MiniMax-H3-Image vs. Qwen-Image 2.1: Zwei offene Checkpoints, zwei unterschiedliche Sperren

Beide Modelle sind herunterladbar, und keines von beiden ist kostenlos nutzbar in der Bedeutung, die dieses Wort üblicherweise impliziert. MiniMax-H3-Image — ein Download von 68,65 GB, bei dem allein der Transformer 66,28 GB umfasst, zuzüglich eines 66,7-GB-Textencoders, mit am 10. November 2026 veröffentlichten Gewichten — wird unter einer Community-Lizenz vertrieben, die die Europäische Union, das Vereinigte Königreich, die Republik Korea und die Vereinigten Staaten von der Lizenzgewährung ausschließt und bei einem annualisierten Umsatz von über 1 Mio. US$ oder für jeden gehosteten Dienst eine schriftliche Genehmigung von MiniMax verlangt. Qwen-Image 2.1, veröffentlicht vom Qwen-Team von Alibaba am 20. September 2026 und mit 33,13 GB etwa ein Viertel der Downloadgröße, wird unter der Qwen Research License Agreement vertrieben; deren Abschnitt 2(a) Rechte „AUSSCHLIESSLICH FÜR NICHTKOMMERZIELLE ZWECKE“ gewährt und deren Abschnitt 2(b) eine kommerzielle Nutzung ohne separate Lizenz untersagt. Eine Sperre ist geografisch und an eine Umsatzschwelle geknüpft; die andere ist absolut. Wenn Sie hierhergekommen sind, um das Modell auszuwählen, das Sie in ein Produkt einbauen können, haben die Lizenzdateien die Frage bereits beantwortet, und der Rest dieses Vergleichs betrifft die viel engere Gruppe von Nutzungen, bei denen Ihnen diese Antwort noch eine Wahl lässt.

Der technische Kontrast ist genauso scharf, und er verläuft entgegengesetzt zu dem, was Parameterzahlen vermuten lassen. Qwen-Image 2.1 ist ein visueller Generator mit 7 Milliarden Parametern, der in vierzig Schritten entrauscht. MiniMax-H3-Image ist ein dichter Transformer mit 33,1 Milliarden Parametern, der auf sechs Schritte destilliert wurde. Der eine ist dafür gebaut, auf eine Workstation zu passen; der andere ist dafür gebaut, eine gehostete Anfrage augenblicklich wirken zu lassen. Herauszufinden, welcher pro tausend Bilder günstiger ist, ist keine Frage davon, Parameter mit irgendetwas zu multiplizieren — es ist eine Frage davon, wo die Kosten jeweils tatsächlich liegen.

Was „offen“ in jeder Lizenz bedeutet – Klausel für Klausel

Beginne mit Qwen, denn seine Bedingungen sind die einfacheren der beiden und im Normalfall die restriktiveren. Die Karte von Hugging Face kennzeichnet die Lizenz als other mit license_name: qwen-research, und die LICENSE-Datei im Repository ist die Qwen Research License Agreement vom 20. September 2026. Der maßgebliche Wortlaut ist eindeutig: Rechte werden ausschließlich für nichtkommerzielle Zwecke eingeräumt, „Non-Commercial“ ist als Forschung oder Evaluierung definiert, und wer etwas ausliefern möchte, muss eine Lizenz unter der in der Vereinbarung genannten Adresse beantragen. Es gibt keine Umsatzschwelle, keine territoriale Sonderregelung und keinen im Text festgeschriebenen Weg, über den sich ein kleines Unternehmen automatisch qualifizieren könnte. Es ist eine Forschungslizenz, und mehr nicht.

