MiniMax-H3-Image vs GPT Image 2.5: Keduanya Menerima 16 Referensi, dan di Situlah Kesamaannya Berakhir

Angka enam belas muncul di kedua lembar spesifikasi, dan itu berarti dua hal yang berbeda. MiniMax-H3-Image menerima hingga enam belas gambar referensi dalam satu suntingan, dirujuk berdasarkan urutan unggah sebagai <Gambar 1> hingga <Gambar 16>, dengan isi permintaan tidak dibatasi apa pun selain prompt sepanjang 32.000 karakter. GPT Image 2.5 — pasangan Sunburst dan Flare yang dirilis OpenAI pada 8 September 2026 — juga menerima hingga enam belas gambar masukan, dan dokumentasinya menjelaskan secara eksplisit apa yang terjadi ketika Anda mengirim lebih dari satu: markup dan mask diterapkan pada gambar pertama, dan semua setelahnya adalah referensi. Enam belas slot berbanding enam belas slot, yang satu adalah seluruh permukaan kontrol dan yang lainnya adalah parameter yang mungkin tidak akan pernah Anda isi.

Kebetulan itu adalah hal paling berguna dari menempatkan kedua model ini berdampingan, karena segala hal lain tentang keduanya asimetris dengan cara yang mudah dinyatakan dan sulit dibesar-besarkan. GPT Image 2.5 adalah model gambar terbaik kedua dan keempat di dunia pada papan text-to-image Artificial Analysis, dengan tiga belas ribu suara buta di balik masing-masing posisinya. MiniMax-H3-Image sama sekali belum memiliki posisi — bobotnya mendarat di Hugging Face pada 10 November 2026 pukul 14:50 UTC, sehari sebelum tulisan ini dibuat, dan belum ada arena yang sempat menilainya. Jadi ini bukan perbandingan dua kandidat pada pijakan yang setara. Ini adalah perbandingan antara model yang sudah terukur dan model yang belum terukur, dan pertanyaan yang berguna adalah apa yang ditawarkan model yang belum terukur itu yang akan membenarkan upaya untuk mencari tahu.

Seperti apa sebenarnya kedua panggilan itu

Sisi OpenAI adalah dua ID model yang membagi satu pekerjaan di antara keduanya. gpt-image-2.5-sunburst diposisikan untuk komposisi terperinci dan penyuntingan presisi; gpt-image-2.5-flare adalah varian cepat untuk penggunaan sehari-hari. Keduanya berbagi tanggal snapshot yang sama, permukaan endpoint yang sama, dan tarif yang sama, dan pembagiannya adalah latensi versus presisi, bukan kemampuan versus kemampuan. Tidak ada alias gpt-image-2.5 polos — Anda memilih varian. Pembuatan gambar diarahkan ke v1/images/generations, penyuntingan ke v1/images/edits sebagai data formulir multipart, dan Batch didukung dengan tarif output setengahnya. Kualitas adalah pengatur dengan enam setelan — low, medium, high, xhigh, max dan auto, dengan auto sebagai default.

Sisi MiniMax adalah satu model dengan dua tingkat layanan. MiniMax-H3-Image adalah transformer difusi padat 33,1B — 50 lapisan, ukuran tersembunyi 5.376, 56 kepala atensi, lebar FFN 14.336, RoPE multimodal 3D — didistilasi menjadi enam langkah sampling tanpa panduan bebas classifier. API yang disajikan memberlakukan hal itu: num_inference_steps harus 6 dan guidance_scale harus 1, atau Anda mendapat HTTP 400, dan prompt negatif ditolak. Highspeed adalah bobot yang sama dengan tarif per token yang lebih tinggi. Tidak ada pengatur kualitas, tidak ada jumlah langkah yang bisa dinaikkan, tidak ada varian kedua dengan perilaku berbeda. Anda mengirim prompt dan hingga enam belas gambar dan Anda mendapatkan satu gambar kembali, dalam jumlah lintasan yang tetap.

