MiniMax-H3-Image vs Qwen-Image 2.1 : deux checkpoints ouverts, deux verrous différents

Ces deux modèles sont téléchargeables, et aucun des deux n’est libre d’utilisation au sens où ce mot l’entend habituellement. MiniMax-H3-Image — un téléchargement de 68,65 Go dont le transformateur seul représente 66,28 Go, plus un encodeur de texte de 66,7 Go, des poids publiés le 10 novembre 2026 — est distribué sous une licence communautaire qui exclut de son octroi l’Union européenne, le Royaume-Uni, la République de Corée et les États-Unis, et exige l’autorisation écrite de MiniMax au-delà de 1 million de dollars US de revenus annualisés ou pour tout service hébergé. Qwen-Image 2.1, publié par l’équipe Qwen d’Alibaba le 20 septembre 2026 et dont le téléchargement, à 33,13 Go, représente environ le quart du volume, est distribué sous le Qwen Research License Agreement, dont la section 2(a) accorde des droits « À DES FINS NON COMMERCIALES UNIQUEMENT » et dont la section 2(b) interdit l’usage commercial sans licence distincte. L’un des verrous est géographique, avec un curseur de revenus ; l’autre est absolu. Si vous êtes venu ici pour choisir le modèle que vous pouvez intégrer à un produit, les fichiers de licence ont déjà répondu, et le reste de cette comparaison porte sur l’ensemble bien plus restreint d’usages où cette réponse vous laisse le choix.

Le contraste d’ingénierie est tout aussi marqué, et il va dans le sens opposé à ce que suggèrent les nombres de paramètres. Qwen-Image 2.1 est un générateur visuel de 7 milliards de paramètres qui débruite en quarante étapes. MiniMax-H3-Image est un transformateur dense de 33,1 milliards de paramètres distillé à six étapes. L’un est conçu pour tenir sur une station de travail ; l’autre est conçu pour qu’une requête hébergée paraisse instantanée. Déterminer lequel est le moins cher aux mille images ne consiste pas à multiplier les paramètres par quoi que ce soit — cela consiste à déterminer où se situe réellement le coût de chacun.

Ce que signifie « open » dans chaque licence, clause par clause

Commençons par Q​wen, car ses conditions sont les plus simples des deux et les plus restrictives dans le cas ordinaire. La carte Hugging Face classe la licence dans autre avec license_name: qwen-research, et le fichier LICENSE du dépôt est l’accord de licence de recherche Q​wen daté du 20 septembre 2026. Le libellé opérationnel n’est pas ambigu : les droits sont accordés à des fins non commerciales uniquement, « Non-Commercial » est défini comme la recherche ou l’évaluation, et quiconque souhaite distribuer un produit doit demander une licence à l’adresse indiquée dans l’accord. Il n’existe aucun seuil de chiffre d’affaires, aucune exception territoriale et aucune voie inscrite dans le texte permettant à une petite entreprise de se qualifier automatiquement. C’est une autorisation de recherche, et rien de plus.

L’accord de MiniMax est plus permissif en principe et plus singulier en pratique. La concession est mondiale, mais exclut nommément quatre juridictions. L’usage commercial est envisagé plutôt qu’interdit, sous réserve de deux déclencheurs exigeant une autorisation écrite préalable, et d’une clause d’attribution obligeant tout produit commercial à « afficher de manière bien visible “MiniMax-H3-Image” » dans son interface. L’accord exige aussi des mesures de sauvegarde pour tout service qui génère des sorties — mettre en œuvre, maintenir, tester et réviser périodiquement —, du type de clause qu’une équipe de conformité lit comme une obligation et qu’un développeur indépendant lit comme du texte standard.

Placés l’un à côté de l’autre, les deux documents produisent une carte étrange. Un studio à Tokyo peut utiliser MiniMax-H3-Image à des fins commerciales, avec une autorisation au-delà du seuil, et ne peut pas du tout utiliser Qwen-Image 2.1 à des fins commerciales. Un studio en Californie ne peut utiliser ni l’un ni l’autre : M​iniMax exclut purement et simplement le territoire, Q​wen interdit cet usage. Un groupe de recherche, où qu’il soit, peut utiliser les deux, puisque la recherche est ce que Q​wen accorde et ce que couvre l’interprétation non commerciale de M​iniMax. Cette dernière phrase est le résumé honnête du domaine des images à poids ouverts en novembre 2026, et aucun tableau de benchmarks ne le change.

