MiniMax-H3-Image vs. FLUX 3: Koordinaten oder Pixel – zwei unterschiedliche Auffassungen von Kontrolle

Setzt man diese beiden Modelle vor dasselbe Briefing, scheitern sie in entgegengesetzte Richtungen. MiniMax-H3-Image liefert sechzehn Megapixel, sechzehn Referenzbilder und einen Sechs-Schritt-Sampler – und keine Möglichkeit, außer in Prosa anzugeben, wohin etwas gehört. FLUX 3 bietet in seiner Bildstufe für jedes Element eine Bounding Box auf einem 0–1000-Raster, geschrieben als [y_min, x_min, y_max, x_max]; du kannst jeweils eine Box bearbeiten, ohne den Rest des Bildes anzutasten, und seine Auflösungsleiter beginnt bei 768 Pixeln. Das eine Modell verkauft Kapazität, das andere Richtung. Wenn dein Problem ein Produktfoto ist, das ein Zuschneiden auf ein Billboard überstehen muss, ist MiniMax-H3-Image das einzige der beiden, das die Datei erzeugen kann. Wenn dein Problem darin besteht, dass das Logo des Kunden oben links bei exakt 12 % der Bildbreite stehen muss, ist FLUX 3 das einzige, das die Anweisung annimmt.

Both are recent, and neither is a launch in this article. FLUX 3 was announced by Black Forest Labs on 23 July 2026 as a unified video, image, audio and action model; the image tier that this comparison is about went live with a published rate card on 1 October 2026. MiniMax-H3-Image's weights landed on Hugging Face on 10 November 2026 at 14:50 UTC, with a one-line card in M​iniMax's API release notes and no blog post anywhere on the company's site. So this is a comparison between a model that has had six weeks of paying traffic and one that had its first full day in public yesterday. That asymmetry runs through everything below, and it is the reason the honest answer at the end is conditional rather than a winner.

Was Sie mit jeder einzelnen festlegen können

Die Steuerungsoberfläche von FLUX 3 ist räumlich, und sie ist der eigenwilligste Aspekt des Modells. Die Leinwand ist immer ein normalisiertes 0–1000-Raster auf beiden Achsen, sodass ein Layout-Prompt auflösungsunabhängig ist: Du beschreibst die globale Szene in einer Bildbeschreibung, listest dann Elemente mit einer ID, einer Box und einer Beschreibung auf und zitierst die IDs innerhalb der Bildbeschreibung. Das Modell plant die Anordnung — BFL dokumentiert einen Agentenmodus, in dem ein LLM das Layout erzeugt — und anschließend bleibt jede Box weiterhin bearbeitbar. Du kannst eine Box neu beschreiben, ersetzen oder verschieben, und die Regionen, die du nicht berührt hast, bleiben fixiert. Referenzen sind nummerierte Token, ref_image_0 aufwärts, bis zu zehn davon, und sie werden zu einer Szene zusammengesetzt statt als Kandidaten gestapelt.

Die Steuerungsoberfläche von MiniMax-H3-Image ist positions- und textbasiert. Prompt-Text wird als bis zu 32.000 Zeichen eingegeben, von denen ungefähr die ersten 4.096 Tokens wirksam werden. Referenzen werden als bis zu sechzehn Bilder übergeben, die in der Upload-Reihenfolge adressiert werden — <Bild 1>, <Bild 2> — ohne jede Texteingabe: Nichts in der API sagt dem Modell, welche Referenz die Figur, welche das Produkt und welche der Hintergrund ist. Die gesamte Bearbeitung wird in Sprache ausgedrückt. Es gibt keinen zweiten Durchlauf, keinen maskierten Bereich und kein Koordinatensystem.

Dieser Unterschied ist keine einseitige Funktionslücke. Sechzehn untypisierte Slots bieten mehr Spielraum als zehn nummerierte Referenzen, und eine Bildbeschreibung, die eine Beziehung beschreibt – „die Frau aus Bild 3, die die Jacke aus Bild 7 trägt, in dem Raum aus Bild 1“ –, enthält Informationen, die eine Bounding Box nicht liefern kann. Doch eine Bounding Box liefert eine Präzision, die eine Bildbeschreibung nicht liefern kann, und MiniMax-H3-Image hat kein Äquivalent.

