กระดานผู้นำ AI Image Edit Arena 2026 — อันดับเดือนกุมภาพันธ์

อันดับทั้งหมด

สามสิบสี่โมเดล เจ็ดองค์กร การเปรียบเทียบชุมชนนับล้านแล้วล้านเล่า ฉันได้เชื่อมโยงทุกโมเดลเพื่อให้คุณสามารถทดสอบได้ด้วยตัวเอง — เพราะไม่มีบทวิจารณ์ใดที่ควรขอให้คุณเชื่อคำพูดของใคร

สิ่งที่เปลี่ยนแปลงในเดือนกุมภาพันธ์

ช่องว่างที่ด้านบนกำลังหดตัวลง เมื่อฉันเขียนเกี่ยวกับกระดานผู้นำนี้ครั้งล่าสุดในเดือนมกราคม chatgpt-image-latest-high-fidelity (20251216) เป็นผู้นำอย่างสบายๆ ตอนนี้ gemini-3-pro-image-preview-2k (nano-banana-pro) กำลังหายใจรดต้นคอ — ห่างกัน 13 คะแนนในสนามที่สี่อันดับแรกห่างกันเพียง 23 คะแนน นั่นเท่ากับเสมอกันเมื่อคุณคำนึงถึงความแปรปรวนในรูปแบบการโหวตของชุมชน

สี่ชื่อปรากฏบนกระดานผู้นำนี้ซึ่งไม่ได้อยู่ที่นี่ในเดือนมกราคม hunyuan-image-3.0-instruct จาก Tencent ลงจอดที่ #6 โดยตรง — ไม่มีการอุ่นเครื่อง ไม่มีการไต่ระดับช้าๆ เข้าสู่สิบอันดับแรกโดยตรง p-image-edit จาก Pruna ปรากฏที่ #22 ซึ่งเป็นตัวเลือกที่ไม่คาดคิดจากบริษัทที่รู้จักกันในเรื่องการเพิ่มประสิทธิภาพโมเดลมากกว่าการสร้างโมเดล Alibaba เพิ่ม wan2.6-image ที่ #18 และ wan2.5-i2i-preview ที่ #25 โดยขยายขอบเขตการแก้ไขภาพของพวกเขาอย่างเงียบๆ เป็นสี่โมเดลทั้งหมด Black Forest Labs ได้แบ่งสาย Klein ของพวกเขาอย่างชัดเจนเป็น flux-2-klein-9b (#15) และ flux-2-klein-4b (#24) ทำให้การแลกเปลี่ยนจำนวนพารามิเตอร์มีความโปร่งใส

แต่พาดหัวข่าวของเดือนกุมภาพันธ์ไม่ใช่เกี่ยวกับว่าใครได้หรือเสียตำแหน่งเล็กน้อย มันเกี่ยวกับโมเดลที่ฉันไม่สามารถหยุดใช้ได้

nano-banana-pro: สิ่งที่ผู้ปฏิบัติงานเลือกใช้

ฉันต้องการพูดอย่างตรงไปตรงมากับคุณในแบบที่ตัวเลขบนกระดานผู้นำไม่สามารถทำได้ อารีน่าบอกว่า chatgpt-image-latest-high-fidelity (20251216) คือ #1 ประวัติการแก้ไขของฉันบอกสิ่งที่แตกต่างออกไป ในช่วงสามสัปดาห์ที่ผ่านมา ฉันไม่ได้ใช้อะไรเลยนอกจาก gemini-3-pro-image-preview-2k (nano-banana-pro) สำหรับงานลูกค้าของฉัน — ทุกการเปลี่ยนพื้นหลัง ทุกการเกลี่ยสี ทุกการลบวัตถุ ทุกการแก้ไขแสง สิ่งที่เกิดขึ้นนั้นง่ายมาก: ฉันหยุดเอื้อมมือไปหาสิ่งอื่น

