AI „Image Edit Arena“ lyderių lentelė 2026 m. — vasario reitingai

Visi reitingai

Trisdešimt keturi modeliai. Septynios organizacijos. Milijonų milijonai bendruomenės palyginimų. Susiejau kiekvieną modelį, kad galėtumėte juos išbandyti patys — nes jokia apžvalga neturėtų prašyti jūsų aklai pasitikėti kieno nors žodžiu.

Kas pasikeitė vasarį

Atotrūkis viršūnėje mažėja. Kai paskutinį kartą rašiau apie šią lyderių lentelę sausį, chatgpt-image-latest-high-fidelity (20251216) turėjo patogią persvarą. Dabar gemini-3-pro-image-preview-2k (nano-banana-pro) kvėpuoja jam į nugarą — skiriasi 13 taškų lauke, kuriame pirmąjį ketvertuką skiria tik 23 taškai. Tai iš esmės lygiosios, kai atsižvelgiama į bendruomenės balsavimo modelių svyravimus.

Šioje lyderių lentelėje pasirodė keturi vardai, kurių nebuvo sausį. hunyuan-image-3.0-instruct iš „Tencent“ nusileido tiesiai į 6 vietą — be apšilimo, be lėto kopimo, tiesiai į dešimtuką. p-image-edit iš „Pruna“ pasirodė 22 vietoje, tai netikėtumas iš įmonės, žinomos dėl modelių optimizavimo, o ne kūrimo. „Alibaba“ pridėjo wan2.6-image 18 vietoje ir wan2.5-i2i-preview 25 vietoje, tyliai išplėsdama savo vaizdų redagavimo pėdsaką iki keturių modelių. „Black Forest Labs“ dabar aiškiai suskirsto savo „Klein“ liniją į flux-2-klein-9b (#15) ir flux-2-klein-4b (#24), todėl parametrų skaičiaus kompromisas tampa skaidrus.

Tačiau vasario antraštė nėra apie tai, kas laimėjo ar prarado kelias pozicijas. Tai apie modelį, kurio negalėjau nustoti naudoti.

nano-banana-pro: Tą, kurį renkasi praktikai

Noriu būti su jumis atviras taip, kaip lyderių lentelės skaičiai negali būti. Arena sako, kad chatgpt-image-latest-high-fidelity (20251216) yra #1. Mano redagavimo istorija rodo ką kita. Per pastarąsias tris savaites savo klientų darbams nenaudojau nieko kito, tik gemini-3-pro-image-preview-2k (nano-banana-pro) — kiekvienas fono pakeitimas, kiekvienas spalvų koregavimas, kiekvienas objekto pašalinimas, kiekvienas apšvietimo taisymas. Kas atsitiko, buvo paprasta: nustojau siekti bet ko kito.

Atidžiai stebėjau bendruomenę. „Discord“ serverius, „Reddit“ gijas, tikrų darbo eigų ekrano kopijas, kuriomis žmonės dalijasi „X“. Kai praktikai skelbia savo redagavimo palyginimus prieš ir po, modelis, kuris vis iškyla, nėra „ChatGPT“. Tai „nano-banana-pro“. Ne todėl, kad jis laimi kokį nors abstraktų pirmenybės balsavimą, bet todėl, kad žmonės su juo atlieka tikrus darbus.

Štai galimybė, kuri mane įtikino. Daviau jam keturių dalių nurodymą: „Pašalink stovintį automobilį iš įvažiuojamojo kelio, išplėsk sodą, kad užpildytų erdvę, priderink popietės apšvietimą ant naujos žolės ir pridėk subtilų objektyvo blyksnį iš saulės padėties.“ Keturi sluoksniuoti reikalavimai vienu ypu. „nano-banana-pro“ įvykdė visus keturis. Rekonstruotas sodas turėjo teisingą šešėlio kryptį. Objektyvo blyksnis buvo teisingu kampu šviesos šaltinio atžvilgiu. Išbandžiau šią tikslią užklausą su kiekvienu geriausiu penketuko modeliu. Dauguma susidoroja su dviem instrukcijomis, kol nuoseklumas pradeda byrėti. „ChatGPT“ gerą dieną susidoroja su trimis. „nano-banana-pro“ susidorojo su keturiais be vargo.

2K variantas — gemini-3-pro-image-preview-2k (nano-banana-pro), šiuo metu esantis 2 vietoje — susidoroja su didelės raiškos redagavimu su ramybe, kurios niekur kitur nemačiau. Esant 2K, daugelis modelių įveda skambėjimo artefaktus aplink aštrius kraštus arba praranda smulkias detales pasikartojančiuose raštuose, tokiuose kaip austas audinys, plytų sienos ar medžių lajos. „nano-banana-pro“ jas išsaugo. Standartinės raiškos brolis 3 vietoje surinko daugiau nei pusę milijono bendruomenės įvertinimų — tokia apimtis rodo, kad žmonės jį išbando vieną kartą ir pasilieka.

