MiniMax-H3-Image vs. Qwen-Image 2.1: dos checkpoints abiertos, dos cerraduras diferentes

Ambos modelos se pueden descargar, y ninguno es gratuito para usar en el sentido que esa palabra suele implicar. MiniMax-H3-Image —una descarga de 68,65 GB cuyo transformer por sí solo ocupa 66,28 GB, más un codificador de texto de 66,7 GB, con pesos publicados el 10 de noviembre de 2026— se distribuye bajo una licencia comunitaria que excluye de su concesión a la Unión Europea, el Reino Unido, la República de Corea y los Estados Unidos, y exige autorización por escrito de MiniMax por encima de 1 millón de dólares estadounidenses en ingresos anualizados o para cualquier servicio alojado. Qwen-Image 2.1, publicado por el equipo Qwen de Alibaba el 20 de septiembre de 2026 y con aproximadamente una cuarta parte de esa descarga, 33,13 GB, se distribuye bajo el Qwen Research License Agreement, cuya Sección 2(a) otorga derechos «FOR NON-COMMERCIAL PURPOSES ONLY» y cuya Sección 2(b) prohíbe el uso comercial sin una licencia aparte. Un candado es geográfico con un ajuste por ingresos; el otro es absoluto. Si has venido aquí para elegir el modelo que puedes incluir en un producto, los archivos de licencia ya han respondido, y el resto de esta comparación trata del conjunto mucho más reducido de usos en los que esa respuesta te deja una opción.

El contraste técnico es igual de marcado, y va en la dirección opuesta a lo que sugieren los recuentos de parámetros. Qwen-Image 2.1 es un generador visual de 7.000 millones de parámetros que aplica reducción de ruido en cuarenta pasos. MiniMax-H3-Image es un transformador denso de 33,1 mil millones de parámetros destilado a seis. Uno está diseñado para caber en una estación de trabajo; el otro está diseñado para que una petición alojada se sienta instantánea. Determinar cuál es más barato por cada mil imágenes no se resuelve multiplicando los parámetros por ningún factor: se trata de dónde recae realmente el coste de cada uno.

Qué significa «open» en cada licencia, cláusula por cláusula

Empiece por Qwen, porque sus términos son los más simples de los dos y los más restrictivos en el caso habitual. La ficha de Hugging Face etiqueta la licencia como otra con license_name: qwen-research, y el archivo LICENSE del repositorio es el Qwen Research License Agreement con fecha del 20 de septiembre de 2026. El lenguaje operativo no es ambiguo: los derechos se conceden únicamente con fines no comerciales, "Non-Commercial" se define como investigación o evaluación, y cualquiera que quiera publicar algo debe solicitar una licencia a la dirección que indica el acuerdo. No hay umbral de ingresos, ni excepción territorial, ni ninguna vía escrita en el texto por la que una pequeña empresa pueda acogerse automáticamente. Es una concesión para investigación, y eso es todo lo que es.

El acuerdo de MiniMax es más permisivo en principio y más peculiar en la práctica. La concesión es mundial, pero excluye cuatro jurisdicciones por su nombre. El uso comercial se contempla en lugar de prohibirse, sujeto a dos desencadenantes que requieren autorización previa por escrito y a una cláusula de atribución que obliga a cualquier producto comercial a "mostrar de forma prominente 'MiniMax-H3-Image'" en su interfaz. El acuerdo también exige salvaguardias para cualquier servicio que genere resultados —implementar, mantener, probar y revisar periódicamente—, que es el tipo de cláusula que un equipo de cumplimiento lee como una obligación y un desarrollador independiente lee como texto de plantilla.

Puestos uno al lado del otro, los dos documentos producen un mapa extraño. Un estudio en Tokio puede usar MiniMax-H3-Image comercialmente, con autorización por encima del umbral, y no puede usar Qwen-Image 2.1 comercialmente en absoluto. Un estudio en California no puede usar ninguno de los dos: M​iniMax excluye el territorio de plano, Q​wen prohíbe el propósito. Un grupo de investigación en cualquier lugar puede usar ambos, ya que la investigación es lo que Q​wen concede y lo que cubre la lectura no comercial de M​iniMax. Esa última frase es el resumen honesto del campo de las imágenes de pesos abiertos en noviembre de 2026, y ninguna tabla de benchmarks lo cambia.