ฉันได้เฝ้าดูชุมชนอย่างใกล้ชิด เซิร์ฟเวอร์ Discord, กระทู้ Reddit, ภาพหน้าจอขั้นตอนการทำงานจริงที่ผู้คนแชร์บน X เมื่อผู้ปฏิบัติงานโพสต์การเปรียบเทียบการแก้ไขก่อนและหลัง โมเดลที่ปรากฏขึ้นเรื่อยๆ ไม่ใช่ ChatGPT มันคือ nano-banana-pro ไม่ใช่เพราะมันชนะการโหวตความชอบที่เป็นนามธรรม แต่เพราะผู้คนส่งงานจริงด้วยมัน

นี่คือความสามารถที่ทำให้ฉันเชื่อ ฉันให้คำสั่งสี่ส่วน: "นำรถที่จอดอยู่ออกจากทางรถวิ่ง ขยายสวนให้เต็มพื้นที่ จับคู่แสงยามบ่ายบนหญ้าใหม่ และเพิ่มแสงแฟลร์เลนส์เล็กน้อยจากตำแหน่งดวงอาทิตย์" สี่ความต้องการที่ซ้อนทับกันในครั้งเดียว nano-banana-pro ทำได้ทั้งสี่อย่าง สวนที่สร้างขึ้นใหม่มีทิศทางของเงาที่ถูกต้อง แสงแฟลร์เลนส์อยู่ที่มุมที่ถูกต้องเมื่อเทียบกับแหล่งกำเนิดแสง ฉันได้ลองคำสั่งที่แน่นอนนี้กับโมเดลห้าอันดับแรกทุกรุ่น ส่วนใหญ่จัดการสองคำสั่งก่อนที่ความเชื่อมโยงจะเริ่มพังทลาย ChatGPT จัดการได้สามในวันที่ดี nano-banana-pro จัดการสี่อย่างโดยไม่สะดุด

รุ่น 2K — gemini-3-pro-image-preview-2k (nano-banana-pro) ซึ่งปัจจุบันอยู่ที่ #2 — จัดการการแก้ไขความละเอียดสูงด้วยความสงบที่ฉันไม่เคยเห็นที่อื่น ที่ 2K โมเดลหลายรุ่นจะเกิดสิ่งแปลกปลอมที่เป็นวงแหวนรอบขอบคม หรือสูญเสียรายละเอียดเล็กน้อยในรูปแบบที่ซ้ำกัน เช่น ผ้าทอ กำแพงอิฐ หรือทรงพุ่มไม้ nano-banana-pro รักษามันไว้ รุ่นความละเอียดมาตรฐานที่ #3 ได้สะสมการประเมินจากชุมชนมากกว่าครึ่งล้านครั้ง — ปริมาณขนาดนั้นบอกคุณว่าผู้คนลองใช้ครั้งเดียวและอยู่ต่อ

สิ่งที่ฉันเรียกว่า "ความฉลาดในการแก้ไขตามบริบท" คือจุดที่โมเดลนี้เป็นผู้นำในสนามอย่างแท้จริง มันไม่เพียงแค่ดำเนินการเปลี่ยนแปลงระดับพิกเซล — มันเข้าใจความสัมพันธ์ทางความหมายระหว่างองค์ประกอบในฉาก นำบุคคลออกจากภาพกลุ่ม และมันจะสร้างระยะห่างทางสังคมขึ้นใหม่ตามธรรมชาติ ปรับภาษากายของวัตถุข้างเคียงแทนที่จะแค่ทาสีทับ เปลี่ยนฉากจากฤดูร้อนเป็นฤดูใบไม้ร่วง และมันจะปรับเปลี่ยนไม่เพียงแค่ใบไม้ แต่มุมเงา อุณหภูมิแสงโดยรอบ และวิธีที่พื้นผิวสะท้อนแสงที่กระจัดกระจาย นี่ไม่ใช่กลเม็ดวิศวกรรมคำสั่ง นี่คือโมเดลที่ได้ซึมซับว่าโลกทางกายภาพมีลักษณะอย่างไร

ฉันคาดว่า nano-banana-pro จะแซงหน้าตำแหน่ง #1 ของ ChatGPT ภายในรอบการจัดอันดับถัดไป วิถีทางอยู่ที่นั่น Google กำลังทำซ้ำบนสถาปัตยกรรม nano-banana เร็วกว่า OpenAI กำลังทำซ้ำบนโหมดความเที่ยงตรงสูง และข้อได้เปรียบในทางปฏิบัติในการแก้ไขหลายขั้นตอนทำให้มันมีแรงเหวี่ยงที่การทดสอบการแก้ไขเดี่ยวต้องดิ้นรนเพื่อจับภาพ

