HY Image 3.5 Preview getest: beeldkwaliteit en foto-editing

👁 113 keer gelezen

HY Image 3.5 Preview van Tencent is sinds 5 oktober 2026 beschikbaar op OpenRouter, voor circa € 0,021 (0,024 USD) per afbeelding (omgerekend tegen de ECB-referentiekoers van 1 EUR = 1,1181 USD per 12-10-2026 via ecb.europa.eu). Ik onderwierp het model aan twee taken uit mijn Arena voor beeldgeneratoren: een fotobewerking in drie stappen verliep foutloos, terwijl het model bij Poolse tekst in 3 van de 13 gevallen de mist in ging. Gewichten ontbreken deze keer: het is een gesloten model.

Wat Tencent heeft aangekondigd

HY Image 3.5 Preview is één uniform model voor het genereren van afbeeldingen op basis van prompts, het werken met referentiefoto’s en stapsgewijze conversatiebewerkingen (opeenvolgende aanpassingen op dezelfde afbeelding). De claims van de fabrikant:

• +30% winst in menselijke evaluaties vergeleken met HY Image 3.0.
• In een blindtest met honderden ontwerpers presteerde het model op het niveau van Seedream 5.0 Pro en net iets beter dan Nano Banana Pro en Qwen-Image-3.0 Pro. Dit betreft een interne benchmark van Tencent; onafhankelijke bevestiging ontbreekt.
• Verbeteringen zijn voornamelijk zichtbaar in typografie, lay-out, realisme en consistentie bij opeenvolgende bewerkingen.
• Resolutie tot 2K; mijn testbeelden waren 1536 x 1536 px (vierkant) en 1856 x 1248 px (horizontale fotobewerking).

Een opvallende koerswijziging: voorganger HY Image 3.0 (80 miljard parameters in een MoE-architectuur, waarvan 13 miljard actief) had open gewichten. Bij versie 3.5 geeft Tencent geen details over de architectuur, het aantal parameters of plannen voor een open release. Lokaal draaien op je eigen GPU is er dus niet bij. Open alternatieven vind je in het overzicht van open source beeldmodellen.

Mijn test 1: complexe typografie en diakritische tekens

Ik gebruikte dezelfde 4 prompts als voor de overige modellen in de Arena (getest in het Pools met lastige diakritische tekens): een uitverkoopposter, een menubord van een eethuis, een boekomslag vol accenten en een verpakking voor knoedels - samen goed voor 13 te renderen tekstfragmenten.

Waar ging het mis:

• Poster: “vervormde belettering in de oorspronkelijke Poolse test” in de onderste regel; de koptekst en “-40% OP ALLES” (vertaald uit het Poolse origineel) waren correct.
• Menu: “vervormde belettering in de oorspronkelijke Poolse test”, en aanduidingen van de oorspronkelijke Poolse valuta stonden in kleine letters in plaats van hoofdletters. Gerechten zoals Poolse zure roggesoep, dumplings met aardappel en kwark, compote en appeltaart klopten perfect.
• Verpakking: “vervormde belettering in de oorspronkelijke Poolse test” plus een spontaan verzonnen nonsenstekst (vertaald uit het Poolse origineel: “DROGE MIX VOOR DIEPVRIESPRODUCTEN”).

Handmatig geteld: 10 van de 13 teksten waren foutloos. Een automatische controle per regel leverde slechts 3/13 op omdat het model woorden over meerdere regels brak. Ter vergelijking bij diezelfde methode: GPT Image 2.5 Sunburst scoort 7/13, FLUX 2 Max 6/13, Nano Banana 2.1 5/13 en Ideogram 4.5 4/13. De conclusie: afzonderlijke letters worden fraai neergezet, maar hele woorden worden regelmatig verbasterd. Controleer printwerk dus altijd letter voor letter.

Mijn test 2: fotobewerking in drie opeenvolgende stappen

Voor deze test gebruikte ik dezelfde foto van een bakkerij als in de benchmarkreeks “10 opeenvolgende bewerkingen”. Elke stap bouwt voort op het resultaat van de vorige: verf de deuren flesgroen, voeg een raamsticker toe met de tekst “OPEN 7-22” (getest als de vertaling van het Poolse origineel: “OPEN 7-22”), en vervang het uithangbord door “BAKKERIJ ZOSIA” (getest als vertaling van het Poolse origineel: “BAKKERIJ ZOSIA”).

• Alle drie de wijzigingen werden nauwkeurig doorgevoerd, teksten bevatten geen fouten en het uithangbord behield hetzelfde lettertype en kleurenpalet.
• De rest van het beeld bleef uiterst stabiel: de voorbijganger, de fiets, het stoepbord met broodprijzen, de rode auto en de klinkers veranderden nauwelijks.
• Generatietijd: 26 tot 44 seconden per stap, tegen circa € 0,021 (0,024 USD) per iteratie.

Drie stappen zijn te beperkt voor een definitieve notering in het klassement (de volledige benchmark vereist 10 opeenvolgende stappen, kaders, 4K-details en typografie). Deze eerste proef toont echter aan dat beeldbewerking zonder verlies van context het sterkste punt van het model is.

Beschikbaarheid en kosten

Technische kanttekening: op OpenRouter is dit een puur afbeeldingsmodel dat niet via chat/completions draait. Je dient het aparte endpoint /api/v1/images aan te roepen en referentiemateriaal mee te sturen in de parameter input_references. Ter vergelijking: Nano Banana 2.1 kost via de API circa € 0,030 (0,034 USD) per 1K-afbeelding (details vind je in de handleiding over Nano Banana). Prijzen in euro zijn schattingen op basis van de ECB-koers van 12-10-2026.

Voor wie is dit model geschikt?

• Aanrader voor: productfotobewerking en gerichte correcties (“pas alleen dit element aan”) - betaalbaar en zonder ongewenste beeldvervorming.
• Voorzichtigheid geboden bij: ontwerpen met complexe teksten of vreemde leestekens - letters zien er strak uit, maar woorden bevatten nog geregeld fouten.
• Niet geschikt voor: wie een model lokaal op eigen hardware wil hosten - versie 3.5 heeft geen openbare gewichten.

Meer modellen ontdekken? Bekijk ons complete overzicht van AI-beeldgeneratoren.

// lees verderTransparante PNG uit Qwen-Image-2.1: alfakanaal getestBenchmarksAI zonder censuur? 9 modellen getest met 16 lastige vragenBenchmarksWelke AI is het beste voor natuurkunde? Gemini getestBenchmarks

Kinetyra