Ranking Image Edit Arena 2026 — Aktualizacja Lutowa

Pełny Ranking

Trzydzieści cztery modele. Siedem organizacji. Miliony i miliony porównań społeczności. Podlinkowałem każdy model, abyście mogli przetestować je sami — ponieważ żadna recenzja nie powinna prosić was o wierzenie komuś na słowo.

Co Zmienił Luty

Luka na szczycie się kurczy. Kiedy ostatnio pisałem o tym rankingu w styczniu, chatgpt-image-latest-high-fidelity (20251216) utrzymywał wygodną przewagę. Teraz gemini-3-pro-image-preview-2k (nano-banana-pro) depcze mu po piętach — 13 punktów różnicy w stawce, gdzie czołowa czwórka jest oddzielona zaledwie 23 punktami. To w zasadzie martwy punkt, gdy weźmie się pod uwagę wariancję we wzorcach głosowania społeczności.

W tym rankingu pojawiły się cztery nazwy, których nie było tu w styczniu. hunyuan-image-3.0-instruct od Tencent wylądował bezpośrednio na 6. miejscu — bez rozgrzewki, bez powolnej wspinaczki, prosto do pierwszej dziesiątki. p-image-edit od Pruna pojawił się na 22. miejscu, dzika karta od firmy znanej raczej z optymalizacji modeli niż ich budowania. Alibaba dodała wan2.6-image na 18. miejscu i wan2.5-i2i-preview na 25. miejscu, po cichu rozszerzając swój ślad w edycji obrazów do czterech modeli łącznie. Black Forest Labs teraz wyraźnie dzieli swoją linię Klein na flux-2-klein-9b (15.) i flux-2-klein-4b (24.), czyniąc kompromis w liczbie parametrów przejrzystym.

Ale nagłówek lutego nie dotyczy tego, kto zyskał lub stracił kilka pozycji. Dotyczy modelu, którego nie mogłem przestać używać.

nano-banana-pro: Wybór Praktyków

Chcę być z wami szczery w sposób, w jaki liczby rankingu nie mogą być. Arena mówi, że chatgpt-image-latest-high-fidelity (20251216) jest nr 1. Moja historia edycji mówi co innego. Przez ostatnie trzy tygodnie nie używałem niczego poza gemini-3-pro-image-preview-2k (nano-banana-pro) do mojej pracy z klientami — każda wymiana tła, każda korekcja kolorów, każde usunięcie obiektu, każda naprawa oświetlenia. To, co się stało, było proste: przestałem sięgać po cokolwiek innego.

Obserwowałem społeczność z bliska. Serwery Discord, wątki na Reddicie, zrzuty ekranu z rzeczywistych przepływów pracy, którymi ludzie dzielą się na X. Kiedy praktycy publikują swoje porównania edycji przed i po, modelem, który ciągle wypływa, nie jest ChatGPT. To nano-banana-pro. Nie dlatego, że wygrywa jakieś abstrakcyjne głosowanie preferencji, ale dlatego, że ludzie dostarczają z nim prawdziwą pracę.

Oto zdolność, która mnie przekonała. Dałem mu czteroczęściową instrukcję: „Usuń zaparkowany samochód z podjazdu, przedłuż ogród, aby wypełnić przestrzeń, dopasuj popołudniowe oświetlenie na nowej trawie i dodaj subtelną flarę obiektywu z pozycji słońca”. Cztery warstwowe żądania w jednym przejściu. nano-banana-pro trafił wszystkie cztery. Zrekonstruowany ogród miał właściwy kierunek cienia. Flara obiektywu znajdowała się pod odpowiednim kątem względem źródła światła. Próbowałem tego dokładnego promptu na każdym modelu z pierwszej piątki. Większość radzi sobie z dwiema instrukcjami, zanim spójność zacznie się łamać. ChatGPT radzi sobie z trzema w dobry dzień. nano-banana-pro poradził sobie z czterema bez mrugnięcia okiem.

Wariant 2K — gemini-3-pro-image-preview-2k (nano-banana-pro), obecnie na 2. miejscu — radzi sobie z edycją w wysokiej rozdzielczości z opanowaniem, którego nie widziałem nigdzie indziej. W 2K wiele modeli wprowadza artefakty dzwonienia (ringing) wokół ostrych krawędzi lub traci drobne szczegóły w powtarzających się wzorach, takich jak tkanina, mury z cegły czy korony drzew. nano-banana-pro je zachowuje. Brat w standardowej rozdzielczości na 3. miejscu zgromadził ponad pół miliona ocen społeczności — taki wolumen mówi ci, że ludzie próbują raz i zostają.