ความแม่นยำในการผ่าตัดของ OpenAI

ฉันต้องการความเป็นธรรมกับ OpenAI เพราะพวกเขาสมควรได้รับเครดิตสำหรับความเป็นเลิศทางวิศวกรรมที่แท้จริง chatgpt-image-latest-high-fidelity (20251216) ที่ #1 อยู่ที่นั่นด้วยเหตุผล การกำหนด "ความเที่ยงตรงสูง" เป็นสิ่งใหม่ตั้งแต่การรีวิวครั้งล่าสุดของฉัน และการปรับปรุงท่อส่งออกนั้นมองเห็นได้ชัดเจน จุดที่ ChatGPT ยอดเยี่ยมคือการแก้ไขที่แยกส่วนและเหมือนการผ่าตัด "เปลี่ยนสีตาเป็นสีเขียวเท่านั้น" — มันทำสิ่งนี้โดยไม่มีการรั่วไหลไปยังโทนสีผิวโดยรอบ "แทนที่ข้อความบนป้ายโดยไม่เปลี่ยนแปลงสภาพดินฟ้าอากาศของป้าย" — มันรักษาพื้นผิวในขณะที่สลับเนื้อหา ความเฉพาะเจาะจงนั้นไม่มีใครเทียบได้อย่างแท้จริง

OpenAI ส่งสี่โมเดลลงสนามใน 31 อันดับแรก: chatgpt-image-latest-high-fidelity ที่ #1, gpt-image-1.5-high-fidelity ที่ #4, gpt-image-1 ที่ #29 และ gpt-image-1-mini ที่ #31 ช่องว่างระหว่างสิ่งที่ดีที่สุดของพวกเขาและระดับงบประมาณของพวกเขานั้นสำคัญ — 285 คะแนน — ซึ่งชี้ให้เห็นว่า OpenAI ได้มุ่งเน้นการลงทุนด้านการแก้ไขที่ด้านบนแทนที่จะสร้างกลุ่มผลิตภัณฑ์ที่กว้างขวาง หากคุณใช้ OpenAI สำหรับการแก้ไขภาพ คุณกำลังจ่ายเงินสำหรับเรือธงหรือคุณกำลังตกลงปลงใจ

หน้าใหม่

hunyuan-image-3.0-instruct จาก Tencent คือเซอร์ไพรส์ที่ใหญ่ที่สุดที่ไม่มีใครพูดถึง #6 เมื่อมาถึง นั่นไม่ใช่การไต่ระดับช้าๆ — นั่นคือโมเดลที่ปรากฏตัวพร้อมแล้ว Tencent ครองตลาด AI ภาษาจีนมาหลายปีแล้ว แต่นี่เป็นการปรากฏตัวอย่างจริงจังครั้งแรกของ Hunyuan บนเกณฑ์มาตรฐานการแก้ไขภาพระดับโลก การกำหนด "instruct" มีความสำคัญ: นี่คือโมเดลที่ได้รับการปรับแต่งทางสถาปัตยกรรมสำหรับคำสั่งแก้ไขมากกว่าการสร้าง ในการทดสอบของฉัน มันจัดการคำสั่งสองภาษา — อังกฤษและจีน — ได้อย่างคล่องแคล่วเหมือนเจ้าของภาษาทั้งสอง ซึ่งเปิดขั้นตอนการทำงานจริงสำหรับทีมที่ทำงานข้ามภาษา

