MiniMax-H3-Image vs Nano Banana 2.1 : presque le même prix, mais loin d'être les mêmes preuves

Deux modèles d’image, tous deux à environ 3 cents la photo, et la décision entre MiniMax-H3-Image et Nano Banana 2.1 ne se règle pas par le prix. En 1024×1024, le nouveau venu à poids ouverts coûte 0,02179 $ par génération et Nano Banana 2.1 de Google coûte 0,0336 $ — une différence d’environ un cent. En 4096×4096, l’écart s’élargit à 0,06879 $ contre 0,113 $. Le moins cher est donc réellement moins cher, d’un tiers à la moitié. Ce que vous ne pouvez acheter à aucun prix pour l’instant, c’est une raison de croire à l’argument de qualité du moins cher, parce que personne en dehors de MiniMax ne l’a mesuré. Nano Banana 2.1 occupe la quatrième place sur les deux classements d’images d’Artificial Analysis, avec des milliers d’échantillons derrière chaque rang. MiniMax-H3-Image n’apparaît sur aucun des deux classements, à aucune position, avec aucun nombre d’échantillons. Cette asymétrie constitue toute la comparaison, et aucune quantité d’arithmétique de fiche technique ne comble cet écart.

Il vaut la peine d’être précis sur les dates avant d’aller plus loin, car les deux modèles ne sont pas au même stade de leur cycle de vie. Nano Banana 2.1 est disponible en général depuis le 6 octobre 2026 sous le nom gemini-nano-banana-2.1, et il a remplacé gemini-3.1-flash-image, que Google a déprécié avec une date d’arrêt au 29 octobre 2026 — donc si vous appeliez l’ancien, vous avez déjà dû migrer. Les poids de MiniMax-H3-Image sont arrivés sur Hugging Face le 10 novembre 2026 à 14:50 UTC, avec une fiche succincte dans les notes de version de l’API de MiniMax datées du même jour et sans article de blog associé. Un modèle a un mois de trafic en production ; l’autre a un jour d’existence en téléchargement. Jugez en conséquence.

Ce que chacun vous donne vraiment

Nano Banana 2.1 est un dérivé de Gemini 3.6 Flash vendu uniquement via l'API de Google. Trois paliers de résolution — 1K, 2K, 4K, sans option 512 pixels — avec des rapports d'aspect issus de l'ensemble habituel, un contexte d'entrée de 131 072 tokens et 32 768 tokens de sortie. Il accepte jusqu'à 14 images de référence dans une seule requête, réparties par Google en 10 références d'objet et 4 références de personnage, et il peut ancrer une génération dans les résultats de Google Search ou d'Image Search. La réflexion est activée par défaut sur medium, avec minimal et high disponibles, et il est impossible de la désactiver via l'API. Chaque sortie porte un filigrane SynthID.

MiniMax-H3-Image est un transformateur de diffusion dense de 33,1 milliards de paramètres, doté d’un encodeur CNN et d’un décodeur ViT à 24 couches pour son VAE, distribué sous la licence communautaire propre à M​iniMax. La génération texte-image et l’édition passent toutes deux par une même paire de points de terminaison ; les éditions prennent de 1 à 16 images de référence, adressées par leur position sous la forme <Picture 1> à <Picture 16> dans l’ordre de téléversement, et le modèle est distillé sur six étapes d’échantillonnage sans recours au guidage sans classificateur — l’API exposée renvoie une erreur HTTP 400 si vous passez autre chose que num_inference_steps=6 et guidance_scale=1. La surface de sortie est plafonnée à 20 000 000 de pixels via l’API, avec des paliers de surface à 1K, 2K et 4K, 4K étant la valeur par défaut ; la fiche modèle indique environ 16 mégapixels pour chaque ratio d’image. Aucun ancrage par recherche, budget de réflexion ni schéma de filigrane n’est mentionné nulle part dans le dépôt ni dans la licence.

Les listes de capacités divergent d’une manière qui correspond parfaitement à l’usage auquel chaque produit est destiné. Google a livré l’orchestration : références, récupération, un budget de raisonnement, des marques de provenance. MiniMax a livré la résolution et le contrôle : seize emplacements de référence, un plafond de 20 mégapixels, un échantillonneur fixe en six étapes que vous pouvez reproduire exactement sur votre propre matériel.