Baca kedua paragraf itu berdampingan dan filosofi desainnya terpisah dengan jelas. OpenAI memberi Anda berbagai tombol dan mengharapkan Anda menemukan pengaturan yang cocok untuk pekerjaan itu. MiniMax memberi Anda satu pengaturan dan mengharapkan modelnya cukup baik untuk itu. Yang pertama adalah alat; yang kedua adalah perangkat siap pakai.

Ukuran adalah bagian dengan kesenjangan paling lebar, dan selisihnya tidak tipis.

GPT Image 2.5 mencapai batas maksimum 3840×2160 — 8,29 megapiksel — dengan dimensi yang harus merupakan kelipatan 16, rasio aspek antara 1:3 dan 3:1, dan apa pun di atas 2560×1440 ditandai sebagai eksperimental dalam dokumentasi OpenAI sendiri. Preset yang direkomendasikan adalah 1024×1024, 1536×1024, dan 1024×1536, dan jalur ukuran khusus memungkinkan anggaran piksel dari 655.360 hingga batas maksimum 8.294.400 itu.

{{1}}Batas atas MiniMax-H3-Image kira-kira dua kali lipat dari itu, dan batas bawahnya lebih tinggi daripada selisih batas atas dan bawah OpenAI. Kartu ini mengklaim sekitar 16 megapiksel pada setiap rasio aspek — 4096×4096 pada 1:1, 4736×3552 pada 4:3, 5024×3360 pada 3:2, 5472×3072 pada 16:9, 6272×2688 pada 21:9 — dengan API membatasi luas keluaran pada 20 megapiksel dan rentang kerja praktis yang dijelaskan sebagai 4 hingga 20 MP. Tidak ada upscaler dalam jalur ini; model meregenerasi detail alih-alih memperbesarnya.{{/1}}

• Output maksimum — GPT Image 2.5: 3840×2160, 8,29 MP. MiniMax-H3-Image: sekitar 16 MP, hingga 20 MP melalui API.

• Output berguna minimum — GPT Image 2.5: 655.360 piksel, jadi thumbnail 768 piksel adalah permintaan yang didukung. MiniMax-H3-Image: sekitar 4 MP, tanpa tingkat gambar kecil.

• Gambar referensi — keduanya hingga 16; OpenAI menetapkan tipe gambar pertama sebagai target edit dan memperlakukan sisanya sebagai referensi, MiniMax mengurutkan keenam belas gambar itu berdasarkan posisi tanpa penetapan tipe.

• Kontrol kualitas — GPT Image 2.5: enam pengaturan kualitas plus otomatis. MiniMax-H3-Image: tidak ada; enam langkah, tanpa panduan, diberlakukan.

• Format keluaran — GPT Image 2.5: PNG secara default, JPEG dan WebP tersedia, kompresi 0–100, latar belakang transparan melalui background: "transparent". MiniMax-H3-Image: berupa PNG dalam data[0].b64_json.

{{1}}Salah satu dari perbedaan ini menentukan lebih banyak deployment daripada yang lain.{{/1}} Jika hasil yang harus Anda serahkan adalah {{2}}plate 4K{{/2}}, {{3}}GPT Image 2.5{{/3}} tidak dapat membuatnya — bukan pada kualitas yang lebih rendah, bukan dengan pengaturan yang diubah. Model ini berhenti di {{4}}8,29 megapiksel{{/4}} dan sisanya adalah {{5}}upscaling{{/5}}. Itu bukan kritik terhadap model; itu adalah pernyataan tentang untuk apa produk ini. Namun itu berarti kedua model berhenti bersaing begitu kebutuhan Anda melewati {{6}}8,3 MP{{/6}}, dan tidak ada besaran {{7}}Elo{{/7}} terukur yang dapat menutup celah itu.

Keduanya mengukur token, dan hanya satu yang mengumumkan apa yang bisa dibeli dengan satu token

OpenAI menagih GPT Image 2.5 berdasarkan token: $5 per juta token input teks ($1,25 untuk cache), $8 per juta token input gambar ($2 untuk cache), dan $30 per juta token output gambar, yang dipotong menjadi $15 pada Batch API. Output teks tidak dikenakan biaya karena model mengembalikan gambar, bukan prosa. Tarif tersebut tidak berubah dari GPT Image 2, yang perlu diketahui jika Anda sudah menghitung harga generasi sebelumnya.