Quarante pas contre six, et ce que cela fait à une facture

La différence de sampler est le fait d’ingénierie le plus déterminant dans cette confrontation, car elle domine tout le reste en matière de coût.

• Étapes — Qwen-Image 2.1 exécute le Flow Matching avec une planification discrète d’Euler à quarante étapes de débruitage par défaut sur le point de contrôle de base, sans variante distillée dans le dépôt de base. Le point de contrôle distinct Qwen-Image 2.1 Turbo, publié le 9 octobre 2026, réduit cela à huit étapes avec CFG à 1 et sa planification stockée dans le point de contrôle. MiniMax-H3-Image exécute six étapes et aucun guidage sans classifieur — non pas un paramètre par défaut, mais une contrainte : l’API exposée renvoie HTTP 400 pour tout autre nombre d’étapes ou valeur de guidage, et refuse les invites négatives.

• Taille — le composant de génération visuelle de Qwen compte 7 milliards de paramètres répartis sur 32 couches DiT à flux unique, avec une attention causale par blocs ; le texte et les instructions reçoivent un masque causal au niveau des tokens, la génération d’images un masque bidirectionnel au niveau des segments. Celui de MiniMax est dense de 33,1 milliards, 50 couches, dimension cachée 5 376, 56 têtes, FFN 14 336, avec RoPE multimodal 3D et un patch latent 2×2 couvrant 32×32 pixels par token.

• Téléchargement — 33,13 Go au total pour Qwen-Image 2.1 (environ 20,5 Go de transformer et de VAE, le reste étant un encodeur de texte Qwen3-VL 8B). Environ 135 Go pour M​iniMax avant même d’avoir généré quoi que ce soit.

Faites le calcul, et l’intuition s’inverse. Un modèle 33B à six étapes effectue environ 199B d’étapes-paramètres de travail par image ; un modèle 7B à quarante étapes en effectue environ 280B. Le modèle plus grand n’est pas automatiquement le plus coûteux — c’est tout l’intérêt de la distillation, et la raison pour laquelle « 33B » sur une fiche technique ne vous dit presque rien sur ce que vous coûte une image. Sur une carte donnée, toutefois, c’est le checkpoint 33B qui risque de ne pas tenir à seize mégapixels, et M​iniMax ne publie aucun chiffre de latence, aucune configuration matérielle ni aucune recommandation en matière de mémoire nulle part dans la documentation de lancement pour vous dire si c’est le cas. Q​wen publie plutôt des préréglages fixes : 2048×2048 en 1:1, 2400×1792 en 4:3, 2752×1536 en 16:9, et leurs versions transposées — environ 4,2 mégapixels au maximum, un quart de ce qu’annonce M​iniMax.

Cet écart de résolution n'est pas accessoire dans la comparaison des coûts. L'échelle tarifaire de MiniMax jusqu'à la 4K est inhabituellement plate parce que son compteur est en tokens et que le nombre de tokens ne varie pas avec la surface comme l'intuition le laisse penser — 0,02179 $ à 1K contre 0,06879 $ à 4K avant que la remise de lancement ne divise par deux le palier supérieur. Qwen n'a pas d'échelle à comparer, car il n'y a pas de modèle de base hébergé à acheter : Artificial Analysis répertorie Qwen-Image-2.1 sans aucun prix, ce qui, pour ce classement, signifie l'absence d'API. Les niveaux Pro et Turbo qu'Alibaba héberge réellement constituent des lignes entièrement distinctes, à 35,33 $ et 16 $ les mille images.

La seule capacité que Q​wen possède et que M​iniMax n’a pas.