To, co nazywam „inteligencją edycji kontekstowej”, jest tym, gdzie ten model autentycznie prowadzi w stawce. Nie wykonuje tylko zmian na poziomie pikseli — chwyta semantyczną relację między elementami w scenie. Usuń osobę ze zdjęcia grupowego, a on naturalnie zrekonstruuje odstępy społeczne, dostosowując mowę ciała sąsiednich podmiotów, zamiast po prostu zamalowywać płaską łatę. Zmień scenę z lata na jesień, a on zmodyfikuje nie tylko listowie, ale także kąty cienia, temperaturę światła otoczenia i sposób, w jaki powierzchnie odbijają rozproszone światło. To nie są sztuczki inżynierii promptów. To jest model, który zinternalizował to, jak wygląda fizyczny świat.

Spodziewam się, że nano-banana-pro przejmie pozycję nr 1 ChatGPT w ciągu następnego cyklu rankingowego. Trajektoria tam jest. Google iteruje architekturę nano-banana szybciej niż OpenAI iteruje tryb wysokiej wierności, a praktyczne zalety w wieloetapowej edycji dają mu pęd, którego benchmarki pojedynczej edycji z trudem wychwytują.

Chirurgiczna Precyzja OpenAI

Chcę być sprawiedliwy wobec OpenAI, ponieważ zasługują na uznanie za autentyczną doskonałość inżynieryjną. chatgpt-image-latest-high-fidelity (20251216) na 1. miejscu jest tam z jakiegoś powodu. Oznaczenie „high-fidelity” (wysoka wierność) jest nowe od mojej ostatniej recenzji, a ulepszenia potoku wyjściowego są widoczne. Gdzie ChatGPT przoduje, to izolowane, chirurgiczne edycje. „Zmień tylko kolor oczu na zielony” — robi to z zerowym krwawieniem na otaczające odcienie skóry. „Zastąp tekst na znaku bez zmiany zwietrzenia znaku” — zachowuje teksturę powierzchni podczas wymiany treści. Ta specyficzność jest autentycznie niezrównana.

OpenAI wystawia cztery modele w pierwszej 31: chatgpt-image-latest-high-fidelity na 1., gpt-image-1.5-high-fidelity na 4., gpt-image-1 na 29., i gpt-image-1-mini na 31. Różnica między ich najlepszym a budżetowym poziomem jest znacząca — 285 punktów — co sugeruje, że OpenAI skoncentrowało swoje inwestycje w edycję na szczycie, zamiast budować szeroką linię. Jeśli używasz OpenAI do edycji obrazów, płacisz za flagowca albo idziesz na kompromis.

Nowe Twarze

hunyuan-image-3.0-instruct od Tencent to największa niespodzianka, o której nikt nie mówi. 6. miejsce na wejściu. To nie jest powolna wspinaczka — to model, który pojawił się gotowy. Tencent dominował w AI w języku chińskim od lat, ale to pierwsze poważne pojawienie się Hunyuan w globalnym benchmarku edycji obrazów. Oznaczenie „instruct” (instrukcja) ma znaczenie: to model architektonicznie dostrojony do poleceń edycji, a nie generowania. W moich testach obsługuje dwujęzyczne prompty — angielski i chiński — z natywną płynnością w obu, co otwiera prawdziwe przepływy pracy dla zespołów działających w różnych językach.

Bytedance nadal wystawia najszerszą listę. Pięć modeli rozciąga się od seedream-4.5 (5.) do seededit-3.0 (30.). seedream-4.5 pozostaje ich klejnotem koronnym do transformacji artystycznej — powiedz mu „spraw, by ten portret wyglądał jak Rembrandt”, a on nie tylko ociepli kolory; symuluje pociągnięcia pędzla, oświetlenie chiaroscuro i teksturę płótna. seedream-4-2k na 8. miejscu radzi sobie z pracą w wysokiej rozdzielczości, podczas gdy seedream-4-fal (20.) i seedream-4-high-res-fal (13.) pokrywają szybsze ścieżki wnioskowania. Bytedance nie buduje pojedynczego mistrza — budują kompletny zestaw narzędzi.

Alibaba po cichu rozszerzyła się do czterech modeli. qwen-image-edit na 16. miejscu zgromadził ponad 1,7 miliona ocen społeczności — masowa adopcja organiczna. Nowszy qwen-image-edit-2511 na 14. miejscu wspina się szybko. A dwa modele Wan — wan2.6-image (18.) i wan2.5-i2i-preview (25.) — sygnalizują, że Alibaba poważnie inwestuje w transformację obraz-w-obraz jako własną kategorię produktów.