Angka yang penting tetapi tidak muncul dalam daftar tarif OpenAI adalah berapa token keluaran yang diperlukan untuk sebuah gambar, dan OpenAI tidak mempublikasikannya — konsumsi per gambar tidak didokumentasikan saat peluncuran dan masih tidak didokumentasikan per ukuran. Satu-satunya angka per gambar yang beredar adalah turunan Artificial Analysis sebesar $210,72 per seribu gambar, yakni sekitar $0,21 per bingkai pada 1024×1024 dengan pengaturan default. Itu adalah turunan pihak ketiga dari penggunaan terukur, bukan harga OpenAI, dan harus diperlakukan sebagai perkiraan yang berubah sesuai pengaturan kualitas dan resolusi.

MiniMax menerbitkan angka hasil akhirnya secara langsung, karena tarif keluarannya cukup rendah sehingga perhitungannya sederhana: $2.30 per juta token teks masukan, $1.50 per juta token gambar masukan, $3.80 per juta token gambar keluaran. Contoh perhitungan dari penyedia sendiri menghasilkan $0.02179 untuk gambar 1K, $0.02333 pada 2K, dan $0.06879 pada 4K — yang terakhir adalah {{1}}$0.03439{{/1}} selama diskon 50% berlaku, dan diskon tersebut berakhir pada {{2}}17 November 2026 pukul 16:00 UTC{{/2}} serta hanya berlaku jika gambar yang dikirimkan memiliki setidaknya 16.600.000 piksel.

Letakkan keduanya berdampingan dan bentuk transaksinya sangat mencolok. Pada 1024×1024, sekitar $0,21 versus $0,02179 — sekitar sepuluh banding satu. Pada ukuran yang menjadi target desain masing-masing model, perbandingan menjadi lebih sulit dilakukan secara jujur, karena GPT Image 2.5 pada 8,29 MP dan MiniMax-H3-Image pada 16 MP bukanlah produk yang sama. Yang dapat dikatakan tanpa menghindari adalah jika Anda menghasilkan pada 1K dalam volume besar, harga MiniMax satu orde lebih rendah dan kualitasnya belum terukur; itulah keseluruhan taruhannya, dinyatakan secara gamblang.

Dua detail penagihan di sisi MiniMax mudah terlewat. Gambar input ditagih per token sebesar $1,50 per juta, jadi referensi tidak gratis — menaikkan dari satu menjadi tiga referensi meningkatkan biaya edit 2K dari $0,02658 menjadi $0,04177 dalam contoh dari vendor itu sendiri. Dan API mengenakan biaya untuk permintaan yang timeout, sehingga kebijakan retry di sisi klien mengubah satu generasi menjadi dua atau tiga generasi yang ditagih. Perilaku OpenAI yang didokumentasikan adalah kebalikannya untuk permintaan yang gagal dan dimoderasi, yang tidak dikenakan biaya.

Basis buktinya tidak seimbang, dan kedua sisinya sama-sama penting

Pada papan text-to-image Artificial Analysis, GPT Image 2.5 Sunburst berada di peringkat kedua dengan Elo 1228 dari 13.370 sampel dan Flare di peringkat keempat dengan 1209 dari 12.695. Pada papan editing, pasangan yang sama berada di peringkat ketiga dan kelima — 1199 dari 18.617 sampel untuk Sunburst, 1181 dari 19.498 untuk Flare. Angka-angka tersebut merupakan estimasi titik dengan interval kepercayaan dalam puluhan Elo, yang berarti Sunburst dan Flare tidak terpisah secara bermakna satu sama lain pada text-to-image dan keduanya secara bermakna berada di atas semua yang berada di bawah peringkat lima.