Bytedance ยังคงส่งรายชื่อที่กว้างที่สุด ห้าโมเดลยืดจาก seedream-4.5 (#5) ลงไปถึง seededit-3.0 (#30) seedream-4.5 ยังคงเป็นอัญมณีล้ำค่าสำหรับการเปลี่ยนแปลงทางศิลปะ — บอกมันว่า "ทำให้ภาพพอร์ตเทรตนี้ดูเหมือน Rembrandt" และมันไม่เพียงแค่ทำให้สีอุ่นขึ้น; มันจำลองจังหวะแปรง แสงแบบ chiaroscuro และพื้นผิวผ้าใบ seedream-4-2k ที่ #8 จัดการงานความละเอียดสูง ในขณะที่ seedream-4-fal (#20) และ seedream-4-high-res-fal (#13) ครอบคลุมเส้นทางการอนุมานที่เร็วกว่า Bytedance ไม่ได้สร้างแชมป์เปี้ยนคนเดียว — พวกเขากำลังสร้างชุดเครื่องมือที่สมบูรณ์

Alibaba ขยายเป็นสี่โมเดลอย่างเงียบๆ qwen-image-edit ที่ #16 ได้สะสมการประเมินจากชุมชนมากกว่า 1.7 ล้านครั้ง — การยอมรับแบบออร์แกนิกจำนวนมหาศาล รุ่นใหม่ qwen-image-edit-2511 ที่ #14 กำลังไต่ระดับอย่างรวดเร็ว และโมเดล Wan สองรุ่น — wan2.6-image (#18) และ wan2.5-i2i-preview (#25) — ส่งสัญญาณว่า Alibaba กำลังลงทุนอย่างจริงจังในการแปลงภาพเป็นภาพในฐานะหมวดหมู่ผลิตภัณฑ์ของตนเอง

Reve ดำรงตำแหน่งสามตำแหน่งใน 23 อันดับแรก reve-v1.1 ที่ #10 และ reve-v1 ที่ #12 เป็นตัวแก้ไขระดับกลางที่มีความสามารถ และ reve-edit-fast (#23) เสนอทางเลือกที่เน้นความเร็ว p-image-edit จาก Pruna ที่ #22 น่าจับตามอง — Pruna เชี่ยวชาญด้านการบีบอัดและเพิ่มประสิทธิภาพโมเดล ดังนั้นนี่น่าจะเป็นแนวทางที่กลั่นกรองซึ่งชกเกินน้ำหนักพารามิเตอร์ และที่ #34 step1x-edit จาก StepFun ยึดรายการไว้เป็นพื้นฐานโอเพ่นซอร์สที่ทำให้ระบบนิเวศมีความซื่อสัตย์

ข้อได้เปรียบของโอเพ่นซอร์ส

สำหรับพวกเราที่สร้างผลิตภัณฑ์บนโมเดลเหล่านี้ มีมิติที่กระดานผู้นำไม่สามารถจับภาพได้: ความเป็นอิสระ Black Forest Labs ตอนนี้ถือครอง เก้าตำแหน่ง — มากกว่าองค์กรอื่นๆ จาก flux-2-max ที่ #9 ลงไปจนถึง flux-1-kontext-dev ที่ #28 นี่คือสเปกตรัมที่สมบูรณ์ของการแลกเปลี่ยนคุณภาพและความเร็วที่คุณสามารถรันบนโครงสร้างพื้นฐานของคุณเอง

สาย Klein บอกเล่าเรื่องราวทางวิศวกรรมที่น่าสนใจ flux-2-klein-9b (#15) และ flux-2-klein-4b (#24) — ชื่อเปิดเผยจำนวนพารามิเตอร์ เก้าพันล้านและสี่พันล้านตามลำดับ BFL กำลังทำให้การแก้ไขภาพที่มีความสามารถเข้าถึงได้สำหรับฮาร์ดแวร์ขนาดเล็กอย่างเป็นระบบ flux-2-klein-4b สามารถรันบน GPU ผู้บริโภคที่มี VRAM 8GB นั่นสำคัญอย่างมหาศาลสำหรับนักพัฒนาที่ไม่สามารถหาเหตุผลมาสนับสนุนค่าใช้จ่าย API ในวงกว้างหรือผู้ที่ต้องการความสามารถในการแก้ไขออฟไลน์ ตระกูล Kontext — flux-1-kontext-max (#26), flux-1-kontext-pro (#27), flux-1-kontext-dev (#28) — นำการแก้ไขที่รับรู้บริบทมาสู่สภาพแวดล้อมที่โฮสต์เอง โดย flux-1-kontext-pro เพียงตัวเดียวได้สะสมการประเมินจากชุมชนมากกว่า 6.4 ล้านครั้ง

