Classifica Image Edit Arena 2026 — Aggiornamento di Febbraio

La Classifica Completa

Trentaquattro modelli. Sette organizzazioni. Milioni e milioni di confronti della community. Ho linkato ogni modello così potete testarli voi stessi — perché nessuna recensione dovrebbe chiedervi di fidarvi solo della parola di qualcuno.

Cosa è Cambiato a Febbraio

Il divario in cima si sta riducendo. Quando ho scritto l'ultima volta di questa classifica a Gennaio, chatgpt-image-latest-high-fidelity (20251216) manteneva un comodo vantaggio. Ora gemini-3-pro-image-preview-2k (nano-banana-pro) gli sta col fiato sul collo — 13 punti di distacco in un campo dove i primi quattro sono separati da soli 23. È essenzialmente un pareggio tecnico una volta considerata la varianza nei modelli di voto della community.

In questa classifica sono apparsi quattro nomi che non c'erano a Gennaio. hunyuan-image-3.0-instruct di Tencent è atterrato direttamente al 6° posto — niente riscaldamento, nessuna scalata lenta, dritto nella top ten. p-image-edit di Pruna è apparso al 22° posto, una wild card da un'azienda nota per l'ottimizzazione dei modelli piuttosto che per la loro costruzione. Alibaba ha aggiunto wan2.6-image al 18° e wan2.5-i2i-preview al 25°, espandendo silenziosamente la sua impronta nell'editing di immagini a quattro modelli totali. Black Forest Labs ora divide esplicitamente la sua linea Klein in flux-2-klein-9b (15°) e flux-2-klein-4b (24°), rendendo trasparente il compromesso sul conteggio dei parametri.

Ma la notizia di Febbraio non riguarda chi ha guadagnato o perso qualche posizione. Riguarda un modello che non riuscivo a smettere di usare.

nano-banana-pro: La Scelta dei Professionisti

Voglio essere onesto con voi in un modo che i numeri della classifica non possono essere. L'arena dice che chatgpt-image-latest-high-fidelity (20251216) è il numero 1. La mia cronologia di editing dice qualcosa di diverso. Nelle ultime tre settimane non ho usato altro che gemini-3-pro-image-preview-2k (nano-banana-pro) per il mio lavoro con i clienti — ogni sostituzione di sfondo, ogni correzione colore, ogni rimozione di oggetto, ogni fix di illuminazione. Quello che è successo è semplice: ho smesso di cercare altro.

Ho osservato attentamente la community. I server Discord, i thread su Reddit, gli screenshot dei flussi di lavoro reali che le persone condividono su X. Quando i professionisti pubblicano i loro confronti prima-e-dopo, il modello che continua ad emergere non è ChatGPT. È nano-banana-pro. Non perché vinca qualche voto di preferenza astratto, ma perché le persone ci stanno consegnando lavoro reale.

Ecco la capacità che mi ha convinto. Gli ho dato un'istruzione in quattro parti: "Rimuovi l'auto parcheggiata nel vialetto, estendi il giardino per riempire lo spazio, abbina l'illuminazione pomeridiana sulla nuova erba e aggiungi un sottile riflesso della lente dalla posizione del sole." Quattro richieste stratificate in un solo passaggio. nano-banana-pro le ha azzeccate tutte e quattro. Il giardino ricostruito aveva la giusta direzione dell'ombra. Il riflesso della lente era all'angolazione corretta rispetto alla fonte di luce. Ho provato questo esatto prompt su ogni modello della top five. La maggior parte gestisce due istruzioni prima che la coerenza inizi a rompersi. ChatGPT ne gestisce tre in una buona giornata. nano-banana-pro ne ha gestite quattro senza battere ciglio.

La variante 2K — gemini-3-pro-image-preview-2k (nano-banana-pro), attualmente al 2° posto — gestisce l'editing ad alta risoluzione con una compostezza che non ho visto altrove. A 2K, molti modelli introducono artefatti di ringing attorno ai bordi netti o perdono dettagli fini in pattern ripetitivi come tessuto, muri di mattoni o chiome degli alberi. nano-banana-pro li preserva. Il fratello a risoluzione standard al 3° posto ha accumulato oltre mezzo milione di valutazioni della community — quel tipo di volume ti dice che le persone lo provano una volta e restano.

