مقارنة بين MiniMax-H3-Image وGPT Image 2.5: كلاهما يستقبل 16 مرجعًا، وهنا ينتهي التشابه

The number sixteen appears on both spec sheets, and it means two different things. MiniMax-H3-Image accepts up to sixteen reference images in a single edit, addressed by upload order as <Picture 1> through <Picture 16>, with the request body capped by nothing except a 32,000-character prompt. GPT Image 2.5 — the Sunburst and Flare pair that O​penAI shipped on 8 September 2026 — accepts up to sixteen input images too, and its documentation is explicit about what happens when you send more than one: markup and masks apply to the first image, and everything after it is a reference. Sixteen slots against sixteen slots, one of which is the whole control surface and the other of which is a parameter you will probably never fill.

إن هذا التوافق هو أكثر ما يفيد في وضع هذين النموذجين جنبًا إلى جنب، لأن كل ما عداهما فيهما غير متماثل على نحو يسهل وصفه ويصعب المبالغة في تأكيده. إن GPT Image 2.5 هو ثاني ورابع أفضل نموذج صور في العالم على لوحة تحويل النص إلى صورة لدى Artificial Analysis، مع ثلاثة عشر ألف تصويت مجهول وراء كل مرتبة. أما MiniMax-H3-Image فليس له أي مرتبة على الإطلاق — فقد وصلت أوزانه إلى Hugging Face في 10 نوفمبر 2026 الساعة 14:50 UTC، أي قبل يوم واحد من كتابة هذا، ولم تتح لساحة أي وقت لتقييمه. لذا فليست هذه مقارنة بين مرشحين على قدم المساواة. إنها مقارنة بين نموذج مُقاس وآخر غير مُقاس، والسؤال المفيد هو ما الذي يقدمه غير المُقاس مما قد يبرر اكتشاف الأمر.

كيف يبدو الاستدعاءان في الواقع

O​penAI's side is two model ids doing one job between them. gpt-image-2.5-sunburst is positioned for detailed compositions and precise editing; gpt-image-2.5-flare is the fast everyday variant. Both share the same snapshot date, the same endpoint surface and the same rate, and the split is latency against precision rather than capability against capability. There is no bare gpt-image-2.5 alias — you pick a variant. Generation goes to v1/images/generations, edits to v1/images/edits as multipart form data, and Batch is supported at half the output rate. Quality is a dial with six settings — low, medium, high, xhigh, max and auto, with auto the default.

M​iniMax's side is one model with two service tiers. MiniMax-H3-Image is a 33.1B dense diffusion transformer — 50 layers, hidden size 5,376, 56 attention heads, FFN width 14,336, 3D multimodal RoPE — distilled to six sampling steps with no classifier-free guidance. The served API enforces that: num_inference_steps must be 6 and guidance_scale must be 1, or you get an HTTP 400, and negative prompts are refused. Highspeed is the same weights at a higher per-token rate. There is no quality dial, no step count to raise, no second variant with different behaviour. You send a prompt and up to sixteen pictures and you get one image back, in a fixed number of passes.

Read those two paragraphs next to each other and the design philosophies separate cleanly. O​penAI gives you knobs and expects you to find the setting that fits the job. M​iniMax gives you one setting and expects the model to be good enough at it. The first is a tool; the second is an appliance.

الحجم هو المجال الذي تبلغ فيه الفجوة أقصى اتساعها، وهي ليست فجوة ضئيلة.

GPT Image 2.5 tops out at 3840×2160 — 8.29 megapixels — with dimensions required to be multiples of 16, an aspect ratio between 1:3 and 3:1, and anything above 2560×1440 flagged as experimental in O​penAI's own documentation. The recommended presets are 1024×1024, 1536×1024 and 1024×1536, and the custom-size path allows a pixel budget from 655,360 up to that 8,294,400 ceiling.

MiniMax-H3-Image's ceiling is roughly double that, and its floor is higher than O​penAI's ceiling-to-floor gap. The card claims about 16 megapixels at every aspect ratio — 4096×4096 at 1:1, 4736×3552 at 4:3, 5024×3360 at 3:2, 5472×3072 at 16:9, 6272×2688 at 21:9 — with the API capping output area at 20 megapixels and the practical working range described as 4 to 20 MP. There is no upscaler in the path; the model regenerates detail rather than enlarging it.

• الحد الأقصى للإخراج — GPT Image 2.5: 3840×2160، 8.29 ميغابكسل. MiniMax-H3-Image: نحو 16 ميغابكسل، وحتى 20 ميغابكسل عبر واجهة API.