Perlu juga dicatat bahwa GPT Image 2.5 bukan lagi yang teratas di keluarganya sendiri. Varian 2.6 — Sunburst dan Flare — kini menempati peringkat pertama dan ketiga pada papan text-to-image serta pertama dan kedua pada editing, dengan harga yang sama $210.72 per seribu gambar. Jadi, pembaca yang memilih antara MiniMax-H3-Image dan GPT Image 2.5 sedang memilih antara pendatang baru yang belum diukur dan generasi sebelumnya dari lini yang sudah diukur, sementara generasi terkini dari lini tersebut berada hanya satu id model lagi dengan harga yang sama. Siapa pun yang memilih 2.5 karena skornya harus melihat skor itu sebenarnya relatif terhadap apa.

MiniMax-H3-Image tidak memiliki skor di kedua papan peringkat dan tidak memiliki tabel evaluasi vendor — tidak ada GenEval, tidak ada DPG-Bench, tidak ada angka preferensi manusia. Klaim pada kartu modelnya bersifat kualitatif: “kemampuan mengikuti instruksi terkuat di antara model open-source,” tanpa tabel perbandingan yang dilampirkan. Grid showcase adalah satu-satunya bukti keluaran yang ada, dan grid showcase adalah artefak yang dikurasi. Tidak ada yang mencurigakan dari semua ini untuk model yang baru sehari dipublikasikan saat tulisan ini dibuat. Namun itu berarti setiap argumen yang mendukungnya dalam artikel ini adalah argumen berdasarkan harga, resolusi, atau arsitektur, dan tidak satu pun merupakan argumen berdasarkan kualitas terukur.

Anggaran prompt, dan apa yang dapat ditampung model di dalam kepalanya

GPT Image 2.5 menerima prompt OpenAI biasa dan, menurut dokumentasi OpenAI, hingga enam belas gambar input; kendala praktis pada penyuntingan kompleks bukanlah jumlah karakter, melainkan mekanika permintaannya — mask harus cocok dengan gambar pertama dalam hal ukuran dan memiliki saluran alpha, dan lapisan anotasi untuk penyuntingan markup harus sama persis dengan dimensi gambar pertama. Tidak ada batas maksimum token yang dipublikasikan untuk prompt gambar dalam dokumentasi model, yang berarti batas yang Anda rencanakan adalah batas API, bukan batas model.

MiniMax-H3-Image mempublikasikan anggaran yang spesifik dan moderat: 32.000 karakter pada API yang dilayani, yang hanya sekitar 4.096 token pertama yang berlaku, dan jalur SGLang lokal terpotong langsung pada 4.096 token. Bagi model yang nilai jualnya adalah kemampuan mengikuti instruksi, empat ribu token terasa sempit — ringkasan terperinci dengan enam belas gambar referensi yang dirujuk berdasarkan posisi memakan sebagian besar dari anggaran itu. Jawaban MiniMax adalah model pendamping: MiniMax-H3-Image-PE, sebuah prompt expander 27B yang menulis ulang permintaan singkat menjadi caption panjang plus rekomendasi rasio aspek dan mengeluarkannya sebagai JSON. Model ini muat dalam sekitar 19 GiB VRAM. Jalur penyuntingannya digambarkan sebagai prompt-only, jadi saat ini model ini membantu text-to-image dan tidak banyak hal lain.

Asimetri itu layak disebut karena mengubah arti “prompt following” bagi masing-masing. Model OpenAI menerima prompt yang Anda tulis. Model MiniMax menerima prompt yang Anda tulis, atau prompt yang ditulis ulang oleh model lain untuknya, dan dalam kedua kasus ruangnya lebih sedikit untuk menampung instruksi. Jika alur kerja Anda bergantung pada brief panjang dan terstruktur dengan banyak referensi bernama, itu adalah kendala nyata dan akan muncul sebelum kualitas sempat terlihat.

Lisensi, retensi, dan biaya ketertutupan

GPT Image 2.5 bersifat tertutup. Tidak ada bobot, tidak ada self-hosting, tidak ada checkpoint untuk dipatok, dan ketentuan komersialnya adalah kontrak API. Yang dinyatakan dokumentasi pengembang OpenAI adalah bahwa data API tidak digunakan untuk pelatihan kecuali Anda memilih ikut serta, bahwa endpoint images tercantum sebagai tidak digunakan untuk pelatihan, dan bahwa model-modelnya kompatibel dengan Zero Data Retention. Ketentuan kepemilikan dan penggunaan komersial berada dalam kebijakan terpisah, bukan dalam dokumentasi pengembang.