Quella che chiamo "intelligenza di editing contestuale" è dove questo modello guida genuinamente il campo. Non esegue solo modifiche a livello di pixel — afferra la relazione semantica tra gli elementi in una scena. Rimuovi una persona da una foto di gruppo, e ricostruisce la spaziatura sociale in modo naturale, regolando il linguaggio del corpo dei soggetti adiacenti invece di dipingere semplicemente una toppa piatta. Cambia una scena da estate ad autunno, e modifica non solo il fogliame ma gli angoli d'ombra, la temperatura della luce ambientale e il modo in cui le superfici riflettono la luce diffusa. Questi non sono trucchi di prompt engineering. Questo è un modello che ha interiorizzato l'aspetto del mondo fisico.

Mi aspetto che nano-banana-pro superi la posizione n. 1 di ChatGPT entro il prossimo ciclo di classifica. La traiettoria c'è. Google sta iterando sull'architettura nano-banana più velocemente di quanto OpenAI stia iterando sulla modalità ad alta fedeltà, e i vantaggi pratici nell'editing multi-step gli danno uno slancio che i benchmark a modifica singola faticano a catturare.

La Precisione Chirurgica di OpenAI

Voglio essere onesto con OpenAI, perché meritano credito per una genuina eccellenza ingegneristica. chatgpt-image-latest-high-fidelity (20251216) al 1° posto è lì per una ragione. La designazione "high-fidelity" è nuova dalla mia ultima recensione, e i miglioramenti nella pipeline di output sono visibili. Dove ChatGPT eccelle è nelle modifiche isolate e chirurgiche. "Cambia solo il colore degli occhi in verde" — lo fa con zero sbavature sui toni della pelle circostanti. "Sostituisci il testo sul cartello senza alterare l'invecchiamento del cartello" — preserva la texture della superficie mentre scambia il contenuto. Quella specificità è genuinamente impareggiabile.

OpenAI schiera quattro modelli nella top 31: chatgpt-image-latest-high-fidelity al 1°, gpt-image-1.5-high-fidelity al 4°, gpt-image-1 al 29°, e gpt-image-1-mini al 31°. Il divario tra il loro meglio e il livello budget è significativo — 285 punti — il che suggerisce che OpenAI ha concentrato il suo investimento nell'editing al vertice piuttosto che costruire una linea ampia. Se stai usando OpenAI per l'editing di immagini, stai pagando per l'ammiraglia o ti stai accontentando.

I Nuovi Volti

hunyuan-image-3.0-instruct di Tencent è la più grande sorpresa di cui nessuno sta parlando. 6° all'arrivo. Non è una scalata lenta — è un modello che si è presentato pronto. Tencent ha dominato l'IA in lingua cinese per anni, ma questa è la prima apparizione seria di Hunyuan in un benchmark globale di editing di immagini. La designazione "instruct" conta: questo è un modello architettonicamente sintonizzato per i comandi di editing piuttosto che per la generazione. Nei miei test gestisce prompt bilingui — inglese e cinese — con fluidità nativa in entrambi, il che apre veri flussi di lavoro per team che operano attraverso le lingue.

Bytedance continua a schierare la rosa più ampia. Cinque modelli si estendono da seedream-4.5 (5°) fino a seededit-3.0 (30°). seedream-4.5 rimane il loro gioiello della corona per la trasformazione artistica — digli "fai sembrare questo ritratto un Rembrandt" e non scalda solo i colori; simula pennellate, illuminazione chiaroscuro e texture della tela. seedream-4-2k all'8° gestisce il lavoro ad alta risoluzione, mentre seedream-4-fal (20°) e seedream-4-high-res-fal (13°) coprono percorsi di inferenza più veloci. Bytedance non sta costruendo un singolo campione — stanno costruendo un kit di strumenti completo.

Alibaba si è espansa silenziosamente a quattro modelli. qwen-image-edit al 16° ha accumulato oltre 1,7 milioni di valutazioni della community — massiccia adozione organica. Il più recente qwen-image-edit-2511 al 14° sta salendo velocemente. E i due modelli Wan — wan2.6-image (18°) e wan2.5-i2i-preview (25°) — segnalano che Alibaba sta investendo seriamente nella trasformazione image-to-image come categoria di prodotto a sé stante.