Cuarenta pasos frente a seis, y lo que eso le hace a una factura

La diferencia del sampler es el hecho de ingeniería más determinante en esta comparativa, porque domina todo lo demás en materia de coste.

• Pasos — Qwen-Image 2.1 ejecuta Flow Matching con programación discreta de Euler a cuarenta pasos de eliminación de ruido de forma predeterminada en el checkpoint base, sin variante destilada en el repositorio base. El checkpoint Qwen-Image 2.1 Turbo independiente, publicado el 9 de octubre de 2026, lo reduce a ocho pasos con CFG en 1 y su programación almacenada en el checkpoint. MiniMax-H3-Image ejecuta seis pasos y ninguna guía sin clasificador — no es un valor predeterminado, sino una restricción: la API servida devuelve HTTP 400 para cualquier otro número de pasos o valor de guía, y rechaza los prompts negativos.

• Tamaño — el componente de generación visual de Q​wen tiene 7B de parámetros en 32 capas DiT de flujo único, con atención causal por bloques; el texto y las instrucciones reciben una máscara causal a nivel de token, y la generación de imágenes, una bidireccional a nivel de fragmento. El de M​iniMax es denso de 33.1B, 50 capas, oculto 5,376, 56 cabezas, FFN 14,336, con RoPE multimodal 3D y un parche latente de 2×2 que cubre 32×32 píxeles por token.

• Descarga — 33,13 GB en total para Qwen-Image 2.1 (unos 20,5 GB de transformer y VAE, el resto un codificador de texto Qwen3-VL 8B). Alrededor de 135 GB para M​iniMax antes de haber generado nada.

Si haces los cálculos, la intuición se invierte. Un modelo de 33B a seis pasos realiza aproximadamente 199B de pasos-parámetro de trabajo por imagen; un modelo de 7B a cuarenta pasos realiza aproximadamente 280B. El modelo más grande no es automáticamente el más caro —que es precisamente el objetivo de la destilación y la razón por la que «33B» en una hoja de especificaciones casi no te dice nada sobre lo que te cuesta una imagen. Sin embargo, en una tarjeta concreta, el checkpoint de 33B es el que puede que no quepa a dieciséis megapíxeles, y MiniMax no publica ninguna cifra de latencia, ninguna receta de hardware ni ninguna indicación sobre memoria en ningún lugar del material de lanzamiento que te diga si cabe o no. Qwen publica en cambio presets fijos: 2048×2048 en 1:1, 2400×1792 en 4:3, 2752×1536 en 16:9 y sus transpuestas —aproximadamente 4,2 megapíxeles como máximo, una cuarta parte de lo que afirma MiniMax.

Esa brecha de resolución no es algo incidental en la comparación de costos. La escalera de precios de MiniMax hasta 4K es inusualmente plana porque su medición es por tokens y la cantidad de tokens no escala con el área como sugiere la intuición: $0.02179 en 1K frente a $0.06879 en 4K antes de que el descuento de lanzamiento reduzca a la mitad el nivel superior. Qwen no tiene una escalera con la que comparar, porque no hay un modelo base alojado que comprar: Artificial Analysis lista Qwen-Image-2.1 sin precio alguno, lo que para ese panel significa que no hay API. Los niveles Pro y Turbo que Alibaba sí aloja son filas completamente separadas, a $35.33 y $16 por mil imágenes.

La única capacidad que Qwen tiene y MiniMax no

Transparencia nativa. El VAE de Qwen-Image 2.1 es un autoencoder RGBA de 64 canales con compresión espacial de 16×, por lo que el canal alfa sale del modelo en lugar de proceder de un proceso posterior de eliminación de fondo. Eso supone una diferencia real en el flujo de trabajo para cualquiera que produzca recursos que luego se componen —recortes de productos, sprites, archivos de diseño por capas—, y no es algo que se pueda obtener de MiniMax-H3-Image mediante un prompt. Nada en su repositorio, ficha o licencia menciona un canal alfa, y su VAE se describe como un codificador CNN con un decodificador ViT de 24 capas y 24 canales latentes.