La grille tarifaire, avec la période de remise clairement précisée

Nano Banana 2.1 est facturé 30 $ par million de tokens d’image de sortie, ce que la documentation officielle de Google traduit par 0,0336 $ par image 1K, 0,0504 $ par image 2K et 0,113 $ par image 4K. Les images d’entrée sont facturées 1,50 $ par million de tokens et le texte de sortie 7,50 $ par million. Il existe un palier par lots à la moitié de ces tarifs de sortie pour les tâches qui peuvent attendre, et Artificial Analysis indique un tarif effectif de 33,60 $ pour mille images en 1K — le même chiffre exprimé en volume.

MiniMax-H3-Image est facturé selon le même principe, mais avec un résultat très différent. Niveau standard : 2,30 $ par million de tokens de texte en entrée, 1,50 $ par million de tokens d’image en entrée, 3,80 $ par million de tokens d’image en sortie. En reprenant les propres exemples du fournisseur :

• Texte-vers-image 1K — Nano Banana 2.1 0,0336 $ vs MiniMax-H3-Image 0,02179 $.

• Génération d’images à partir de texte en 2K — 0,0504 $ vs 0,02333 $.

• 4K texte-vers-image — 0,113 $ contre 0,06879 $, soit 0,03439 $ avec la remise limitée de 50 % de MiniMax.

• Modifier avec une référence — G​oogle ne publie pas de prix de modification par image à ces niveaux ; M​iniMax facture 0,02654 $ en 1K, 0,02658 $ en 2K et 0,07312 $ en 4K.

• Édition avec trois références — $0.03563 à 1K, $0.04177 à 2K, $0.07914 à 4K sur M​iniMax.

Deux détails de cette grille sont faciles à manquer et changent le calcul. Premièrement, la remise de M​iniMax ne s’applique que lorsque l’image livrée fait au moins 16 600 000 pixels, et elle expire le 17 novembre 2026 à 16:00 UTC — six jours après la mise en ligne des poids. Chiffrez un pipeline sur le tarif 4K remisé et vous chiffrez sur une promotion. Deuxièmement, la grille de M​iniMax est inhabituellement plate : seize fois plus de pixels pour un peu plus de trois fois le prix, car le compteur est en tokens et le nombre de tokens n’évolue pas avec la surface comme le laisse penser le prix affiché. La grille de G​oogle est plus proche de la proportionnalité. En 4K, la résolution pour laquelle le modèle à poids ouverts a été conçu, c’est dans cette platitude que se trouve la véritable économie.

Ce qui justifie une couche de routage ici, c'est de ne pas avoir à se soucier de savoir auquel de ces deux compteurs vous êtes rattaché. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, ce qui signifie qu'un changement de prix d'un fournisseur — y compris une promotion comme celle de M​iniMax, et y compris son expiration — est effectif de notre côté le jour même, sans attendre une migration de facturation. Aucun des deux modèles de cette comparaison ne figure dans notre catalogue : MiniMax-H3-Image a une semaine et n'a pas de route hébergée, et Nano Banana 2.1 est accessible via l'API propre à G​oogle. Ce que nous proposons bel et bien de cette lignée, c'est la génération précédente, google/gemini-3.1-flash-image-preview, aux côtés des routes d'image d'O​penAI et d'une route vidéo pour le H3 de M​iniMax. La raison de le dire aussi clairement, c'est qu'un article qui compare un checkpoint à poids ouverts non mesuré à un modèle fermé évalué ne devrait pas prétendre que le nouveau checkpoint est à portée d'une touche.

Seul un camp dispose d’un tableau d’affichage.

Artificial Analysis attribue à Nano Banana 2.1 un score Elo de 1160 sur son tableau de génération d’images à partir de texte, soit la quatrième place, sur plus de 6 055 échantillons, et un score Elo de 1137 sur son tableau d’édition d’images, également quatrième, sur plus de 5 968 échantillons. Les deux positions correspondent à une plage de classement allant de la quatrième à la sixième place selon l’intervalle consulté. Ces résultats sont indépendants, échantillonnés et comparables à ceux de tous les autres modèles du classement — y compris ceux que vous utilisez déjà.