ทั้งหมดนี้กำลังจะไปทางไหน

หลังจากสามเดือนที่หมกมุ่นอยู่ในพื้นที่นี้ จ้องมองการเปลี่ยนแปลงของกระดานผู้นำและผลักดันโมเดลไปสู่ความล้มเหลว ฉันเห็นสี่สิ่งที่กำลังบรรจบกัน

nano-banana-pro น่าจะอ้างสิทธิ์ #1 ภายในกลางปี ความเร็วในการทำซ้ำของ Google บนสถาปัตยกรรม nano-banana นั้นไม่หยุดยั้ง รุ่น 2K อยู่ในระยะที่สามารถโจมตีได้แล้ว และข้อได้เปรียบในการแก้ไขหลายขั้นตอนสร้างล้อตุนกำลัง: ผู้ปฏิบัติงานที่นำมาใช้สร้างผลลัพธ์ที่ดีกว่า แบ่งปันผลลัพธ์เหล่านั้น และดึงดูดผู้ปฏิบัติงานมากขึ้น OpenAI จะต้องส่งมอบสิ่งใหม่โดยพื้นฐาน — ไม่ใช่การปรับปรุงทีละน้อย — เพื่อรักษาตำแหน่งสูงสุด

โมเดลการแก้ไขที่ปรับแต่งด้วยคำสั่งจะกลายเป็นกระบวนทัศน์มาตรฐาน hunyuan-image-3.0-instruct ของ Tencent ที่มาถึง #6 ยืนยันสิ่งที่สถาปัตยกรรม nano-banana แนะนำไว้แล้ว: อนาคตของการแก้ไขภาพคือโมเดลที่สร้างขึ้นโดยเฉพาะสำหรับคำสั่งแก้ไข ไม่ใช่โมเดลการสร้างที่นำกลับมาใช้ใหม่สำหรับการแก้ไข คาดหวังว่า OpenAI และ BFL จะปล่อยรุ่นที่เฉพาะเจาะจงกับคำสั่งก่อนฤดูร้อน

โมเดลต่ำกว่า 4B จะกลายเป็นคู่แข่งที่แท้จริง flux-2-klein-4b แสดงให้เห็นแล้วว่าโมเดลสี่พันล้านพารามิเตอร์สามารถผลิตการแก้ไขที่แข่งขันในเวทีเดียวกับโมเดลที่มีขนาดใหญ่กว่าสิบเท่า ภายในกลางปี 2026 ฉันคาดว่าจะเห็นโมเดลการแก้ไข 2-3B ที่รันบนโทรศัพท์ เมื่อสิ่งนั้นเกิดขึ้น เศรษฐกิจทั้งหมดของการแก้ไขภาพจะเปลี่ยนไป — จากการเรียก API บนคลาวด์ไปสู่การอนุมานบนอุปกรณ์

การแก้ไขภาพและการแก้ไขวิดีโอจะรวมเข้าด้วยกัน โมเดลที่จัดการความสม่ำเสมอทางเวลาในการแก้ไขภาพ — รักษาแสงที่ถูกต้องทางฟิสิกส์เมื่อคุณย้ายวัตถุ รักษาความเชื่อมโยงของเงาเมื่อคุณเปลี่ยนพื้นหลัง — กำลังสร้างรากฐานที่จำเป็นสำหรับการแก้ไขวิดีโอทีละเฟรม องค์กรที่มีตำแหน่งการแก้ไขภาพที่แข็งแกร่งในวันนี้คือผู้ที่จะครองการแก้ไขวิดีโอในวันพรุ่งนี้ จับตาดู Google และ Bytedance เป็นพิเศษ

คำแนะนำของฉัน

หลังจากรันโมเดลเหล่านี้ผ่านขั้นตอนการทำงานจริง — ไม่ใช่คำสั่งมาตรฐาน แต่เป็นผลงานลูกค้าจริง — นี่คือที่ที่ฉันจะชี้ให้คุณไปขึ้นอยู่กับสิ่งที่คุณต้องการจริงๆ