MiniMax' Vereinbarung ist im Grundsatz großzügiger und in der Praxis eigenartiger. Die Gewährung gilt weltweit, schließt jedoch vier Jurisdiktionen namentlich aus. Die kommerzielle Nutzung ist vorgesehen statt verboten, vorbehaltlich zweier Auslöser, die eine vorherige schriftliche Genehmigung erfordern, sowie einer Namensnennungsklausel, die jedes kommerzielle Produkt verpflichtet, „MiniMax-H3-Image“ in seiner Oberfläche deutlich anzuzeigen. Die Vereinbarung verlangt außerdem Schutzmaßnahmen für jeden Dienst, der Ausgaben erzeugt – implementieren, warten, testen und regelmäßig überprüfen –, eine Art Klausel, die ein Compliance-Team als Verpflichtung und ein Einzelentwickler als Standardfloskel liest.

Setzt man sie nebeneinander, ergeben die beiden Dokumente eine seltsame Karte. Ein Studio in Tokio kann MiniMax-H3-Image kommerziell nutzen, mit einer Genehmigung oberhalb der Schwelle, und Qwen-Image 2.1 überhaupt nicht kommerziell nutzen. Ein Studio in Kalifornien kann keines von beiden nutzen: MiniMax schließt das Gebiet schlicht aus, Qwen verbietet den Zweck. Eine Forschungsgruppe überall kann beide nutzen, da Forschung das ist, was Qwen gewährt und was die nichtkommerzielle Auslegung von MiniMax abdeckt. Dieser letzte Satz ist die ehrliche Zusammenfassung des Open-Weight-Bildbereichs im November 2026, und keine Benchmark-Tabelle ändert daran etwas.

Vierzig Schritte gegen sechs – und was das mit einer Rechnung macht.

Der Unterschied zwischen den Samplern ist die folgenreichste technische Gegebenheit in diesem Duell, denn er dominiert alle anderen Kostenaspekte.

• Schritte — Qwen-Image 2.1 verwendet standardmäßig auf dem Basis-Checkpoint Flow Matching mit Euler-Diskret-Zeitplanung bei vierzig Denoising-Schritten, ohne destillierte Variante im Basis-Repository. Der separate Qwen-Image 2.1 Turbo-Checkpoint, veröffentlicht am 9. Oktober 2026, reduziert dies auf acht Schritte mit CFG bei 1, wobei sein Zeitplan im Checkpoint gespeichert ist. MiniMax-H3-Image läuft mit sechs Schritten und ganz ohne Classifier-Free Guidance – kein Standard, sondern eine Einschränkung: Die bereitgestellte API gibt für jede andere Schrittanzahl oder jeden anderen Guidance-Wert HTTP 400 zurück und lehnt negative Prompts ab.

• Größe — Qwens Komponente zur visuellen Generierung hat 7 Mrd. Parameter in 32 Single-Stream-DiT-Schichten mit block-kausaler Attention; Text und Anweisungen bekommen eine kausale Maske auf Token-Ebene, die Bildgenerierung eine bidirektionale auf Chunk-Ebene. Das Modell von MiniMax ist dicht mit 33,1 Mrd. Parametern, 50 Schichten, Hidden Size 5.376, 56 Heads und FFN 14.336 sowie 3D-multimodalem RoPE und einem 2×2-Latent-Patch, der 32×32 Pixel pro Token abdeckt.

• Download — 33,13 GB insgesamt für Qwen-Image 2.1 (etwa 20,5 GB für Transformer und VAE, der Rest ein Qwen3-VL 8B Text-Encoder). Rund 135 GB für MiniMax, bevor man überhaupt etwas generiert hat.

