MiniMax-H3-Image vs. Nano Banana 2.1: Fast derselbe Preis, aber nicht im Entferntesten dieselbe Beweislage

Zwei Bildmodelle, beide für rund drei Cent pro Bild, und die Entscheidung zwischen MiniMax-H3-Image und Nano Banana 2.1 wird nicht durch den Preis entschieden. Bei 1024×1024 Pixeln kostet der Open-Weight-Neuankömmling 0,02179 $ pro Generierung, und Nano Banana 2.1 von Google kostet 0,0336 $ – ein Unterschied von etwa einem Cent. Bei 4096×4096 Pixeln wächst die Lücke auf 0,06879 $ gegenüber 0,113 $. Das günstige Modell ist also tatsächlich günstiger, und zwar um ein Drittel bis die Hälfte. Was man derzeit zu keinem Preis kaufen kann, ist ein Grund, an die Qualitätsbehauptung des günstigen Modells zu glauben, denn niemand außerhalb von MiniMax hat sie gemessen. Nano Banana 2.1 liegt auf beiden Bild-Ranglisten von Artificial Analysis auf Platz vier, wobei hinter jedem Rang Tausende von Samples stehen. MiniMax-H3-Image erscheint auf keiner der beiden Ranglisten – in keiner Position, mit keiner Sample-Anzahl. Diese Asymmetrie macht den ganzen Vergleich aus, und keine noch so große Datenblatt-Arithmetik schließt sie.

Es lohnt sich, bei den Daten konkret zu werden, bevor wir weitergehen, denn die beiden Modelle befinden sich nicht in derselben Lebensphase. Nano Banana 2.1 ist seit dem 6. Oktober 2026 allgemein verfügbar als gemini-nano-banana-2.1, und es ersetzte gemini-3.1-flash-image, das Google mit einem Abschaltdatum vom 29. Oktober 2026 abgekündigt hat – wenn du also das ältere aufgerufen hast, musstest du bereits wechseln. Die Gewichte von MiniMax-H3-Image wurden am 10. November 2026 um 14:50 UTC auf Hugging Face veröffentlicht, mit einem knappen Eintrag in MiniMax' API-Release-Notes vom selben Tag und ohne begleitenden Blogbeitrag. Das eine Modell hat einen Monat Produktionstraffic; das andere ist seit einem Tag herunterladbar. Urteile entsprechend.

Was Ihnen jedes einzelne tatsächlich liefert

Nano Banana 2.1 ist ein Derivat von Gemini 3.6 Flash, das ausschließlich über die API von Google verkauft wird. Drei Auflösungsstufen – 1K, 2K, 4K, und keine 512-Pixel-Option – mit Seitenverhältnissen aus dem üblichen Set, einem Eingabekontext von 131.072 Token und 32.768 Token Ausgabe. Es akzeptiert bis zu 14 Referenzbilder in einer einzigen Anfrage, die Google in 10 Objektreferenzen und 4 Charakterreferenzen aufteilt, und es kann eine Generierung auf Ergebnisse der Google Suche oder der Google Bildersuche stützen. Der Denkmodus ist standardmäßig auf Mittel aktiviert, wobei Minimal und Hoch verfügbar sind, und er lässt sich über die API überhaupt nicht ausschalten. Jede Ausgabe trägt ein SynthID-Wasserzeichen.