Reve detiene tre posizioni nella top 23. reve-v1.1 al 10° e reve-v1 al 12° sono competenti editor di fascia media, e reve-edit-fast (23°) offre un'alternativa ottimizzata per la velocità. p-image-edit di Pruna al 22° è da tenere d'occhio — Pruna è specializzata nella compressione e ottimizzazione dei modelli, quindi questo è probabilmente un approccio distillato che colpisce sopra il suo peso di parametri. E al 34°, step1x-edit di StepFun ancora la lista come una baseline open source che mantiene onesto l'ecosistema.

Il Vantaggio Open Source

Per quelli di noi che costruiscono prodotti sopra questi modelli, c'è una dimensione che la classifica non cattura: l'indipendenza. Black Forest Labs ora detiene nove posizioni — più di ogni altra organizzazione. Da flux-2-max al 9° fino a flux-1-kontext-dev al 28°, questo è uno spettro completo di compromessi qualità-velocità che puoi eseguire sulla tua infrastruttura.

La linea Klein racconta un'interessante storia di ingegneria. flux-2-klein-9b (15°) e flux-2-klein-4b (24°) — i nomi rivelano il conteggio dei parametri. Nove miliardi e quattro miliardi rispettivamente. BFL sta sistematicamente rendendo l'editing di immagini capace accessibile a hardware più piccoli. flux-2-klein-4b può girare su una GPU consumer con 8GB di VRAM. Questo conta enormemente per gli sviluppatori che non possono giustificare i costi delle API su scala o che necessitano di capacità di editing offline. La famiglia Kontext — flux-1-kontext-max (26°), flux-1-kontext-pro (27°), flux-1-kontext-dev (28°) — porta l'editing consapevole del contesto in ambienti self-hosted, con flux-1-kontext-pro da solo che ha accumulato oltre 6,4 milioni di valutazioni della community.

Dove Sta Andando Tutto Questo

Dopo tre mesi immerso in questo spazio, fissando i cambiamenti della classifica e spingendo i modelli al fallimento, vedo quattro cose convergere.

nano-banana-pro probabilmente reclamerà il n. 1 entro metà anno. La velocità di iterazione di Google sull'architettura nano-banana è stata implacabile. La variante 2K è già a distanza di tiro, e il vantaggio dell'editing multi-step crea un volano: i professionisti che lo adottano producono risultati migliori, condividono quei risultati e attraggono più professionisti. OpenAI dovrà spedire qualcosa di fondamentalmente nuovo — non un raffinamento incrementale — per mantenere la prima posizione.

I modelli di editing sintonizzati sulle istruzioni diventeranno il paradigma standard. L'arrivo di hunyuan-image-3.0-instruct di Tencent al 6° posto conferma ciò che l'architettura nano-banana suggeriva già: il futuro dell'editing di immagini sono modelli costruiti specificamente per i comandi di editing, non modelli di generazione riadattati per l'editing. Aspettatevi che OpenAI e BFL rilascino varianti specifiche per le istruzioni prima dell'estate.

I modelli sub-4B diventeranno genuinamente competitivi. flux-2-klein-4b dimostra già che un modello da quattro miliardi di parametri può produrre modifiche che competono nella stessa arena di modelli dieci volte più grandi. Entro la metà del 2026 mi aspetto di vedere modelli di editing da 2-3B che girano sui telefoni. Quando ciò accadrà, l'intera economia dell'editing di immagini cambierà — dalle chiamate API cloud all'inferenza on-device.

L'editing di immagini e l'editing video si fonderanno. I modelli che gestiscono la coerenza temporale nelle modifiche delle immagini — mantenendo l'illuminazione fisicamente corretta quando muovi un oggetto, preservando la coerenza delle ombre quando cambi uno sfondo — stanno costruendo esattamente le fondamenta necessarie per l'editing video frame-by-frame. Le organizzazioni con forti posizioni nell'editing di immagini oggi sono quelle che domineranno l'editing video domani. Tenete d'occhio Google e Bytedance in particolare.

Le Mie Raccomandazioni

Dopo aver eseguito questi modelli attraverso flussi di lavoro reali — non prompt di benchmark, veri deliverable per i clienti — ecco dove vi indirizzerei a seconda di ciò di cui avete realmente bisogno.