El resto de la lista de capacidades favorece a M​iniMax sobre el papel y merece una lectura cuidadosa, porque la mayor parte está declarada por el proveedor:

• Resolución — Aquí es donde los 33B empiezan a parecer tener un propósito. MiniMax-H3-Image genera de forma nativa hasta aproximadamente dieciséis megapíxeles en cualquier relación de aspecto —de 4096×4096 a 6272×2688—, con un límite de API de 20 megapíxeles y sin upscaler en el proceso. Los preajustes documentados de Q​wen llegan como máximo a cerca de 4,2 megapíxeles.

• Referencias — MiniMax-H3-Image admite hasta dieciséis, y las señalas por ranura: el prompt dice <Picture 3> y significa el tercer archivo que subiste. Qwen-Image 2.1 admite hasta diez, y su demostración incluye una foto de grupo compuesta a partir de seis retratos.

• Seguimiento de instrucciones — la ficha de MiniMax afirma que tiene "el seguimiento de instrucciones más fuerte entre los modelos de código abierto" sin ninguna tabla de evaluación que respalde esa frase. Qwen publica una cifra de VDEBench de 0,81 local y 0,83 global sobre 3.506 muestras, que es un número real con un recuento de muestras real y sigue siendo una cifra del proveedor, calculada con el entorno de evaluación propio del proveedor.

• Longitud del prompt — M​iniMax acepta 32.000 caracteres en la API servida, y aproximadamente los primeros 4.096 tokens surten efecto. La ficha y los ejemplos de Q​wen se plantean en torno a instrucciones breves y estructuradas en lugar de prompts largos, y su atención de granularidad mixta está diseñada explícitamente para almacenar en caché una sola vez las imágenes de instrucción y de condición y reutilizarlas entre pasos, lo cual es una afirmación sobre eficiencia más que sobre capacidad.

Lo que los consejos independientes muestran ahora

Ambos modelos tienen puntuación en las dos arenas de imágenes de Artificial Analysis a 14 de noviembre de 2026, lo que convierte esta en una de las pocas comparativas de modelos de pesos abiertos en las que ambas partes cuentan con evidencia de terceros comparable. La tabla de texto a imagen es casi un empate: MiniMax-H3-Image ocupa el puesto 25 de 114 filas con un Elo de 1.066 y un intervalo de 1.051 a 1.080, y Qwen-Image-2.1 ocupa el puesto 28 con 1.047 y un intervalo de 1.035 a 1.059. Veinte puntos de Elo con intervalos que apenas se rozan es una ventaja, no una brecha, y nadie debería cambiar de pipeline por ello.

La tabla de edición es la que marca la diferencia. MiniMax-H3-Image ocupa el puesto 13 de 84 con un Elo de 1,138 (1,122–1,154); Qwen-Image-2.1 ocupa el puesto 30 con 1,084 (1,071–1,097). Son cincuenta y cuatro puntos de Elo sin ningún solapamiento, y es el único punto de esta comparación en el que la evidencia de terceros resulta decisiva en cuanto a calidad, y no en cuanto a coste o licencias.

Las variantes siguen a sus modelos padre sin cambiar la forma. MiniMax-H3-Image Highspeed se coloca en el puesto 24 en texto a imagen (1.072) y en el puesto 14 en edición (1.134), por lo que el nivel servido más rápido está cerca del estándar en ambas tablas. En el lado de Qwen, el hermano Pro alojado se sitúa en 1.059 y 1.068, y Turbo en 1.025 y 1.062; ambos por debajo de la puntuación de edición del checkpoint base, que es el coste esperado de una programación de ocho pasos en lugar de una sorpresa.