MiniMax-H3-Image ist ein dichter Diffusion-Transformer mit 33,1 Mrd. Parametern, mit einem CNN-Encoder und einem 24-schichtigen ViT-Decoder für sein VAE, veröffentlicht unter M​iniMax' eigener Community-Lizenz. Text-zu-Bild und Bearbeitung laufen beide über ein einziges Endpoint-Paar; Bearbeitungen nehmen 1 bis 16 Referenzbilder entgegen, die positionsmäßig als <Picture 1> bis <Picture 16> in Upload-Reihenfolge adressiert werden, und das Modell ist auf sechs Sampling-Schritte destilliert, ohne Classifier-Free Guidance — die bereitgestellte API gibt HTTP 400 zurück, wenn Sie etwas anderes als num_inference_steps=6 und guidance_scale=1 übergeben. Die Ausgabefläche ist über die API auf 20.000.000 Pixel begrenzt, mit Flächenstufen bei 1K, 2K und 4K und 4K als Standard; die Modellkarte gibt ungefähr 16 Megapixel bei jedem Seitenverhältnis an. Es gibt kein Search-Grounding, kein Thinking-Budget und kein Wasserzeichenverfahren, das irgendwo im Repository oder in der Lizenz angegeben wird.

Die Fähigkeitslisten weichen so voneinander ab, dass sich das sauber darauf abbilden lässt, für wen jedes Produkt gedacht ist. Google lieferte Orchestrierung: Referenzen, Retrieval, ein Reasoning-Budget, Herkunftsmarkierungen. MiniMax lieferte Auflösung und Kontrolle: sechzehn Referenzslots, eine Obergrenze von 20 Megapixeln, einen festen sechsschrittigen Sampler, den Sie exakt auf Ihrer eigenen Hardware nachbilden können.

Die Preisstaffel, wobei das Rabattfenster ausdrücklich angegeben ist

Nano Banana 2.1 wird mit 30 $ pro Million Ausgabebild-Tokens abgerechnet, was sich laut der eigenen Dokumentation von Google auf 0,0336 $ pro 1K-Bild, 0,0504 $ pro 2K-Bild und 0,113 $ pro 4K-Bild beläuft. Eingabebilder werden mit 1,50 $ pro Million Tokens berechnet und Textausgabe mit 7,50 $ pro Million. Es gibt eine Batch-Stufe zu der Hälfte dieser Ausgabesätze für Aufträge, die warten können, und Artificial Analysis führt den effektiven 1K-Satz als 33,60 $ pro tausend Bilder auf — dieselbe Zahl in der Großmengen-Darstellung.

MiniMax-H3-Image wird im Prinzip auf dieselbe Weise abgerechnet, führt aber zu ganz anderen Ergebnissen. Standard-Tarif: 2,30 $ pro Million Eingabe-Text-Tokens, 1,50 $ pro Million Eingabe-Bild-Tokens, 3,80 $ pro Million Ausgabe-Bild-Tokens. Durchgerechnet anhand der eigenen Beispiele des Anbieters:

• 1K-Text-zu-Bild — Nano Banana 2.1 $0.0336 vs. MiniMax-H3-Image $0.02179.

• 2K-Text-zu-Bild — 0,0504 $ vs. 0,02333 $.

• 4K-Text-zu-Bild — 0,113 $ vs. 0,06879 $ oder 0,03439 $ mit dem zeitlich begrenzten 50%-Rabatt von MiniMax.

• Bearbeiten mit einer Referenz — G​oogle veröffentlicht in diesen Tarifstufen keinen Preis pro Bildbearbeitung; M​iniMax berechnet 0,02654 $ bei 1K, 0,02658 $ bei 2K und 0,07312 $ bei 4K.

• Bearbeiten mit drei Referenzen — 0,03563 $ bei 1K, 0,04177 $ bei 2K, 0,07914 $ bei 4K auf M​iniMax.

Zwei Details in dieser Staffelung sind leicht zu übersehen und verändern die Rechnung. Erstens gilt MiniMax' Rabatt nur, wenn das gelieferte Bild mindestens 16.600.000 Pixel hat, und er läuft am 17. November 2026 um 16:00 UTC aus – sechs Tage, nachdem die Gewichte veröffentlicht wurden. Wer eine Pipeline mit dem rabattierten 4K-Preis kalkuliert, kalkuliert auf Basis einer Aktion. Zweitens ist MiniMax' Staffelung ungewöhnlich flach: sechzehnmal so viele Pixel für etwas mehr als das Dreifache an Geld, weil der Zähler Tokens sind und die Token-Anzahl nicht so mit der Fläche skaliert, wie es der Listenpreis vermuten lässt. Googles Staffelung ist eher proportional. Bei 4K, der Auflösung, für die das Open-Weight-Modell gebaut wurde, liegt in dieser Flachheit die eigentliche Ersparnis.

