Meta: Muse Image 対 Tencent: Hy Image 3.5 Preview
api14カタログの最新のUSD料金と機能をもとに、Meta: Muse Image（$8.38 / 100万トークン (≈ ￥1,323)）とTencent: Hy Image 3.5 Preview（$5.60 / 100万トークン (≈ ￥884)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Meta: Muse Image | Tencent: Hy Image 3.5 Preview | |
|---|---|---|
| プロバイダー | Meta | Tencent |
| 画像入力 | $8.38 / 100万トークン (≈ ￥1,323) | $5.60 / 100万トークン (≈ ￥884) |
| 画像出力 | $8.38 / 100万トークン (≈ ￥1,323) | $5.60 / 100万トークン (≈ ￥884) |
| コンテキストウィンドウ | 65,536 | 100,000 |
| 最大出力 | 58,982 | 90,000 |
| 入力 | text, image | text, image |
| 出力 | image | image |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/08/26 | 2026/10/05 |
主な違い
- Tencent: Hy Image 3.5 Previewは1.5倍長いコンテキスト（100,000トークン）を読み取れます。
詳しく見る
メタ情報: Meta: Muse Image は Meta の画像生成モデルで、モデル ID meta/muse-image で公開されています。Tencent: Hy Image 3.5 Preview は Tencent の画像生成モデルで、モデル ID tencent/hy-image-v3.5-preview で公開されています。どちらも api14 上の同じカテゴリに属しているため、テキスト応答を求めて呼び出すような汎用チャットモデルや推論モデルではありません。テキストと画像を入力として受け取り、画像を出力として返すため、パイプライン内の同じ枠の候補になります。つまり、プロンプトを入れて画像を出すという役割です。両者の選択は、生成される成果物の種類の違いではなく、コンテキストサイズとパラメータ制御によって決まります。
最も明確な違いはコンテキストウィンドウです。Tencent: Hy Image 3.5 Preview は最大 100000 トークンを受け付け、Meta: Muse Image は最大 65536 トークンを受け付けるため、より大きなコンテキストを持つのは Tencent のモデルです。どちらも入力としてテキストと画像を受け付け、どちらも出力として画像を生成するため、比較すべきモダリティの差はありません。再び分かれるのはサポートされるパラメータです。Meta: Muse Image は max_tokens、repetition_penalty、temperature、top_k、top_p を公開しているため、リクエストボディからサンプリング動作を調整し、出力長を制限できます。Tencent: Hy Image 3.5 Preview はサポートされるパラメータを一切示していません。つまり、プロンプトを送信し、モデルが返すものを受け取ることになります。定性的な比較では、どちらのモデルも入力または出力で安価であるとは示されていないため、ほぼ同じ価格として扱い、現在の数値はライブの表で確認してください。
日常的な画像生成のほとんどでは、実用的な問題はどれだけ制御が必要かという点です。プロンプトを反復調整していて temperature や top_p を少し動かしたい場合、または max_tokens で生成を制限したい場合、Meta: Muse Image はそれらの調整手段を提供するため、より快適な対象です。プロンプトが長い場合、たとえば詳細な指示と複数の参照画像を含む場合、または画像入力と一緒に大量のテキストコンテキストを投入する場合、Tencent: Hy Image 3.5 Preview の方がコンテキストウィンドウが大きいため適しています。プロンプトが短く、サンプリングパラメータに触れる予定がない場合、どちらのモデルでも役割を果たし、判断材料はリクエストを構築する時点でライブの価格表が示す内容になります。
どちらのモデルも api14 経由で呼び出す方法は同じです。API が OpenAI 互換だからです。クライアントを同じベース URL に向け、テキストと画像のコンテンツを含む同じ chat completions 形式のリクエストを送信し、同じキーで認証します。変更されるフィールドはモデル ID だけです。Meta: Muse Image にルーティングするには meta/muse-image を使用し、Tencent: Hy Image 3.5 Preview にルーティングするには tencent/hy-image-v3.5-preview を使用します。つまり、1 つのコードパスを維持し、設定から ID を差し替え、リクエスト処理を書き換えることなく、自分のプロンプトで両者を比較できます。Meta モデル用にパラメータ値をすでに設定している場合は、Tencent モデルがそれらのサポートを明示していないことを覚えておき、切り替えるときはそれらの設定をリクエストに含めないでください。
調整手段が少ないモデルの方がそれでも正しい選択である場合もあります。ワークフローが固定のプロンプトテンプレートで、サンプリング調整がなく、単により大きなコンテキストを利用したいだけなら、パラメータを公開していなくても Tencent: Hy Image 3.5 Preview の方が適しています。逆に、実行間で再現可能なサンプリング動作が必要なら、temperature と関連パラメータがサポート対象に含まれているため、Meta: Muse Image を呼び出すべきです。どちらのモデルもツール、構造化出力、推論のサポートは示されていないため、どちらについてもそれらの機能を前提に計画しないでください。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"meta/muse-image"から"tencent/hy-image-v3.5-preview"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.images.generate({
"model": "tencent/hy-image-v3.5-preview",
"prompt": "A minimalist product photo of a ceramic mug on a wooden table",
"n": 1,
"aspect_ratio": "1:1"
});
import { writeFile } from "node:fs/promises";
await writeFile("image.png", Buffer.from(result.data[0].b64_json, "base64"));
その他の比較
- OpenAI: GPT Image 2.6 Flare 対 OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare 対 Auto Router
- OpenAI: GPT Image 2.6 Flare 対 Auto Code
- OpenAI: GPT Image 2.6 Flare 対 Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst 対 Auto Router
- OpenAI: GPT Image 2.6 Sunburst 対 Auto Code
- OpenAI: GPT Image 2.6 Sunburst 対 Sourceful: Riverflow V2.6 Pro
- Auto Router 対 Auto Code