alibaba diam-diam memperluas menjadi empat model. qwen-image-edit di #16 telah mengumpulkan lebih dari 1,7 juta evaluasi komunitas — adopsi organik besar-besaran. qwen-image-edit-2511 yang lebih baru di #14 mendaki dengan cepat. Dan dua model Wan — wan2.6-image (#18) dan wan2.5-i2i-preview (#25) — menandakan bahwa Alibaba berinvestasi serius dalam transformasi gambar-ke-gambar sebagai kategori produknya sendiri.

Reve memegang tiga posisi di 23 besar. reve-v1.1 di #10 dan reve-v1 di #12 adalah editor kelas menengah yang kompeten, dan reve-edit-fast (#23) menawarkan alternatif yang dioptimalkan kecepatannya. p-image-edit dari Pruna di #22 layak ditonton — Pruna berspesialisasi dalam kompresi dan optimasi model, jadi ini kemungkinan pendekatan sulingan yang meninju di atas bobot parameternya. Dan di #34, step1x-edit dari StepFun menambatkan daftar sebagai garis dasar open-source yang menjaga ekosistem tetap jujur.

Keunggulan Open-Source

Bagi kita yang membangun produk di atas model-model ini, ada dimensi yang tidak ditangkap oleh papan peringkat: kemandirian. Black Forest Labs sekarang memegang sembilan posisi — lebih banyak daripada organisasi lain mana pun. Dari flux-2-max di #9 turun melalui flux-1-kontext-dev di #28, ini adalah spektrum lengkap pertukaran kualitas-kecepatan yang dapat Anda jalankan di infrastruktur Anda sendiri.

Lini Klein menceritakan kisah teknik yang menarik. flux-2-klein-9b (#15) dan flux-2-klein-4b (#24) — namanya mengungkapkan jumlah parameter. Sembilan miliar dan empat miliar masing-masing. BFL secara sistematis membuat pengeditan gambar yang mumpuni dapat diakses oleh perangkat keras yang lebih kecil. flux-2-klein-4b dapat berjalan pada GPU konsumen dengan VRAM 8GB. Itu sangat penting bagi pengembang yang tidak dapat membenarkan biaya API dalam skala besar atau yang membutuhkan kemampuan pengeditan offline. Keluarga Kontext — flux-1-kontext-max (#26), flux-1-kontext-pro (#27), flux-1-kontext-dev (#28) — menghadirkan pengeditan sadar konteks ke lingkungan yang dihosting sendiri, dengan flux-1-kontext-pro saja telah mengumpulkan lebih dari 6,4 juta evaluasi komunitas.

Ke Mana Semua Ini Mengarah

Setelah tiga bulan tenggelam dalam ruang ini, menatap pergeseran papan peringkat dan mendorong model hingga gagal, saya melihat empat hal menyatu.

nano-banana-pro kemungkinan akan mengklaim #1 pada pertengahan tahun. Kecepatan iterasi Google pada arsitektur nano-banana tidak henti-hentinya. Varian 2K sudah berada dalam jarak serang, dan keunggulan pengeditan multi-langkah menciptakan roda gila: praktisi yang mengadopsinya menghasilkan hasil yang lebih baik, membagikan hasil tersebut, dan menarik lebih banyak praktisi. OpenAI perlu mengirimkan sesuatu yang pada dasarnya baru — bukan penyempurnaan bertahap — untuk mempertahankan posisi teratas.

Model pengeditan yang disetel instruksi akan menjadi paradigma standar. Kedatangan hunyuan-image-3.0-instruct dari Tencent di #6 mengkonfirmasi apa yang sudah disarankan oleh arsitektur nano-banana: masa depan pengeditan gambar adalah model yang dibangun khusus untuk perintah pengeditan, bukan model pembuatan yang digunakan kembali untuk pengeditan. Berharap OpenAI dan BFL merilis varian khusus instruksi sebelum musim panas.

Model di bawah 4B akan menjadi benar-benar kompetitif. flux-2-klein-4b sudah menunjukkan bahwa model empat miliar parameter dapat menghasilkan pengeditan yang bersaing di arena yang sama dengan model sepuluh kali ukurannya. Pada pertengahan 2026 saya berharap melihat model pengeditan 2-3B yang berjalan di ponsel. Ketika itu terjadi, seluruh ekonomi pengeditan gambar berubah — dari panggilan API cloud ke inferensi di perangkat.

Pengeditan gambar dan pengeditan video akan bergabung. Model yang menangani konsistensi temporal dalam pengeditan gambar — mempertahankan pencahayaan yang benar secara fisik saat Anda memindahkan objek, menjaga koherensi bayangan saat Anda mengubah latar belakang — sedang membangun fondasi yang tepat yang dibutuhkan untuk pengeditan video bingkai demi bingkai. Organisasi dengan posisi pengeditan gambar yang kuat hari ini adalah mereka yang akan mendominasi pengeditan video besok. Awasi Google dan Bytedance khususnya.

Rekomendasi Saya

Setelah menjalankan model-model ini melalui alur kerja nyata — bukan perintah tolok ukur, hasil kerja klien nyata — inilah ke mana saya akan mengarahkan Anda tergantung pada apa yang sebenarnya Anda butuhkan.