Tai, ką vadinu „kontekstiniu redagavimo intelektu“, yra tai, kur šis modelis iš tikrųjų pirmauja srityje. Jis ne tik atlieka pakeitimus pikselių lygiu — jis suvokia semantinį ryšį tarp elementų scenoje. Pašalinkite žmogų iš grupinės nuotraukos, ir jis natūraliai rekonstruoja socialinį atstumą, koreguodamas gretimų subjektų kūno kalbą, o ne tiesiog uždažydamas plokščią lopą. Pakeiskite sceną iš vasaros į rudenį, ir jis pakeičia ne tik lapiją, bet ir šešėlių kampus, aplinkos šviesos temperatūrą ir tai, kaip paviršiai atspindi išsklaidytą šviesą. Tai nėra užklausų inžinerijos triukai. Tai modelis, kuris įsisavino, kaip atrodo fizinis pasaulis.

Tikiuosi, kad nano-banana-pro perims „ChatGPT“ #1 poziciją per kitą reitingavimo ciklą. Trajektorija yra. „Google“ kartoja „nano-banana“ architektūrą greičiau nei „OpenAI“ kartoja didelio tikslumo režimą, o praktiniai pranašumai redaguojant keliais žingsniais suteikia jam pagreitį, kurį vieno redagavimo lyginamieji testai sunkiai užfiksuoja.

„OpenAI“ chirurginis tikslumas

Noriu būti sąžiningas „OpenAI“ atžvilgiu, nes jie nusipelno pripažinimo už tikrą inžinerinį meistriškumą. chatgpt-image-latest-high-fidelity (20251216) 1 vietoje yra ne be priežasties. „High-fidelity“ (didelio tikslumo) pavadinimas yra naujas nuo mano paskutinės apžvalgos, ir išvesties konvejerio patobulinimai yra matomi. Kur „ChatGPT“ pasižymi, tai izoliuoti, chirurginiai redagavimai. „Pakeisk tik akių spalvą į žalią“ — jis tai daro be jokio išsiliejimo į aplinkinius odos tonus. „Pakeisk tekstą ant ženklo nepakeičiant ženklo atmosferos poveikio“ — jis išsaugo paviršiaus tekstūrą keisdamas turinį. Tas specifiškumas yra tikrai neprilygstamas.

„OpenAI“ pateikia keturis modelius tarp 31 geriausiųjų: „chatgpt-image-latest-high-fidelity“ #1, „gpt-image-1.5-high-fidelity“ #4, gpt-image-1 #29 ir gpt-image-1-mini #31. Atotrūkis tarp jų geriausio ir biudžetinio lygio yra didelis — 285 taškai — o tai rodo, kad „OpenAI“ sutelkė savo redagavimo investicijas viršuje, o ne kūrė plačią liniją. Jei naudojate „OpenAI“ vaizdų redagavimui, mokate už flagmaną arba tenkinatės prastesniu.

Nauji veidai

hunyuan-image-3.0-instruct iš „Tencent“ yra didžiausia staigmena, apie kurią niekas nekalba. #6 atvykus. Tai nėra lėtas kopimas — tai modelis, kuris pasirodė pasiruošęs. „Tencent“ daugelį metų dominavo kinų kalbos AI srityje, tačiau tai yra pirmas rimtas „Hunyuan“ pasirodymas pasauliniame vaizdų redagavimo palyginime. „Instruct“ pavadinimas svarbus: tai modelis, architektūriškai suderintas redagavimo komandoms, o ne generavimui. Mano bandymuose jis valdo dvikalbes užklausas — anglų ir kinų — su gimtąja sklandumu abiem kalbomis, kas atveria realias darbo eigas komandoms, dirbančioms skirtingomis kalbomis.

„Bytedance“ ir toliau pateikia plačiausią sąrašą. Penki modeliai tęsiasi nuo seedream-4.5 (#5) iki seededit-3.0 (#30). „seedream-4.5“ išlieka jų karūnos brangakmeniu meninei transformacijai — pasakykite jam „padaryk, kad šis portretas atrodytų kaip Rembrandto“, ir jis ne tik sušildo spalvas; jis imituoja teptuko potėpius, „chiaroscuro“ apšvietimą ir drobės tekstūrą. seedream-4-2k 8 vietoje tvarko didelės raiškos darbus, o seedream-4-fal (#20) ir seedream-4-high-res-fal (#13) apima greitesnius išvadų kelius. „Bytedance“ nekuria vieno čempiono — jie kuria visą įrankių rinkinį.

„Alibaba“ tyliai išsiplėtė iki keturių modelių. qwen-image-edit 16 vietoje surinko daugiau nei 1,7 milijono bendruomenės įvertinimų — masinis organiškas priėmimas. Naujesnis qwen-image-edit-2511 14 vietoje greitai kyla. Ir du „Wan“ modeliai — wan2.6-image (#18) ir wan2.5-i2i-preview (#25) — rodo, kad „Alibaba“ rimtai investuoja į vaizdo į vaizdą transformaciją kaip atskirą produktų kategoriją.