Die Zahlen, Dimension für Dimension

• Ausgabegrenze — FLUX 3 Image: 4K, ausgegeben als 5456×3072, etwa 16,8 MP. MiniMax-H3-Image: etwa 16 MP bei jedem Seitenverhältnis, 4096×4096 bei 1:1 bis zu 6272×2688 bei 21:9, von der API auf 20 MP begrenzt.

• Ausgabeuntergrenze — FLUX 3 Image: 768×768. MiniMax-H3-Image: Die Karte nennt rund 4 MP als praktische Untergrenze, ohne jegliche Stufe für kleine Bilder.

• Preis bei 1K — FLUX 3 Image: 0,048 $. MiniMax-H3-Image: 0,02179 $.

• Preis bei 2K — FLUX 3 Image: 0,10 $. MiniMax-H3-Image: 0,02333 $.

• Preis in 4K — FLUX 3 Image: 0,607 $. MiniMax-H3-Image: 0,06879 $ Listenpreis, 0,03439 $ mit einem Rabatt, der am 17. November 2026 um 16:00 UTC ausläuft.

• Referenzen — FLUX 3 Image: bis zu 10, nummeriert, kostenlos. MiniMax-H3-Image: bis zu 16, positionsbasiert, abgerechnet als Eingabebild-Tokens zu 1,50 US-Dollar pro Million.

• Bearbeiten — FLUX 3 Image: auf Boxen begrenzt, mehrere Boxen pro Anfrage, unberührte Bereiche bleiben erhalten. MiniMax-H3-Image: ganzes Bild, per Prompt beschrieben, bis zu 16 Referenzen in einem Aufruf.

• Gewichte — FLUX 3 Image: nicht veröffentlicht; Lizenzen für kommerzielle Gewichte werden im großen Stil über BFL-Vertrieb an Unternehmen verkauft, und das FLUX 3 Dev-Backbone bleibt „in Kürze verfügbar“. MiniMax-H3-Image: ab heute herunterladbar, 68,65 GB plus ein 66,7 GB großer Encoder, der von MiniMax-H3 übernommen wurde.

• Sampling – MiniMax-H3-Image: fest auf sechs Schritte eingestellt, keine classifier-freie Guidance, andere Werte werden mit HTTP 400 abgelehnt. FLUX 3 Image: keine veröffentlichte Schrittanzahl oder Guidance-Steuerung; die Image-Stufe ist nur über die API verfügbar.

• Unabhängige Bewertung — FLUX 3 Image: Elo 1116 auf dem Text-to-Image-Board von Artificial Analysis, 16. von 108, über 6.457 Samples; Elo 1119 auf dem Editing-Board, 17., über 5.256 Samples. MiniMax-H3-Image: kein Eintrag auf einem der beiden Boards und auch keine Bewertungstabelle des Anbieters.

Die Preisdifferenz ist größer als die Auflösungsdifferenz, und sie weist in die andere Richtung.

Bei 1K kostet MiniMax-H3-Image 0,02179 $ und FLUX 3 Image 0,048 $ – etwas mehr als die Hälfte. Bei 2K weitet sich das Verhältnis auf etwa vier zu eins aus. Bei 4K sind es fast neun zu eins: 0,607 $ gegenüber 0,06879 $, oder zwölf zu eins gegenüber den rabattierten 0,03439 $. Diese Kurve ist die mit Abstand folgenreichste Tatsache in diesem Vergleich, und es lohnt sich zu verstehen, warum sie so verläuft, statt anzunehmen, ein Anbieter wolle die Kunden nur abzocken.