Rechnet man das durch, kehrt sich die Intuition um. Ein 33B-Modell leistet bei sechs Schritten etwa 199B Parameter-Schritte Arbeit pro Bild; ein 7B-Modell leistet bei vierzig Schritten etwa 280B. Das größere Modell ist nicht automatisch das teurere — genau das ist der Sinn von Distillation und der Grund, warum „33B“ in einem Datenblatt Ihnen fast nichts darüber sagt, was ein Bild Sie kostet. Auf einer bestimmten Grafikkarte ist jedoch der 33B-Checkpoint derjenige, der bei sechzehn Megapixeln möglicherweise nicht passt, und MiniMax veröffentlicht in den Veröffentlichungsunterlagen nirgends eine Latenzangabe, kein Hardware-Rezept und keine Speicherhinweise, aus denen hervorgeht, ob er passt. Qwen veröffentlicht stattdessen feste Presets: 2048×2048 bei 1:1, 2400×1792 bei 4:3, 2752×1536 bei 16:9 und deren Transponierungen — mit etwa 4,2 Megapixeln an der Spitze, ein Viertel von MiniMax’ Angabe.

Diese Auflösungslücke ist kein Nebenaspekt des Kostenvergleichs. MiniMax’ Preisstaffel bis 4K ist ungewöhnlich flach, weil bei ihm in Tokens abgerechnet wird und die Tokenanzahl nicht mit der Fläche skaliert, wie man intuitiv erwarten würde – 0,02179 $ bei 1K gegenüber 0,06879 $ bei 4K, bevor der Einführungsrabatt die oberste Stufe halbiert. Qwen hat keine Staffel zum Vergleich, weil es kein gehostetes Basismodell zu kaufen gibt: Artificial Analysis führt Qwen-Image-2.1 ganz ohne Preis, was in diesem Board bedeutet: keine API. Die Pro- und Turbo-Stufen, die Alibaba tatsächlich hostet, sind völlig separate Zeilen, zu 35,33 $ bzw. 16 $ pro tausend Bilder.

Die eine Fähigkeit, die Q​wen hat, die M​iniMax nicht hat

Native Transparenz. Der VAE von Qwen-Image 2.1 ist ein 64-Kanal-RGBA-Autoencoder mit 16-facher räumlicher Kompression, sodass ein Alphakanal aus dem Modell kommt und nicht aus einem nachgelagerten Hintergrundentfernungsdurchgang. Das ist ein echter Workflow-Unterschied für alle, die Assets erstellen, die composited werden — Produkt-Freisteller, Sprites, mehrschichtige Designdateien —, und es ist nichts, wozu man MiniMax-H3-Image per Prompt bringen kann. Nichts in seinem Repository, seiner Modellkarte oder seiner Lizenz erwähnt einen Alphakanal, und sein VAE wird als CNN-Encoder mit einem 24-schichtigen ViT-Decoder und 24 latenten Kanälen beschrieben.

Der Rest der Fähigkeitsliste spricht auf dem Papier für M​iniMax und ist es wert, sorgfältig gelesen zu werden, weil das meiste davon vom Anbieter angegeben ist:

• Auflösung — Hier beginnt der 33B zielführend zu wirken. MiniMax-H3-Image erzeugt nativ bis zu etwa sechzehn Megapixel bei jedem Seitenverhältnis — 4096×4096 bis 6272×2688 — mit einer API-Obergrenze von 20 Megapixeln und ohne Upscaler im Prozess. Q​wens dokumentierte Presets erreichen maximal etwa 4,2 Megapixel.

• Referenzen — MiniMax-H3-Image nimmt bis zu sechzehn auf, und du verweist über den Slot auf sie: Der Prompt sagt <Picture 3> und meint damit die dritte Datei, die du hochgeladen hast. Qwen-Image 2.1 nimmt bis zu zehn auf, und zu seinen Beispielen gehört ein Gruppenfoto, das aus sechs Porträts zusammengesetzt wurde.

• Instruktionsbefolgung — MiniMax' Modellkarte behauptet „die stärkste Instruktionsbefolgung unter Open-Source-Modellen“, ohne dass eine Evaluationstabelle hinter diesem Satz steht. Qwen veröffentlicht einen VDEBench-Wert von 0,81 lokal und 0,83 global über 3.506 Stichproben – eine echte Zahl mit einer echten Stichprobenanzahl und dennoch eine Anbieterzahl, berechnet mit dem eigenen Harness des Anbieters.