Was eine Routing-Schicht hier leistet, ist, dass man sich nicht darum kümmern muss, welchen der beiden Zähler man gerade nutzt. OrcaRouter reicht den Listenpreis der Anbieter mit 0 % Aufschlag durch, was bedeutet, dass eine Preisänderung eines Anbieters – einschließlich einer Aktion wie der von M​iniMax und einschließlich deren Ablauf – bei uns noch am selben Tag live ist, statt auf eine Abrechnungsmigration zu warten. Keines der Modelle in diesem Vergleich ist in unserem Katalog: MiniMax-H3-Image ist eine Woche alt und hat keine gehostete Route, und Nano Banana 2.1 wird über G​oogles eigene API erreicht. Was wir aus dieser Linie tatsächlich führen, ist die vorherige Generation, google/gemini-3.1-flash-image-preview, daneben O​penAIs Bild-Routen und eine Video-Route für M​iniMax' H3. Der Grund, das so deutlich zu sagen, ist, dass ein Beitrag, der einen ungemessenen Open-Weight-Checkpoint mit einem bewerteten geschlossenen vergleicht, nicht so tun sollte, als wäre der neue Checkpoint nur einen Tastendruck entfernt.

Nur eine Seite davon hat eine Anzeigetafel.

Artificial Analysis bewertet Nano Banana 2.1 mit Elo 1160 auf seinem Text-zu-Bild-Board – Platz vier bei über 6.055 Stichproben – und mit Elo 1137 auf seinem Bildbearbeitungs-Board, ebenfalls Platz vier, bei über 5.968 Stichproben. Beide Platzierungen weisen einen Rangbereich von Platz vier bis sechs auf, je nachdem, welches Intervall man heranzieht. Diese sind unabhängig, gesampelt und mit jedem anderen Modell auf dem Board vergleichbar – einschließlich der Modelle, die Sie bereits verwenden.

MiniMax-H3-Image hat auf keiner der beiden Ranglisten einen Eintrag. Kein niedriger Eintrag; gar keiner. Die Karte des Anbieters nennt es „ein führendes Bildmodell mit offenen Gewichten“, und das Showcase-Raster des Repositorys ist der einzige vorhandene Beleg für die Ausgabequalität – also genau die Art von Beleg, die darauf ausgelegt ist, gut auszusehen. Auch eine Evaluierungstabelle des Anbieters gibt es nicht – kein GenEval, kein DPG-Bench, keine Zahlen zu menschlichen Präferenzen, nichts, womit man sich mit der veröffentlichten Evaluierung eines Wettbewerbers vergleichen ließe. In einem Monat kann das anders sein. Heute lautet die ehrliche Zusammenfassung, dass das günstigere Modell günstiger ist und das gemessene Modell gemessen ist, und die beiden Fakten stehen nicht im Widerspruch zueinander, weil sie sich auf verschiedene Dinge beziehen.

Es gibt eine Kostenposition zweiter Ordnung, die der Preis pro Bild vollständig verbirgt, und sie ist die größte Zahl in diesem Artikel: 68,65 GB Diffusions-Transformer und VAE in BF16 und FP32, zuzüglich eines Text-Encoders, der überhaupt nicht im Repository enthalten ist. MiniMax-H3-Image lädt text_encoder/ aus dem MiniMax-H3-Videomodell, 66,7 GB Qwen3-VL, sodass eine erste lokale Generierung ein Download von rund 135 GB über zwei Repositories hinweg ist. Hinzu kommen die GPUs: die eigene Serving-Anleitung von M​iniMax für vLLM-Omni nennt H200, RTX PRO 6000 Blackwell und AMD Instinct MI350X, und Multi-GPU-Sequenzparallelität — --ulysses-degree auf SGLang, --usp auf vLLM-Omni — ist der dokumentierte Weg, bei voller Auflösung akzeptable Latenz zu erreichen. Bei $0,02179 pro 1K-Bild ist die API für sehr lange Zeit günstiger als der Strom. Die offenen Gewichte sind wertvoll für die Kontrolle und für die Lizenzbedingungen, nicht für die Unit Economics im kleinen Maßstab.