Transparence native. Le VAE de Qwen-Image 2.1 est un autoencodeur RGBA à 64 canaux avec une compression spatiale 16×, de sorte qu’un canal alpha est produit par le modèle lui-même, et non par une passe de suppression d’arrière-plan effectuée ensuite. Il s’agit d’une véritable différence de flux de travail pour quiconque produit des ressources destinées à être composées — détourages de produits, sprites, fichiers de conception en calques — et ce n’est pas quelque chose que l’on peut obtenir de MiniMax-H3-Image via un prompt. Rien dans son dépôt, sa fiche modèle ou sa licence ne mentionne de canal alpha, et son VAE est décrit comme un encodeur CNN avec un décodeur ViT à 24 couches et 24 canaux latents.

Le reste de la liste des capacités avantage M​iniMax sur le papier et vaut la peine d’être lu attentivement, car l’essentiel est affirmé par le fournisseur :

• Résolution — C'est ici que le 33B commence à paraître intentionnel. MiniMax-H3-Image génère nativement jusqu'à environ seize mégapixels, quel que soit le rapport d'aspect — de 4096×4096 à 6272×2688 — avec un plafond d'API de 20 mégapixels et aucun upscaler dans la chaîne. Les préréglages documentés de Qwen atteignent au maximum près de 4,2 mégapixels.

• Références — MiniMax-H3-Image en accepte jusqu'à seize, et vous les désignez par emplacement : le prompt indique <Picture 3> et désigne le troisième fichier que vous avez téléversé. Qwen-Image 2.1 en accepte jusqu'à dix, et sa démonstration inclut une photo de groupe assemblée à partir de six portraits.

• Suivi des instructions — la fiche de MiniMax affirme « le meilleur suivi des instructions parmi les modèles open source » sans tableau d'évaluation à l'appui de cette phrase. Qwen publie un chiffre VDEBench de 0,81 en local et de 0,83 en global sur 3 506 échantillons, ce qui est un nombre réel avec un nombre réel d'échantillons et reste un chiffre du fournisseur, calculé par le propre banc d'évaluation du fournisseur.

• Longueur du prompt — MiniMax accepte 32 000 caractères sur l’API servie, avec environ les 4 096 premiers tokens qui prennent effet. La fiche et les exemples de Qwen sont conçus autour d’instructions structurées courtes plutôt que de longs prompts, et son attention à granularité mixte est explicitement conçue pour mettre en cache l’instruction et les images de condition une fois, puis les réutiliser à chaque étape, ce qui constitue une affirmation d’efficacité plutôt que de capacité.

Ce que les conseils indépendants montrent aujourd’hui

Les deux modèles sont évalués sur les deux arènes d’images d’Artificial Analysis au 14 novembre 2026, ce qui en fait l’une des rares confrontations de modèles à poids ouverts où les deux parties disposent de preuves tierces comparables. Le classement texte-image est presque à égalité : MiniMax-H3-Image occupe la 25e place sur 114 lignes avec un Elo de 1 066 et un intervalle de 1 051 à 1 080, et Qwen-Image-2.1 occupe la 28e place avec 1 047 et un intervalle de 1 035 à 1 059. Vingt points d’Elo, avec des intervalles qui ne font que se frôler, constituent une avance, pas un écart, et personne ne devrait changer de pipeline pour cela.

Le classement pour l’édition d’images est celui qui fait la différence. MiniMax-H3-Image est 13e sur 84 avec un Elo de 1 138 (1 122–1 154) ; Qwen-Image-2.1 est 30e avec 1 084 (1 071–1 097). Cela fait cinquante-quatre points Elo sans le moindre chevauchement, et c’est le seul endroit dans cette comparaison où les données de tiers apportent une conclusion décisive sur la qualité plutôt que sur le coût ou les licences.

Les variantes suivent leurs parents sans changer la forme. MiniMax-H3-Image Highspeed se classe 24e en texte-image (1 072) et 14e en édition (1 134), si bien que le palier de service plus rapide est proche du standard sur les deux classements. Du côté de Qwen, l'homologue Pro hébergé se situe à 1 059 et 1 068, et Turbo à 1 025 et 1 062 — tous deux sous le score d'édition du checkpoint de base, ce qui est le coût attendu d'un programme en huit étapes plutôt qu'une surprise.