• Prompt-Länge — M​iniMax akzeptiert 32.000 Zeichen über die bereitgestellte API, wobei ungefähr die ersten 4.096 Tokens wirksam werden. Q​wens Modellkarte und Beispiele sind auf kurze strukturierte Anweisungen statt auf lange Prompts zugeschnitten, und seine Mixed-Granularity-Attention ist ausdrücklich darauf ausgelegt, die Instruktions- und Konditionsbilder einmal zu cachen und sie über Schritte hinweg wiederzuverwenden, was eine Effizienz- und keine Kapazitätsaussage ist.

Was die unabhängigen Gremien jetzt zeigen

Beide Modelle werden mit Stand vom 14. November 2026 in beiden Bild-Arenen von Artificial Analysis bewertet, was dies zu einem der wenigen Open-Weight-Duelle macht, bei denen beide Seiten über vergleichbare Drittanbieter-Belege verfügen. Die Text-zu-Bild-Bestenliste ist nahezu ein Gleichstand: MiniMax-H3-Image belegt Platz 25 von 114 Einträgen mit Elo 1.066 und einem Intervall von 1.051 bis 1.080, Qwen-Image-2.1 liegt auf Platz 28 mit 1.047 (1.035 bis 1.059). Zwanzig Elo bei Intervallen, die sich nur gerade eben berühren, sind ein Vorsprung, keine Lücke – und niemand sollte deswegen eine Pipeline umstellen.

Das Editing-Board ist das, was den Unterschied macht. MiniMax-H3-Image liegt mit Elo 1.138 (1.122–1.154) auf Platz 13 von 84; Qwen-Image-2.1 liegt mit 1.084 (1.071–1.097) auf Platz 30. Das sind 54 Elo ohne jede Überschneidung, und es ist die einzige Stelle in diesem Vergleich, an der die Drittanbieter-Evidenz etwas Entscheidendes über Qualität statt über Kosten oder Lizenzierung aussagt.

Die Varianten folgen ihren Eltern, ohne die Form zu verändern. MiniMax-H3-Image Highspeed landet mit 1.072 auf Platz 24 bei Text-zu-Bild und mit 1.134 auf Platz 14 beim Editing, sodass die schnellere Serving-Stufe auf beiden Ranglisten nahe an der Standardstufe liegt. Auf der Qwen-Seite liegt das gehostete Pro-Geschwistermodell bei 1.059 und 1.068 und Turbo bei 1.025 und 1.062 – beide unter dem Editing-Wert des Basis-Checkpoints, was dem erwartbaren Preis eines Acht-Schritt-Zeitplans entspricht und keine Überraschung ist.

Zwei Warnungen, bevor jemand auf diesen Zahlen einen Beschaffungsfall aufbaut. Erstens: Elo stammt aus blinden Paarvergleichen, nicht aus Messungen von Auflösung, Alpha-Handling oder Einhaltung der Schrittzahl; ein Gremium, das Ihre Compositing-Pipeline nicht sieht, kann nicht bewerten, worauf es ihm ankommt. Zweitens: Die Zeilen von Qwen-Image-2.1 wurden von Leuten erzeugt, die die Gewichte selbst ausgeführt haben, da es keinen gehosteten Basis-Endpunkt gibt, an den man einen Prompt richten kann, während die von MiniMax Traffic gegen seine API umfassen. Unterschiedliche Grundgesamtheiten, dieselbe Rangliste – und Artificial Analysis kennzeichnet diesen Unterschied selbst, statt ihn zu verbergen.