• الحد الأدنى للناتج المفيد — GPT Image 2.5: ‏655,360 بكسل، لذا فإن صورة مصغّرة بحجم 768 بكسل تُعدّ طلبًا مدعومًا. MiniMax-H3-Image: نحو 4 ميجابكسل، دون فئة للصور الصغيرة.

• Reference images — both up to 16; O​penAI types the first as the edit target and treats the rest as references, M​iniMax orders all sixteen positionally with no typing.

• التحكم في الجودة — GPT Image 2.5: ستة إعدادات جودة بالإضافة إلى تلقائي. MiniMax-H3-Image: لا شيء؛ ست خطوات، بلا توجيه، مفروض.

• تنسيق الإخراج — GPT Image 2.5: PNG افتراضيًا، ويتوفر JPEG وWebP، مع ضغط من 0 إلى 100، وخلفية شفافة عبر background: "transparent". MiniMax-H3-Image: صورة PNG في data[0].b64_json.

أحد هذه الفروق يحسم عددًا من عمليات النشر أكثر من غيره. إذا كان ما ستسلّمه هو لوحة 4K، فإن GPT Image 2.5 لا يستطيع إنتاجها — ليس بجودة أقل، ولا بتغيير إعداد. فهو يتوقف عند 8.29 ميغابكسل، والباقي يكون تكبيرًا. هذا ليس انتقادًا للنموذج؛ بل بيان عن الغرض من المنتج. لكنه يعني أن النموذجين يتوقفان عن التنافس لحظة تجاوز متطلبك 8.3 MP، ولا يمكن لأي قدر من Elo المقاس أن يسد هذه الفجوة.

كلا رمزَي العدّاد، وواحد فقط ينشر ما يشتريه الرمز.

O​penAI bills GPT Image 2.5 by tokens: $5 per million text input tokens ($1.25 cached), $8 per million image input tokens ($2 cached), and $30 per million image output tokens, halved to $15 on the Batch API. Text output is not charged because the model returns images rather than prose. Those rates are unchanged from GPT Image 2, which is worth knowing if you priced the previous generation.

The number that matters and does not appear in O​penAI's rate card is how many output tokens an image costs, and O​penAI does not publish it — per-image consumption was not documented at launch and is still not documented per size. The only per-image figure in circulation is Artificial Analysis's derived $210.72 per thousand images, which is about $0.21 a frame at 1024×1024 with default settings. That is a third-party derivation from measured usage, not an O​penAI price, and it should be treated as an estimate that moves with quality setting and resolution.

M​iniMax publishes the resolved number directly, because its output rate is low enough that the arithmetic is simple: $2.30 per million input text tokens, $1.50 per million input image tokens, $3.80 per million output image tokens. The vendor's own worked examples give $0.02179 for a 1K image, $0.02333 at 2K and $0.06879 at 4K — the last of which is $0.03439 while a 50% discount holds, and that discount expires on 17 November 2026 at 16:00 UTC and applies only when the delivered image is at least 16,600,000 pixels.

Put the two side by side and the shape of the trade is stark. At 1024×1024, roughly $0.21 against $0.02179 — about ten to one. At the sizes each model is designed for, the comparison gets harder to make honestly, because GPT Image 2.5 at 8.29 MP and MiniMax-H3-Image at 16 MP are not the same product. What can be said without hedging is that if you are generating at 1K in volume, M​iniMax's price is an order of magnitude lower and its quality is unmeasured; that is the entire bet, stated plainly.

Two billing details on the M​iniMax side are easy to miss. Input images are billed per token at $1.50 per million, so references are not free — going from one to three references lifts a 2K edit from $0.02658 to $0.04177 in the vendor's own example. And the API charges for a request that times out, so a client-side retry policy turns one generation into two or three billed generations. O​penAI's documented behaviour is the opposite for failed and moderated requests, which it does not charge for.

قاعدة الأدلة غير متوازنة، وكلا جانبي ذلك مهم.

على لوحة تحويل النص إلى صورة لدى Artificial Analysis، يحل GPT Image 2.5 Sunburst في المرتبة الثانية برصيد Elo قدره 1228 عبر 13,370 عينة، ويحل Flare في المرتبة الرابعة برصيد 1209 عبر 12,695. وعلى لوحة التحرير، يحل الزوج نفسه في المرتبتين الثالثة والخامسة — 1199 عبر 18,617 عينة لـ Sunburst، و1181 عبر 19,498 لـ Flare. هذه الأرقام تقديرات نقطية ذات فترات ثقة تبلغ عشرات نقاط Elo، ما يعني أن Sunburst وFlare غير مفصولين بفارق ذي دلالة عن بعضهما في تحويل النص إلى صورة، وكلاهما أعلى بفارق ذي دلالة من كل ما يقع دون المرتبة الخامسة.