Deux mises en garde avant que quiconque ne bâtisse un argumentaire d’achat sur ces chiffres. Premièrement, l’Elo provient de votes par paires à l’aveugle, et non de mesures de la résolution, de la gestion de l’alpha ou du respect du nombre d’étapes ; un comité qui ne peut pas voir votre pipeline de compositing ne peut pas évaluer ce qui compte pour lui. Deuxièmement, les lignes de Qwen-Image-2.1 ont été produites par des personnes exécutant elles-mêmes les poids, puisqu’il n’existe aucun endpoint de base hébergé vers lequel pointer une invite, tandis que celles de M​iniMax incluent du trafic vers son API. Des populations différentes, un même classement — et Artificial Analysis signale elle-même cette différence plutôt que de la masquer.

Là où OrcaRouter est pertinent, et là où il ne l'est pas

Aucun de ces modèles ne figure au catalogue d’OrcaRouter, et il vaut mieux être direct à ce sujet plutôt que de le passer sous silence : au 14 novembre 2026, il n’existe ici aucune route pour MiniMax-H3-Image ni pour Qwen-Image 2.1, et l’analyse des licences ci-dessus explique en grande partie pourquoi un catalogue hébergé relève d’une activité différente de celle d’un dépôt de poids. Ce que la plateforme propose bien dans la gamme d’images, ce sont les familles G​oogle et O​penAI — notamment les modèles d’image G​emini et la gamme GPT Image — derrière la même clé que ses modèles texte, au prix catalogue du fournisseur, avec 0 % de marge ajoutée.

La partie de cela qui est réellement utile dans cette comparaison est le DSL de routage. Un pipeline qui a besoin d’un visuel de 16 mégapixels pour un travail d’impression et d’une vignette de 1 mégapixel pour une annonce ne veut pas qu’un seul modèle fasse les deux à un seul prix, et il ne veut pas de deux contrats fournisseurs pour y arriver. Composer les appels — une route pour la génération lourde, une autre pour le dérivé bon marché, toutes deux derrière un seul point de terminaison — est exactement ce à quoi sert un routeur, et c’est le même argument pour placer un checkpoint sous licence de recherche derrière un service interne plutôt que de le câbler dans une application.

La décision, énoncée de manière aussi restrictive qu’elle le mérite

Pour un groupe de recherche, une équipe d’évaluation ou quiconque dont les résultats ne sont jamais commercialisés, Qwen-Image 2.1 est le meilleur téléchargement : un tiers de la taille, des préréglages documentés, un chiffre d’évaluation publié avec un nombre d’échantillons, un mode Turbo en huit étapes lorsque vous souhaitez itérer, et un alpha natif si votre travail implique de la composition d’images. C’est aussi le modèle dont vous pouvez caractériser le comportement sur votre propre matériel cet après-midi.

Pour une équipe commerciale située hors des quatre juridictions exclues, MiniMax-H3-Image est le seul des deux que vous pouvez légalement livrer, et c'est le modèle d'édition le plus performant, avec un écart que le conseil d'administration peut trancher. Prévoyez un budget pour le téléchargement, attendez-vous à négocier avec M​iniMax au-delà d'un million de chiffre d'affaires, et intégrez l'exigence d'attribution dans votre interface avant le lancement plutôt qu'après.

Pour une équipe commerciale établie dans ces juridictions, la réponse est : ni l’une ni l’autre. C’est insatisfaisant, et c’est exact. Le domaine de l’image à poids ouverts est arrivé à un point où la question intéressante n’est plus de savoir quel checkpoint obtient le meilleur score, mais lequel votre avocat vous autorisera à exécuter — et sur cette question, ce duo illustre utilement combien de sens différents « ouvert » a fini par revêtir.

Qu'est-ce qui ferait bouger cela

Une modification de licence d’un côté ou de l’autre changerait davantage la comparaison que n’importe quelle version intermédiaire. La liste des territoires de MiniMax ressemble à un paramétrage de conformité par défaut, et l’entreprise a déjà changé la licence de ses modèles par le passé ; la licence de recherche de Qwen est la norme de la famille depuis la gamme 2.1, et un palier commercial pour les poids de base — distinct des points de terminaison Pro et Turbo hébergés — en ferait le choix évident pour quiconque veut l’artefact. Jusqu’à ce que l’une de ces situations se produise, les différences techniques entre ces deux modèles sont réelles, bien documentées et, pour l’essentiel, théoriques pour quiconque a un produit à livrer.