MiniMax-H3-Image n’apparaît sur aucun des deux tableaux. Pas une note basse ; aucune note. La fiche du fournisseur le présente comme « un modèle image open-weight de premier plan », et la grille de démonstration du dépôt constitue la seule preuve existante de la qualité des sorties, ce qui est exactement le type de preuve conçu pour avoir belle allure. Il n’y a pas non plus de tableau d’évaluation du fournisseur — ni GenEval, ni DPG-Bench, ni chiffres de préférence humaine, rien à comparer à une évaluation publiée par un concurrent. Dans un mois, cela aura peut-être changé. Aujourd’hui, le résumé honnête est que le modèle moins cher est moins cher et que le modèle mesuré est mesuré, et ces deux faits ne sont pas contradictoires parce qu’ils portent sur des choses différentes.

Il existe un coût de second ordre que le prix par image masque entièrement, et c’est le chiffre le plus élevé de cet article : 68,65 Go de transformateur de diffusion et de VAE en BF16 et FP32, plus un encodeur de texte qui n’est pas du tout dans le dépôt. MiniMax-H3-Image charge text_encoder/ depuis le modèle vidéo MiniMax-H3, 66,7 Go de Qwen3-VL, si bien qu’une première génération locale représente un téléchargement d’environ 135 Go répartis sur deux dépôts. Ajoutez à cela les GPU : les recommandations de déploiement de M​iniMax pour vLLM-Omni citent H200, RTX PRO 6000 Blackwell et AMD Instinct MI350X, et le parallélisme de séquence multi-GPU — --ulysses-degree sur SGLang, --usp sur vLLM-Omni — est la méthode documentée pour obtenir une latence acceptable en pleine résolution. À 0,02179 $ l’image 1K, l’API est moins chère que l’électricité pendant très longtemps. Les poids ouverts sont précieux pour le contrôle et pour les termes de la licence, pas pour la rentabilité unitaire à petite échelle.

Des limites qui déterminent plus de déploiements que la qualité.

Le plafond de résolution est l’évidence même, et l’écart n’est pas mince. Nano Banana 2.1 plafonne à 4K. MiniMax-H3-Image monte à 20 mégapixels via l’API et à environ 16 mégapixels dans les exemples de la fiche — 4096×4096 en 1:1, 6272×2688 en 21:9, 5472×3072 en 4K 16:9. Si votre livrable est une plaque destinée à l’impression ou un arrière-plan qui sera fortement recadré, le modèle fermé est hors course avant même que la qualité n’entre en discussion, et les deux modèles de cet article ne sont plus du tout en concurrence.

La gestion des références fonctionne à l’inverse. Les 14 références de Google sont typées — 10 objets, 4 personnages — et ce typage joue un rôle : il indique au modèle quel rôle chaque image joue. Les 16 de MiniMax sont des emplacements non typés, adressés par leur position, ce qui offre plus de marge de manœuvre et moins de structure. Si votre flux de travail consiste à « placer cette personne dans cette veste sur ce fond », le typage de Google est l’atout. S’il consiste à « voici seize images, conservez l’identité sur toutes », le plafond de MiniMax est l’atout. Ni l’un ni l’autre n’est un sur-ensemble.

Le budget de prompt arrive en troisième position. Nano Banana 2.1 dispose de 131 072 tokens de contexte d'entrée. MiniMax-H3-Image accepte jusqu'à 32 000 caractères sur l'API exposée, mais seuls les 4 096 premiers tokens environ prennent effet lorsque l'amélioration de prompt est désactivée, et le chemin SGLang local tronque purement et simplement à 4 096 tokens. Pour un modèle dont l'atout est le suivi d'instructions, c'est un budget serré, ce qui explique pourquoi MiniMax a livré un compagnon : MiniMax-H3-Image-PE, un fine-tune FP4 27B de Qwen3.8-27B qui réécrit une requête courte en une longue légende, y ajoute une recommandation de ratio d'aspect et l'émet en JSON conforme à un schéma. Il tient dans environ 19 GiB de VRAM. Sa moitié dédiée à l'édition est décrite comme prompt-only et toujours en cours de développement, si bien que l'expandeur aide actuellement la génération texte-image et guère plus.