FLUX 3 Image's ladder — $0.041, $0.048, $0.07, $0.10, $0.607 — is close to proportional to pixels up to 2K and then jumps hard at 4K. M​iniMax's ladder is nearly flat: $0.02179, $0.02333, $0.06879. Sixteen times the pixels for a little over three times the money. M​iniMax meters tokens and the token count does not scale with area the way a naive model would predict; BFL appears to price the 4K tier as a premium product. Whatever the reasoning on either side, the practical consequence is that at the resolution both models were built for, the open-weight one is nearly an order of magnitude cheaper.

That is also where the comparison stops being symmetrical. If you only ever generate 1K images, the price difference is two and a half cents and FLUX 3's layout control is probably worth more than the saving. The 4K tier is the only tier where the arithmetic changes a decision, and it is exactly the tier where M​iniMax's discount is temporary.

Was sechs Wochen Traffic bringen, und was ein Tag nicht.

FLUX 3 Image wurde bewertet. Artificial Analysis platziert es auf Platz 16 bei Text-to-Image mit Elo 1116 über 6.457 Samples und auf Platz 17 beim Editing mit Elo 1119 über 5.256 – im Mittelfeld, über FLUX.2 [max] und unter dem Großteil des aktuellen Nano-Banana- und MAI-Felds, bei einem Listenpreis von 48 $ pro tausend Bilder. Das kann man neben die Zahl eines Wettbewerbers legen und eine Entscheidung treffen. Man kann auch beobachten, wie es sich mit mehr eintreffenden Samples verschiebt – genau das ist bei mehreren Modellen über ihm passiert.

MiniMax-H3-Image hat nichts Vergleichbares. Kein niedriger Wert – gar kein Wert. Die Karte des Anbieters behauptet „die stärkste Instruction-Following-Leistung unter Open-Source-Modellen“ ohne Tabelle, und das Showcase-Raster auf der Modellseite ist der einzige Beleg für vorhandene Ausgaben. Ein Tag in der Öffentlichkeit ist nicht genug Zeit, damit eine Blind-Arena Stichproben für ein Modell sammeln kann, das zehn Sekunden pro Generierung benötigt, daher ist das Fehlen erwartbar und nicht verdächtig. Es ist dennoch ein Fehlen, und das bedeutet, dass das Qualitätsargument für MiniMax-H3-Image derzeit ein Argument aus der Architektur und aus dem Preis ist.

Das Architekturargument ist nicht leer. Ein dichter 33,1B-Diffusionstransformer, destilliert auf sechs Schritte ohne Guidance, ist eine bewusste Entscheidung über die Serving-Kosten, und sechs Schritte sind der Grund, warum eine 16-MP-Generierung eine Anfrage und kein Batch-Job ist. Die Formulierung der Modellkarte selbst – 16 MP „zu praktikablen Rechenkosten“ – ist eine FLOPs-Aussage, und sie ist mit allem im Repository konsistent. Sie ist nur keine Qualitätsaussage, und die beiden werden in jedem Launch-Post vermischt.

Wo jedes einzelne im Produktionsbetrieb versagt

Die Grenze von FLUX 3 ist seine kleinste Ausgabe. Eine Untergrenze von 768 Pixeln und eine Obergrenze von 4K bedeuten, dass das Modell in dem Bereich komfortabel arbeitet, in dem die meiste kommerzielle Arbeit stattfindet, und es liefert Ihnen keine 6000 Pixel breite Vorlage. Es ist außerdem geschlossen: Sie können es nicht herunterladen, Sie können keinen Checkpoint festlegen, und BFLs Lizenzseite verkauft Self-Hosting an Unternehmen mit großem Volumen statt an Einzelpersonen. Wenn BFL einen Tarif ändert oder eine Stufe einstellt, ändert sich Ihre Pipeline mit. Sechs Wochen Traffic sind eine Erfolgsbilanz, keine Garantie.

MiniMax-H3-Image's limit is the licence, and it is stricter than “open weight” suggests. The MiniMax-H3-Image Community License Agreement excludes the European Union, the United Kingdom, the Republic of Korea and the United States by definition; requires separate written authorisation above one million US dollars of annualised revenue; requires the same for any hosted service with no revenue floor; requires the model's name displayed prominently on commercial interfaces; and forbids using outputs to train other models. If you are in one of those territories and building a product, the open weights are not available to you on these terms, and the hosted API — which M​iniMax sells — is the path that remains.

