OpenAI: GPT-5 Image Mini mot Tencent: Hy Image 3.5 Preview
En jämförelse sida vid sida av OpenAI: GPT-5 Image Mini (8,75 US$ / 1M textdelar (≈ 85,72 kr)) och Tencent: Hy Image 3.5 Preview (5,60 US$ / 1M textdelar (≈ 54,86 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| OpenAI: GPT-5 Image Mini | Tencent: Hy Image 3.5 Preview | |
|---|---|---|
| Leverantör | OpenAI | Tencent |
| Indata | 8,75 US$ / 1M textdelar (≈ 85,72 kr) | - |
| Utdata | 7,00 US$ / 1M textdelar (≈ 68,57 kr) | - |
| Cacheläsning | 0,88 US$ / 1M textdelar (≈ 8,57 kr) | - |
| Bildutdata | 28,00 US$ / 1M textdelar (≈ 274,30 kr) | 5,60 US$ / 1M textdelar (≈ 54,86 kr) |
| Webbsökning | 35,00 US$ / 1K sökningar (≈ 342,87 kr) | - |
| Bildindata | - | 5,60 US$ / 1M textdelar (≈ 54,86 kr) |
| Kontextfönster | 400 000 | 100 000 |
| Max utdata | 128 000 | 90 000 |
| Indata | file, image, text | text, image |
| Utdata | image, text | image |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 16 okt. 2025 | 5 okt. 2026 |
Viktiga skillnader
- OpenAI: GPT-5 Image Mini läser 4.0× mer kontext (400 000 tokens).
- Endast OpenAI: GPT-5 Image Mini stöder strukturerad JSON-utdata.
- Endast OpenAI: GPT-5 Image Mini stöder styrning av resonemangsnivå.
Mer i detalj
OpenAI: GPT-5 Image Mini är en bildmodell från OpenAI, släppt den 16 oktober 2025. Tencent: Hy Image 3.5 Preview är en bildmodell från Tencent, släppt den 5 oktober 2026. Båda tillhör kategorin bild, så båda är avsedda för arbete där bilder antingen är indata, utdata eller båda. Den största skillnaden på översta nivån är vem som kör dem och hur stor yta var och en exponerar mot anroparen.
Kapacitetsgapet är större än namngivningen antyder. GPT-5 Image Mini tar fil, bild och text som indata och kan returnera bild och text som utdata, medan Hy Image 3.5 Preview tar text och bild som indata och endast returnerar bild. GPT-5 Image Mini har också ett mycket större kontextfönster på 400000 tokens mot 100000 för Tencent-modellen, så den kan hålla långt mer material i en enda förfrågan. Utöver det är GPT-5 Image Mini den enda av de två med stöd för strukturerad utdata och den enda med stöd för resonemang, och den exponerar en lång lista med parametrar inklusive temperature, top_p, max_tokens, seed, logprobs, response_format och verbosity. Hy Image 3.5 Preview listar inga parametrar alls, vilket innebär att du får en mycket snävare kontroll yta. Den kvalitativa jämförelsen markerar GPT-5 Image Mini som den större kontextmodellen, den enda strukturerade modellen och den enda resonemangsmodellen. Ingen av sidorna flaggas som billigare på indata eller utdata, så behandla dem som ungefär samma pris snarare än att anta att den ena underbjuder den andra.
För praktiskt val, välj GPT-5 Image Mini när uppgiften behöver mer än en enda bild tillbaka. Om du vill att modellen ska resonera kring vad den producerar, returnera strukturerad data vid sidan av eller i stället för pixlar, eller acceptera en blandning av text och bild i svaret, är det det enda alternativet här som kan göra det. Dess 400000 token-fönster passar också jobb där du matar in långa dokument, många referensbilder eller en stor fil tillsammans med prompten. Hy Image 3.5 Preview är det enklare verktyget: text och bild in, bild ut. Om din pipeline bara behöver en bild genererad från en prompt plus en valfri referensbild, och du inte behöver parametrar, resonemangsspår eller strukturerade nyttolaster, täcker den det fallet utan extra maskineri. Eftersom prissättningen inte är differentierad i data bör beslutet vila på modalitet och kontrollbehov snarare än kostnad.
Att anropa endera modellen via api14 fungerar på samma sätt eftersom gatewayen är OpenAI-kompatibel. Du pekar din befintliga klient mot api14 bas-URL, skickar en förfrågan i vanlig chat completions-form och ändrar bara model id-strängen. Använd "openai/gpt-5-image-mini" när du vill ha OpenAI-modellen och "tencent/hy-image-v3.5-preview" när du vill ha Tencent-modellen. Allt annat i förfrågans body stannar där det är, men du bör komma ihåg att parametrar som temperature, seed eller response_format endast får effekt på den modell som stöder dem, vilket i detta par är GPT-5 Image Mini.
Det finns ett fall där Tencent-modellen fortfarande är det bättre valet även om den är den mer begränsade av de två. Om din applikation enbart är bildgenerering från text och bild som indata, och du inte har någon användning för resonemang, strukturerade utdata eller ett stort kontextfönster, då matchar Hy Image 3.5 Preview uppgiften exakt. Att lägga till GPT-5 Image Mini där skulle ge dig funktioner du aldrig anropar, så den snävare modellen är den renare passningen för det specifika arbetsflödet.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "openai/gpt-5-image-mini" till "tencent/hy-image-v3.5-preview", promptar, streaming och verktyg fortsätter att fungera.
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"));
Fler jämförelser
- OpenAI: GPT Image 2.6 Flare mot OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare mot Auto Router
- OpenAI: GPT Image 2.6 Flare mot Auto Code
- OpenAI: GPT Image 2.6 Flare mot Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst mot Auto Router
- OpenAI: GPT Image 2.6 Sunburst mot Auto Code
- OpenAI: GPT Image 2.6 Sunburst mot Sourceful: Riverflow V2.6 Pro
- Auto Router mot Auto Code