Reve zajmuje trzy pozycje w pierwszej 23. reve-v1.1 na 10. i reve-v1 na 12. to kompetentni edytorzy średniej klasy, a reve-edit-fast (23.) oferuje alternatywę zoptymalizowaną pod kątem szybkości. p-image-edit od Pruna na 22. miejscu jest warty obserwowania — Pruna specjalizuje się w kompresji i optymalizacji modeli, więc jest to prawdopodobnie wydestylowane podejście, które uderza powyżej swojej wagi parametrów. A na 34. miejscu, step1x-edit od StepFun kotwiczy listę jako open-source'owy punkt odniesienia, który utrzymuje ekosystem w uczciwości.

Przewaga Open-Source

Dla tych z nas, którzy budują produkty na bazie tych modeli, istnieje wymiar, którego ranking nie wychwytuje: niezależność. Black Forest Labs posiada teraz **dziewięć pozycji** — więcej niż jakakolwiek inna organizacja. Od flux-2-max na 9. miejscu w dół przez flux-1-kontext-dev na 28., to pełne spektrum kompromisów jakość-szybkość, które możesz uruchomić na własnej infrastrukturze.

Linia Klein opowiada interesującą historię inżynieryjną. flux-2-klein-9b (15.) i flux-2-klein-4b (24.) — nazwy ujawniają liczbę parametrów. Odpowiednio dziewięć miliardów i cztery miliardy. BFL systematycznie sprawia, że zdolna edycja obrazów jest dostępna dla mniejszego sprzętu. flux-2-klein-4b może działać na konsumenckim GPU z 8 GB VRAM. To ma ogromne znaczenie dla deweloperów, którzy nie mogą uzasadnić kosztów API w skali lub którzy potrzebują możliwości edycji offline. Rodzina Kontext — flux-1-kontext-max (26.), flux-1-kontext-pro (27.), flux-1-kontext-dev (28.) — wprowadza edycję świadomą kontekstu do środowisk self-hosted, przy czym sam flux-1-kontext-pro zgromadził ponad 6,4 miliona ocen społeczności.

Dokąd To Wszystko Zmierza

Po trzech miesiącach zanurzenia w tej przestrzeni, wpatrywania się w zmiany w rankingu i doprowadzania modeli do awarii, widzę zbiegające się cztery rzeczy.

nano-banana-pro prawdopodobnie zdobędzie 1. miejsce do połowy roku. Prędkość iteracji Google w architekturze nano-banana była nieubłagana. Wariant 2K jest już w zasięgu ręki, a przewaga w wieloetapowej edycji tworzy koło zamachowe: praktycy, którzy go przyjmują, produkują lepsze wyniki, dzielą się tymi wynikami i przyciągają więcej praktyków. OpenAI będzie musiało dostarczyć coś fundamentalnie nowego — nie przyrostowe ulepszenie — aby utrzymać najwyższą pozycję.

Modele edycji dostrojone instrukcjami staną się standardowym paradygmatem. Przybycie hunyuan-image-3.0-instruct od Tencent na 6. miejsce potwierdza to, co architektura nano-banana już sugerowała: przyszłość edycji obrazów to modele zbudowane specjalnie dla poleceń edycji, a nie modele generowania przystosowane do edycji. Spodziewaj się, że OpenAI i BFL wydadzą warianty specyficzne dla instrukcji przed latem.

Modele poniżej 4B staną się autentycznie konkurencyjne. flux-2-klein-4b już demonstruje, że model o czterech miliardach parametrów może produkować edycje, które konkurują na tej samej arenie co modele dziesięć razy większe. Do połowy 2026 roku spodziewam się zobaczyć modele edycji 2-3B działające na telefonach. Kiedy to nastąpi, cała ekonomia edycji obrazów się zmieni — z wywołań API w chmurze na wnioskowanie na urządzeniu.

Edycja obrazów i edycja wideo się połączą. Modele, które obsługują spójność czasową w edycjach obrazów — utrzymując fizycznie poprawne oświetlenie podczas przesuwania obiektu, zachowując spójność cienia podczas zmiany tła — budują dokładnie fundament potrzebny do edycji wideo klatka po klatce. Organizacje z silnymi pozycjami w edycji obrazów dzisiaj to te, które zdominują edycję wideo jutro. Miejcie oko na Google i Bytedance w szczególności.

Moje Rekomendacje

Po przeprowadzeniu tych modeli przez prawdziwe przepływy pracy — nie prompty benchmarkowe, prawdziwe produkty dla klientów — oto gdzie bym was skierował w zależności od tego, czego faktycznie potrzebujecie.