Dos advertencias antes de que alguien construya un caso de adquisición sobre esas cifras. Primero, Elo proviene de votos ciegos por pares, no de mediciones de resolución, manejo de alfa o adherencia al conteo de pasos; una junta que no puede ver tu pipeline de composición no puede puntuar lo que le importa. Segundo, las filas de Qwen-Image-2.1 fueron producidas por personas que ejecutaban los pesos por sí mismas, ya que no hay un endpoint base alojado al que dirigir un prompt, mientras que las de M​iniMax incluyen tráfico contra su API. Distintas poblaciones, misma tabla de clasificación — y Artificial Analysis señala esa diferencia en sí misma en lugar de ocultarla.

Dónde encaja OrcaRouter y dónde no

Ninguno de estos modelos está en el catálogo de OrcaRouter, y merece la pena decirlo sin rodeos en lugar de ocultarlo: a 14 de noviembre de 2026, aquí no hay ruta para MiniMax-H3-Image ni para Qwen-Image 2.1, y el análisis de licencias anterior explica en gran medida por qué un catálogo alojado es un negocio distinto de un repositorio de pesos. Lo que la plataforma sí enruta en la línea de imágenes son las familias de G​oogle y O​penAI —incluidos los modelos de imagen G​emini y la línea GPT Image— con la misma clave que sus modelos de texto, a precio de lista del proveedor con un 0 % de margen repercutido.

La parte de eso que resulta realmente útil en esta comparación es el DSL de enrutamiento. Una canalización que necesita una placa de 16 megapíxeles para un trabajo de impresión y una miniatura de 1 megapíxel para un anuncio no quiere que un solo modelo haga ambas cosas a un mismo precio, y no quiere dos contratos con proveedores para lograrlo. Componer las llamadas —una ruta para la generación pesada y otra para la derivada barata, ambas detrás de un único endpoint— es justo para lo que existe un enrutador, y es el mismo argumento para poner un checkpoint con licencia de investigación detrás de un servicio interno en lugar de conectarlo directamente a una aplicación.

La decisión, formulada con la estrechez que merece.

Para un grupo de investigación, un equipo de evaluación o cualquiera cuyo resultado nunca llegue a lanzarse comercialmente, Qwen-Image 2.1 es la mejor descarga: un tercio del tamaño, ajustes predefinidos documentados, una cifra de evaluación publicada junto con el recuento de muestras, Turbo de ocho pasos cuando quieras iterar, y canal alfa nativo si tu trabajo implica composición. También es el modelo cuyo comportamiento puedes caracterizar en tu propio hardware esta misma tarde.

Para un equipo comercial fuera de las cuatro jurisdicciones excluidas, MiniMax-H3-Image es el único de los dos que puedes distribuir legalmente, y es el modelo de edición más potente por un margen que el consejo puede resolver. Presupuesta la descarga, prevé negociar con MiniMax por encima de un millón en ingresos y planifica el requisito de atribución en tu interfaz antes del lanzamiento, no después.

Para un equipo comercial dentro de esas jurisdicciones, la respuesta no es ninguna de las dos. Eso es insatisfactorio y es exacto. El ámbito de las imágenes de pesos abiertos ha llegado a un punto en el que la pregunta interesante ya no es qué checkpoint obtiene una puntuación más alta, sino cuál dejará tu abogado que ejecutes; y, en esa cuestión, este par es una ilustración útil de cuántas cosas distintas ha llegado a significar «abierto».

¿Qué movería esto?

Una modificación de la licencia por cualquiera de las dos partes cambiaría la comparación más que cualquier versión puntual. La lista de territorios de MiniMax parece una opción predeterminada de cumplimiento, y la empresa ya ha relicenciado modelos antes; la licencia de investigación de Qwen ha sido el estándar de la familia desde la línea 2.1, y un nivel comercial para los pesos base —a diferencia de los endpoints Pro y Turbo alojados— lo convertiría en la opción obvia para cualquiera que quiera el artefacto. Hasta que ocurra una de esas cosas, las diferencias técnicas entre estos dos modelos son reales, están bien documentadas y son, en gran medida, académicas para cualquiera que tenga un producto que lanzar al mercado.