من الجدير بالذكر أيضًا أن GPT Image 2.5 لم يعد في صدارة عائلته. فنسختا 2.6 — Sunburst وFlare — تحتلان الآن المركزين الأول والثالث في لوحة النصوص إلى الصور، والأول والثاني في التحرير، بالسعر نفسه البالغ 210.72 دولارًا لكل ألف صورة. لذا فإن القارئ الذي يختار بين MiniMax-H3-Image وGPT Image 2.5 إنما يختار بين قادم لم يُقَس وبين الجيل السابق من سلسلة خضعت للقياس، بينما يقبع الجيل الحالي من تلك السلسلة على مسافة معرّف طراز واحد وبالسعر نفسه. وينبغي لكل من يختار 2.5 من أجل الدرجة أن ينظر إلى ما تُقارَن به الدرجة فعليًا.

لا يملك MiniMax-H3-Image أي نتيجة على أي من اللوحتين ولا جدول تقييم من الجهة المصنّعة — لا GenEval، ولا DPG-Bench، ولا أرقام تفضيل بشري. ادعاء بطاقة النموذج نوعي: «أقوى اتباع للتعليمات بين النماذج مفتوحة المصدر»، دون أي جدول مقارنة مرفق. شبكة العرض هي دليل المخرجات الوحيد الموجود، وشبكة العرض هذه أثر منسّق بعناية. لا شيء من هذا مريب بالنسبة لنموذج كان قد أصبح متاحًا للعموم ليوم واحد حين كُتب. لكنه يعني أن كل حجة له في هذا المقال هي حجة من السعر، أو من الدقة، أو من البنية المعمارية، ولا شيء منها حجة من جودة مقيسة.

ميزانية الموجّه، وما يستطيع النموذج الاحتفاظ به في ذهنه

GPT Image 2.5 accepts a normal O​penAI prompt and, per O​penAI's documentation, up to sixteen input images; the practical constraint on complex edits is not a character count but the mechanics of the request — the mask must match the first image in size and carry an alpha channel, and the annotation layer for markup edits must match the first image's dimensions exactly. There is no published token ceiling for image prompts in the model's documentation, which means the ceiling you plan against is the API's, not the model's.

MiniMax-H3-Image publishes a specific and modest budget: 32,000 characters on the served API, of which only about the first 4,096 tokens take effect, and the local SGLang path truncates at 4,096 tokens outright. For a model whose pitch is instruction following, four thousand tokens is tight — a detailed brief with sixteen reference images referenced by position eats a large fraction of it. M​iniMax's answer is a companion model: MiniMax-H3-Image-PE, a 27B prompt expander that rewrites a short request into a long caption plus an aspect-ratio recommendation and emits it as JSON. It fits in about 19 GiB of VRAM. Its editing path is described as prompt-only, so it helps text-to-image today and not much else.

That asymmetry is worth naming because it changes what “prompt following” means for each. O​penAI's model takes the prompt you wrote. M​iniMax's takes the prompt you wrote, or a prompt another model rewrote for it, and either way it has less room to hold the instruction. If your workflow depends on long, structured briefs with many named references, that is a real constraint and it will show up before quality ever does.

الترخيص والاحتفاظ وتكلفة الانغلاق

GPT Image 2.5 is closed. There are no weights, no self-hosting, no checkpoint to pin, and the commercial terms are an API contract. What O​penAI's developer documentation does state is that API data is not used for training unless you opt in, that the images endpoints are listed as not used for training, and that the models are Zero Data Retention compatible. Ownership and commercial-use terms live in separate policies, not in the developer docs.

إن MiniMax-H3-Image مفتوح، وترخيصه أكثر تقييدًا مما توحي به الكلمة. يستبعد اتفاق ترخيص MiniMax-H3-Image المجتمعي الاتحاد الأوروبي والمملكة المتحدة وجمهورية كوريا والولايات المتحدة بحكم التعريف؛ ويشترط تفويضًا كتابيًا منفصلًا عند تجاوز الإيرادات السنوية مليون دولار أمريكي؛ ويشترط الشيء نفسه لأي خدمة مستضافة دون حد أدنى للإيرادات؛ ويشترط عرض اسم النموذج بشكل بارز على الواجهات التجارية؛ ويحظر استخدام المخرجات في تدريب نماذج أخرى أو تحسينها. وتعرض صفحة Hugging Face كل ذلك بصيغة الترخيص: أخرى.