Wo OrcaRouter passt – und wo nicht

Keines dieser Modelle steht in OrcaRouters Katalog, und es lohnt sich, das offen anzusprechen, statt es zu verschweigen: Stand 14. November 2026 gibt es hier keine Route für MiniMax-H3-Image oder Qwen-Image 2.1, und die obige Lizenzanalyse ist ein großer Teil der Erklärung dafür, warum ein gehosteter Katalog ein anderes Geschäft ist als ein Weight-Repository. Was die Plattform in der Bildsparte tatsächlich routet, sind die Familien von G​oogle und O​penAI – einschließlich der G​emini-Bildmodelle und der GPT-Image-Reihe – über denselben Schlüssel wie ihre Textmodelle, zum Listenpreis des Anbieters mit 0 % Aufschlag weitergegeben.

Der Teil davon, der in diesem Vergleich tatsächlich nützlich ist, ist die Routing-DSL. Eine Pipeline, die eine 16-Megapixel-Platte für einen Druckauftrag und ein 1-Megapixel-Thumbnail für ein Listing braucht, will nicht, dass ein einziges Modell beides zu einem Preis erledigt, und sie will dafür keine zwei Anbieterverträge abschließen. Die Aufrufe zusammenzusetzen – eine Route für die schwere Generierung, eine andere für das günstige Derivat, beide hinter einem Endpunkt – ist genau das, wofür es einen Router gibt, und es ist dasselbe Argument dafür, einen forschungslizenzierten Checkpoint hinter einen internen Dienst zu stellen, statt ihn in eine Anwendung zu verdrahten.

Die Entscheidung, so eng gefasst, wie sie es verdient

Für eine Forschungsgruppe, ein Evaluationsteam oder alle, deren Ergebnisse nie kommerziell ausgeliefert werden, ist Qwen-Image 2.1 der bessere Download: ein Drittel der Größe, dokumentierte Presets, eine veröffentlichte Evaluierungszahl mit einer Stichprobengröße, achtstufiges Turbo, wenn Sie iterieren möchten, und natives Alpha, wenn Ihre Arbeit Compositing umfasst. Es ist außerdem das Modell, dessen Verhalten Sie noch heute Nachmittag auf Ihrer eigenen Hardware charakterisieren können.

Für ein kommerzielles Team außerhalb der vier ausgeschlossenen Jurisdiktionen ist MiniMax-H3-Image das einzige der beiden Modelle, das Sie legal ausliefern können, und es ist das stärkere Bearbeitungsmodell – mit einem Vorsprung, der für den Vorstand den Ausschlag geben kann. Planen Sie den Download ins Budget ein, rechnen Sie damit, dass Sie mit MiniMax ab einer Million Umsatz verhandeln werden, und kalkulieren Sie die Namensnennungspflicht schon vor dem Launch in Ihre Oberfläche ein und nicht erst danach.

Für ein kommerzielles Team in diesen Rechtsgebieten lautet die Antwort: keines von beiden. Das ist unbefriedigend und es ist zutreffend. Der Open-Weight-Bildbereich ist an einem Punkt angekommen, an dem die interessante Frage nicht mehr lautet, welcher Checkpoint besser abschneidet, sondern welchen Ihr Anwalt Ihnen zu laufen erlaubt — und in dieser Frage ist dieses Paar eine nützliche Illustration dafür, wie viele verschiedene Dinge „offen“ mittlerweile bedeuten kann.

Was würde das bewegen?

Eine Lizenzänderung auf einer der beiden Seiten würde den Vergleich stärker verändern als jede Punktversion. Die Gebietsliste von MiniMax liest sich wie eine Compliance-Voreinstellung, und das Unternehmen hat bereits Modelle neu lizenziert; die Forschungslizenz von Qwen ist seit der 2.1-Linie der Standard der Familie, und eine kommerzielle Stufe für die Basisgewichte – im Unterschied zu den gehosteten Pro- und Turbo-Endpunkten – würde sie zur naheliegenden Wahl für jeden machen, der das Artefakt haben möchte. Bis eines davon eintritt, sind die technischen Unterschiede zwischen diesen beiden Modellen real, gut dokumentiert und für jeden, der ein Produkt ausliefern muss, weitgehend akademisch.