Es gibt eine dritte Grenze, die beide gemeinsam haben und die in keinem Launch-Post erwähnt wird: die Evaluierungsschleife. Keines der beiden Modelle bietet eine Möglichkeit herauszufinden, ob ein bestimmter Prompt funktionieren wird, außer ihn zu generieren. Die Boxen von FLUX 3 reduzieren den Raum möglicher Fehler auf die Platzierung, die im Code überprüfbar ist. Die Fehler von MiniMax-H3-Image sind semantisch, was bedeutet, dass ein Mensch hinschauen muss. Bei einer Pipeline, die täglich Tausende von Bildern generiert, können diese Unterschiede bei den Verifizierungskosten die Unterschiede bei den Generierungskosten übersteigen.

Welchen anrufen?

Wenn das Lieferergebnis groß ist – eine Druckplatte, ein Hintergrund, der auf drei Seitenverhältnisse zugeschnitten wird, ein 4K-Hero, der bei 100 % noch Details halten muss –, dann ist MiniMax-H3-Image die einzige Seite hier, die die Datei überhaupt erzeugt, und mit 0,06879 $ pro Frame ist sie zugleich mit großem Abstand die günstigere. Nimm sie, kalkuliere mit dem Listenpreis statt mit dem rabattierten Betrag, und lies die Lizenz, bevor du ein Produkt darauf aufbaust.

Wenn das Ergebnis kompositorisch ist – ein Layout, das exakt sein muss, eine Bearbeitung, die alles andere unangetastet lassen muss, ein Markensystem, bei dem die Platzierung der ganze Punkt ist –, ist FLUX 3 die einzige Seite mit den Steuerungsmöglichkeiten, und es ist bewertet, was bedeutet, dass Sie vorhersagen können, was Sie kaufen. Zweieinhalb Cent mehr bei 1K sind dort nicht die entscheidende Zahl.

Wenn du beides brauchst, funktioniert am besten das Muster, die Aufgabe aufzuteilen, statt sich für eine Seite zu entscheiden: Komponiere und bearbeite bei der Auflösung, mit der FLUX 3 umgehen kann, und skaliere dann den freigegebenen Frame auf 16 MP hoch oder generiere ihn neu. Das sind zwei Aufrufe und zwei Abrechnungen statt einer, und es ist immer noch billiger, als nach hundert Generierungen festzustellen, dass dein Modell ein Logo in der Ecke nicht halten kann.

Neither model is on OrcaRouter's catalogue today — FLUX 3 Image is a direct Black Forest Labs call, and MiniMax-H3-Image is M​iniMax's own API or your own GPUs — so nothing here is a routing recommendation. What we do carry is the video half of M​iniMax's H3 family, minimax/minimax-h3, alongside the image routes we do host, under one key with 0% markup on provider list price. The reason that matters in a comparison like this one is failover: when a 16 MP request takes longer than your client's timeout, a second route under the same interface is worth more than a better per-image price. Long, billed-on-timeout generations are precisely the workload where a fallback earns its keep, and M​iniMax charges for a timeout rather than refunding it.

Die Frage, die es klären wird

Was in diesem Vergleich fehlt, ist keine Spezifikation. Es ist ein Stichprobenumfang. Wenn MiniMax-H3-Image in einer Image-Arena mit einigen tausend Blindvotes erscheint, ist die Preisdifferenz nicht mehr das Hauptargument, sondern wird zu einem Tauschgeschäft: eine bestimmte Menge gemessener Qualität für eine bestimmte Menge Geld. Bis dahin ist FLUX 3 das Modell, über das man nachdenken kann, und MiniMax-H3-Image das Modell, das man testen muss, und die Kosten für den Test sind niedrig genug – ein paar Dollar und ein Nachmittag –, dass jeder mit einem 4K-Deliverable einfach den Test durchführen sollte, statt auf den von jemand anderem zu warten.