„Reve“ užima tris pozicijas geriausiųjų 23-uke. reve-v1.1 10 vietoje ir reve-v1 12 vietoje yra kompetentingi vidutinės klasės redaktoriai, o reve-edit-fast (#23) siūlo greičiui optimizuotą alternatyvą. p-image-edit iš „Pruna“ 22 vietoje verta stebėti — „Pruna“ specializuojasi modelių glaudinime ir optimizavime, todėl tai tikriausiai yra distiliuotas požiūris, kuris smogia aukščiau savo parametrų svorio. Ir 34 vietoje step1x-edit iš „StepFun“ įtvirtina sąrašą kaip atvirojo kodo bazinė linija, kuri palaiko ekosistemos sąžiningumą.

Atvirojo kodo pranašumas

Mums, kurie kuria produktus ant šių modelių, yra dimensija, kurios lyderių lentelė nefiksuoja: nepriklausomybė. „Black Forest Labs“ dabar užima devynias pozicijas — daugiau nei bet kuri kita organizacija. Nuo flux-2-max 9 vietoje žemyn per flux-1-kontext-dev 28 vietoje, tai yra visas kokybės ir greičio kompromisų spektras, kurį galite paleisti savo infrastruktūroje.

„Klein“ linija pasakoja įdomią inžinerinę istoriją. flux-2-klein-9b (#15) ir flux-2-klein-4b (#24) — pavadinimai atskleidžia parametrų skaičių. Devyni milijardai ir keturi milijardai atitinkamai. BFL sistemingai daro galimą vaizdų redagavimą prieinamą mažesnei techninei įrangai. „flux-2-klein-4b“ gali veikti vartotojiškame GPU su 8 GB VRAM. Tai labai svarbu kūrėjams, kurie negali pateisinti API išlaidų dideliu mastu arba kuriems reikia redagavimo galimybės neprisijungus. „Kontext“ šeima — flux-1-kontext-max (#26), flux-1-kontext-pro (#27), flux-1-kontext-dev (#28) — atneša kontekstą suvokiantį redagavimą į savarankiškai talpinamas aplinkas, o vien „flux-1-kontext-pro“ surinko daugiau nei 6,4 milijono bendruomenės įvertinimų.

Kur visa tai eina

Po trijų mėnesių panirimo į šią erdvę, spoksant į lyderių lentelės poslinkius ir stumiant modelius iki nesėkmės, matau keturis dalykus, kurie susilieja.

„nano-banana-pro“ greičiausiai užims 1 vietą iki metų vidurio. „Google“ iteracijos greitis „nano-banana“ architektūroje buvo negailestingas. 2K variantas jau yra pasiekiamas smūgiu, o kelių žingsnių redagavimo pranašumas sukuria smagratį: praktikai, kurie jį priima, sukuria geresnius rezultatus, dalijasi tais rezultatais ir pritraukia daugiau praktikų. „OpenAI“ turės pristatyti kažką iš esmės naujo — ne laipsnišką patobulinimą — kad išlaikytų aukščiausią poziciją.

Instrukcijomis suderinti redagavimo modeliai taps standartine paradigma. „Tencent“ „hunyuan-image-3.0-instruct“ atvykimas į 6 vietą patvirtina tai, ką „nano-banana“ architektūra jau siūlė: vaizdų redagavimo ateitis yra modeliai, sukurti specialiai redagavimo komandoms, o ne generavimo modeliai, pritaikyti redagavimui. Tikėkitės, kad „OpenAI“ ir BFL išleis instrukcijoms specifinius variantus prieš vasarą.

Modeliai, mažesni nei 4B, taps tikrai konkurencingi. „flux-2-klein-4b“ jau demonstruoja, kad keturių milijardų parametrų modelis gali sukurti redagavimus, kurie konkuruoja toje pačioje arenoje kaip ir dešimt kartų didesni modeliai. Iki 2026 m. vidurio tikiuosi pamatyti 2-3B redagavimo modelius, veikiančius telefonuose. Kai tai atsitiks, visa vaizdų redagavimo ekonomika pasikeis — nuo debesies API skambučių iki išvadų darymo įrenginyje.

Vaizdų redagavimas ir vaizdo įrašų redagavimas susijungs. Modeliai, kurie tvarko laiko nuoseklumą vaizdų redagavime — išlaikant fiziškai teisingą apšvietimą, kai judinate objektą, išsaugant šešėlių nuoseklumą, kai keičiate foną — kuria būtent tą pagrindą, kurio reikia vaizdo įrašų redagavimui kadras po kadro. Organizacijos, turinčios stiprias vaizdų redagavimo pozicijas šiandien, yra tos, kurios rytoj dominuos vaizdo įrašų redagavime. Ypač stebėkite „Google“ ir „Bytedance“.

Mano rekomendacijos

Po šių modelių paleidimo per tikras darbo eigas — ne etalonines užklausas, o tikrus klientų rezultatus — štai kur aš jus nukreipčiau, priklausomai nuo to, ko jums iš tikrųjų reikia.