إذن ينقلب التأطير المعتاد هنا. فالنموذج المغلق له شروط أبسط وارتباط أضعف — يمكنك المغادرة، لكن لا يمكنك أخذ الأوزان. أما النموذج المفتوح فله شروط أصعب وارتباط أقوى، لأن ترخيصًا يستبعد أربع أسواق رئيسية هو قيد على عملك لا يعوّضه أي قدر من الأوزان القابلة للتنزيل. وإذا كان المسار المستضاف ذاتيًا هو سبب نظرك إلى MiniMax-H3-Image، فاقرأ الترخيص قبل بطاقة النموذج.

عندما يكون غير المُقاس هو الخيار الصحيح

هناك ثلاث حالات يكون فيها MiniMax-H3-Image هو الخيار البديهي رغم عدم وجود لوحة نتائج، ولا واحدة منها هي "لأنه أرخص".

الأول هو الدقة. إذا كنت بحاجة إلى أكثر من 8.29 ميغابكسل من عملية توليد واحدة، فإن GPT Image 2.5 خارج المنافسة وانتهت المقارنة. فستة عشر ميغابكسل مقابل 0.06879 دولار، في مواجهة رفع دقة إطار بدقة 8.29 ميغابكسل، ليست مقارنة متقاربة.

الثاني هو قابلية إعادة الإنتاج. ست خطوات، دون إرشاد، وجدول منشور في pdd_config.json، وأوزان يمكنك تنزيلها. إذا كنت بحاجة إلى الحصول على المُخرَج نفسه من المُدخَل نفسه على عتادك بعد سنة من الآن، فإن GPT Image 2.5 لا يستطيع تقديم ذلك، بينما تستطيع MiniMax-H3-Image ذلك، إذا سمح الترخيص.

الثالث هو الحجم عند الأحجام الصغيرة. عند $0.02179 مقابل نحو $0.21 عند 1K، فإن خط معالجة يولّد مئة ألف صورة مصغّرة شهريًا يواجه فرقًا يُقاس بعشرات الآلاف من الدولارات. هذا مبلغ كافٍ لتبرير إجراء مقارنة عمياء خاصة بك لمدة أسبوع، وهي السبيل الوحيد لأن يتحول أي من هذين الرقمين إلى قرار.

Everything else points the other way. If you need a model that will not surprise you, GPT Image 2.5 has two board placements with thirteen thousand votes each and six weeks of paying traffic behind them; MiniMax-H3-Image has a day. If you need a quality dial, O​penAI has six settings and M​iniMax has none. If you need a small image, O​penAI goes down to 655,360 pixels and M​iniMax does not go below about 4 MP. And if you need the current best in that family rather than the previous generation, the 2.6 variants are the same price.

OrcaRouter routes both GPT Image 2.5 variants — gpt-image-2.5-sunburst and gpt-image-2.5-flare — under one key, at provider list price with 0% markup passed through, so a cut or a retirement on O​penAI's side is reflected the day it happens rather than the next time you migrate a billing integration. We do not serve MiniMax-H3-Image; it has no route on our catalogue, and the honest path to it today is M​iniMax's own API or the 135 GB of downloads. What we can do in a comparison like this is keep the measured side cheap to test and easy to fail over from, which is the part of the decision that does not depend on an arena score.

ما الذي سيجعل هذا مقارنة حقيقية؟

Two things, and both are weeks rather than months away. The first is a MiniMax-H3-Image entry on an image arena with a few thousand samples, which will either confirm the price is a bargain or show it as what it currently is — an untested discount. The second is a per-image token figure from O​penAI at 2K and 4K, because the $0.21 estimate is a 1K number and the whole price argument shifts if the 4K multiplier is not what people assume.

إلى أن يتوفر كلا الطرازين، يظل القرار واضحًا على نحو غير معتاد: اشترِ النموذج المدروس للأعمال التي يجب تسليمها بدقة متوسطة، وتعامل مع MiniMax-H3-Image بوصفه مرشحًا للمهام التي لا يستطيع GPT Image 2.5 القيام بها بنيويًا — ستة عشر ميغابكسل، أو إمكانية إعادة الإنتاج الدقيقة، أو أحجام العمل التي تعوّض فيها فجوة السعر بنسبة عشرة إلى واحد تكلفة التقييم عدة مرات.