Limits, die mehr Deployments bestimmen als Qualität.

Die Auflösungsobergrenze ist der offensichtliche Punkt – und zwar mit großem Abstand. Nano Banana 2.1 hört bei 4K auf. MiniMax-H3-Image erreicht über die API 20 Megapixel und in den Beispielen auf der Model Card rund 16 Megapixel – 4096×4096 bei 1:1, 6272×2688 bei 21:9, 5472×3072 bei 4K 16:9. Wenn es sich bei Ihrem Ergebnis um eine Druckplatte in Druckgröße oder um einen Hintergrund handelt, der stark beschnitten wird, ist das geschlossene Modell aus dem Rennen, bevor die Qualität überhaupt zur Debatte steht, und die beiden Modelle in diesem Artikel treten gar nicht mehr gegeneinander an.

Die Handhabung von Referenzen ist genau umgekehrt. Googles 14 Referenzen sind typisiert – 10 Objekte, 4 Charaktere – und die Typisierung leistet Arbeit: Sie sagt dem Modell, welche Rolle jedes Bild spielt. Die 16 von MiniMax sind untypisierte Slots, die über ihre Position adressiert werden – mehr Spielraum und weniger Struktur. Wenn Ihr Workflow „diese Person in diese Jacke vor diesem Hintergrund setzen“ lautet, ist Googles Typisierung das entscheidende Feature. Wenn er „hier sind sechzehn Frames, halte die Identität über alle hinweg“ lautet, ist die Obergrenze von MiniMax das entscheidende Feature. Keines von beiden ist eine Obermenge.

Das Prompt-Budget ist der dritte Punkt. Nano Banana 2.1 verfügt über 131.072 Token Eingabekontext. MiniMax-H3-Image akzeptiert bei der bereitgestellten API bis zu 32.000 Zeichen, doch bei deaktiviertem Prompt-Enhancement wirken nur ungefähr die ersten 4.096 Token, und der lokale SGLang-Pfad kappt schlicht bei 4.096 Token. Für ein Modell, dessen Verkaufsargument die Instruction-Following-Fähigkeit ist, ist das ein knappes Budget – weshalb MiniMax einen Begleiter ausgeliefert hat: MiniMax-H3-Image-PE, ein 27B-FP4-Fine-Tune von Qwen3.8-27B, das eine kurze Anfrage in eine lange Bildbeschreibung plus eine Seitenverhältnis-Empfehlung umschreibt und dies als JSON gemäß einem Schema ausgibt. Es passt in etwa 19 GiB VRAM. Seine Bearbeitungsseite wird als reines Prompt-Verfahren beschrieben und befindet sich noch in Entwicklung, sodass der Expander derzeit bei Text-zu-Bild hilft und nicht viel darüber hinaus.

Und die Lizenz, für die es auf Googles Seite kein Gegenstück gibt, weil es nichts zu lizenzieren gibt. MiniMax’ Community-Vereinbarung verlangt eine gesonderte vorherige schriftliche Genehmigung ab einem annualisierten Umsatz von einer Million US-Dollar oder – wenn Sie gehostete Dienste anbieten – verlangt sie, dass die Worte „MiniMax-H3-Image“ auf jeder kommerziellen Oberfläche, die es verwendet, deutlich sichtbar angezeigt werden, beschränkt die Nutzung auf ein festgelegtes Gebiet und verbietet, Ausgaben zum Trainieren oder Verbessern anderer Modelle zu verwenden. Googles Bedingungen sind ein Standard-API-Vertrag. „Open weights“ bedeutet hier eine Lizenz, die man lesen muss, nicht eine Lizenz, die man ignorieren kann.