Et la licence, qui n’a pas d’équivalent chez Google puisqu’il n’y a rien à concéder sous licence. L’accord communautaire de MiniMax exige une autorisation écrite préalable distincte au-delà d’un million de dollars américains de chiffre d’affaires annualisé ou, si vous proposez des services hébergés, exige que les mots « MiniMax-H3-Image » soient affichés de manière bien visible sur toute interface commerciale qui l’utilise, limite l’utilisation à un territoire défini et interdit d’utiliser les résultats pour entraîner ou améliorer d’autres modèles. Les conditions de Google sont un contrat d’API standard. « Open weights » désigne ici une licence qu’il faut lire, pas une licence que l’on peut ignorer.

À quoi ressemblent les deux factures pour un mois réel

Supposons que vous génériez 20 000 images par mois en 2K. Nano Banana 2.1 coûte 1 008 $ au tarif catalogue, ou 504 $ au palier batch si la tâche peut être mise en file d’attente. MiniMax-H3-Image coûte 466,60 $ au tarif catalogue via l’API de MiniMax — ou, en auto-hébergement, ce que vous coûtent deux à quatre de ces GPU pour les heures concernées, ce qui, pour la plupart des équipes, revient plus cher. Supposons plutôt que vous génériez 2 000 images par mois en 4K et que la fenêtre de remise soit fermée : 226 $ pour Google, 137,58 $ pour MiniMax. L’économie est réelle et se chiffre en centaines de dollars par mois, pas en dizaines de milliers. C’est le bon ordre de grandeur du gain, et il faut le mettre en balance avec le coût d’être le premier à découvrir où un modèle non mesuré casse.

Cette asymétrie plaide pour un schéma précis plutôt que pour un gagnant. Acheminez le chemin de production vers le modèle qui figure au tableau des scores, et envoyez une fraction du trafic vers le modèle bon marché afin de constituer vos propres preuves — un ensemble de prompts fixe, votre propre évaluation, quinze jours de comparaison. C’est précisément le cas d’usage du basculement : un modèle inconnu traité comme une route candidate plutôt que comme un remplacement, avec le modèle éprouvé en secours lorsqu’une tâche revient erronée. L’échantillonnage non guidé en six étapes à 16 mégapixels est aussi une requête longue selon les standards de l’image, et il n’est pas idempotent du côté de MiniMax — un délai d’expiration côté client est facturé, et les SDK OpenAI réessaient deux fois par défaut, sauf si vous définissez max_retries=0. Les requêtes longues, facturées en cas de délai d’expiration, sont exactement celles pour lesquelles vous voulez une seconde route.

La question qui résout cela en environ un mois

Aucun des deux modèles n’est le mauvais choix ; le choix dépend de votre capacité à être celui qui mesure. Si le livrable a besoin d’un tableau de scores avant d’avoir besoin d’une décision, Nano Banana 2.1 est le seul côté de cette comparaison à en proposer un, et en 4K, il coûte 0,113 $ contre 0,06879 $ pour MiniMax — une différence que vous dépenserez plus d’une fois à en débattre en interne. Si le livrable a besoin de 16 mégapixels, les références typées n’importent pas et la résolution compte, et MiniMax-H3-Image est le seul côté à la proposer.

Ce qui trancherait la question, c’est ce qui ne s’est pas encore produit : un classement indépendant. MiniMax-H3-Image n’est public que depuis un jour, on s’interrogeait encore sur les termes de sa licence dans le fil de discussion du dépôt plusieurs heures après l’apparition des poids, et son propre expanseur de prompt est à moitié terminé. Quand il apparaîtra sur Artificial Analysis avec un nombre d’échantillons, l’écart de prix cessera d’être un argument par procuration pour devenir un véritable arbitrage. D’ici là, achetez le modèle mesuré pour le travail qui doit être livré, et considérez le modèle bon marché comme un candidat que vous évaluez — non comme un remplacement que vous avez décidé.