Wie die beiden Rechnungen für einen echten Monat aussehen

Angenommen, Sie erzeugen 20.000 Bilder pro Monat in 2K. Nano Banana 2.1 kostet 1.008 US-Dollar zum Listenpreis oder 504 US-Dollar im Batch-Tarif, wenn der Auftrag in die Warteschlange kann. MiniMax-H3-Image kostet 466,60 US-Dollar zum Listenpreis über MiniMax' API – oder selbst gehostet, was auch immer zwei bis vier dieser GPUs Sie für die dafür benötigten Stunden kosten, was für die meisten Teams mehr ist. Angenommen, Sie erzeugen stattdessen 2.000 Bilder pro Monat in 4K und das Rabattfenster ist geschlossen: 226 US-Dollar für Google, 137,58 US-Dollar für MiniMax. Die Ersparnis ist real, und sie liegt pro Monat im dreistelligen Bereich, nicht im fünfstelligen. Das ist die richtige Größenordnung der Belohnung, und sie sollte gegen die Kosten abgewogen werden, der Erste zu sein, der herausfindet, wo ein nicht vermessenes Modell versagt.

Diese Asymmetrie spricht für ein bestimmtes Muster statt für einen Sieger. Leite den Produktionspfad zu dem Modell mit der Bestenliste und schicke einen Teil des Traffics an das günstige, um deine eigenen Belege aufzubauen – ein fester Prompt-Satz, deine eigene Prüfung, zwei Wochen Vergleich. Genau dafür ist Failover eigentlich gedacht: ein unbekanntes Modell als Kandidatenroute statt als Ersatz zu behandeln, mit dem bewährten Modell dahinter, wenn ein Auftrag falsch zurückkommt. Sechsstufiges ungeführtes Sampling bei 16 Megapixeln ist auch gemessen an Bildverhältnissen eine lange Anfrage, und auf der Seite von MiniMax ist es nicht idempotent – ein Client-Timeout wird abgerechnet, und die OpenAI-SDKs wiederholen standardmäßig zweimal, sofern du nicht max_retries=0 setzt. Lange, bei Timeout abgerechnete Anfragen sind genau die, unter denen du eine zweite Route haben willst.

Die Frage, die das in etwa einem Monat klärt

Keines der beiden Modelle ist die falsche Wahl; die Wahl hängt davon ab, ob Sie es sich leisten können, derjenige zu sein, der misst. Wenn das Ergebnis eine Anzeigetafel braucht, bevor es eine Entscheidung braucht, ist Nano Banana 2.1 die einzige Seite dieses Vergleichs, die eine hat, und in 4K kostet es $0.113 gegenüber den $0.06879 von MiniMax — ein Unterschied, den Sie intern mehr als einmal diskutieren werden. Wenn das Ergebnis 16 Megapixel braucht, sind typisierte Referenzen irrelevant und die Auflösung entscheidend, und MiniMax-H3-Image ist die einzige Seite, die es liefert.

Was die Sache entscheiden würde, ist das, was noch nicht passiert ist: eine unabhängige Platzierung. MiniMax-H3-Image ist seit einem Tag öffentlich, seine Lizenzbedingungen wurden noch Stunden nach dem Auftauchen der Gewichte im Diskussionsthread des Repositorys erfragt, und sein eigener Prompt-Expander ist erst halb fertig. Wenn es mit einer Stichprobenzahl bei Artificial Analysis auftaucht, hört die Preislücke auf, ein Hilfsargument zu sein, und wird zu einer echten Abwägung. Bis dahin kaufen Sie das vermessene Modell für die Arbeit, die ausgeliefert werden muss, und behandeln Sie das günstige als Kandidaten, den Sie gerade bewerten – nicht als Ersatz, für den Sie sich entschieden haben.