MiniMax-H3-Image bersifat terbuka, dan lisensinya lebih restriktif daripada yang tersirat dari kata tersebut. Perjanjian Lisensi Komunitas MiniMax-H3-Image mengecualikan Uni Eropa, Inggris Raya, Republik Korea, dan Amerika Serikat menurut definisinya; mewajibkan otorisasi tertulis terpisah bila pendapatan tahunan melebihi satu juta dolar AS; mewajibkan hal yang sama untuk layanan yang dihosting tanpa batas pendapatan minimum; mewajibkan nama model ditampilkan secara mencolok pada antarmuka komersial; dan melarang penggunaan keluaran untuk melatih atau meningkatkan model lain. Halaman Hugging Face menampilkan semua ini sebagai lisensi: lainnya.

Jadi kerangka berpikir yang biasa justru terbalik di sini. Model tertutup memiliki ketentuan yang lebih sederhana dan keterikatan yang lebih lemah — Anda bisa pergi, hanya saja Anda tidak dapat membawa bobotnya. Model terbuka memiliki ketentuan yang lebih sulit dan keterikatan yang lebih kuat, karena lisensi yang mengecualikan empat pasar utama merupakan batasan bagi bisnis Anda yang tidak dapat diimbangi oleh sebanyak apa pun bobot yang dapat diunduh. Jika jalur yang dihosting sendiri adalah alasan Anda melihat MiniMax-H3-Image, baca lisensinya sebelum kartu model.

Saat yang tak terukur adalah pilihan yang tepat

Ada tiga kasus di mana MiniMax-H3-Image menjadi pilihan yang jelas meskipun tidak memiliki papan skor, dan tidak satu pun di antaranya adalah “karena lebih murah.”

Yang pertama adalah resolusi. Jika Anda membutuhkan lebih dari 8.29 megapiksel dari satu generasi, GPT Image 2.5 tidak lagi masuk hitungan dan perbandingannya selesai. Enam belas megapiksel dengan harga $0.06879 dibandingkan dengan melakukan upscaling pada bingkai 8.29 MP bukanlah perbandingan yang imbang.

Yang kedua adalah reproduksibilitas. Enam langkah, tanpa panduan, jadwal yang diterbitkan dalam pdd_config.json, dan bobot yang dapat Anda unduh. Jika Anda membutuhkan keluaran yang sama dari masukan yang sama pada perangkat keras Anda sendiri setahun dari sekarang, GPT Image 2.5 tidak dapat menawarkan hal itu dan MiniMax-H3-Image dapat, dengan izin lisensi.

Yang ketiga adalah volume pada ukuran kecil. Dengan $0.02179 dibandingkan sekitar $0.21 pada 1K, pipeline yang menghasilkan seratus ribu thumbnail per bulan menghadapi selisih yang diukur dalam puluhan ribu dolar. Itu cukup uang untuk membenarkan menjalankan perbandingan buta Anda sendiri selama seminggu, yang merupakan satu-satunya cara agar angka-angka ini bisa menjadi dasar keputusan.

Semua hal lainnya mengarah sebaliknya. Jika Anda membutuhkan model yang tidak akan mengejutkan Anda, GPT Image 2.5 memiliki dua posisi di papan peringkat dengan masing-masing tiga belas ribu suara dan enam minggu trafik berbayar di belakangnya; MiniMax-H3-Image baru memiliki satu hari. Jika Anda membutuhkan pengatur kualitas, OpenAI memiliki enam pengaturan dan MiniMax tidak memiliki satu pun. Jika Anda membutuhkan gambar kecil, OpenAI turun hingga 655.360 piksel dan MiniMax tidak turun di bawah sekitar 4 MP. Dan jika Anda membutuhkan yang terbaik saat ini di keluarga tersebut alih-alih generasi sebelumnya, varian 2.6 memiliki harga yang sama.

OrcaRouter merutekan kedua varian GPT Image 2.5 — gpt-image-2.5-sunburst dan gpt-image-2.5-flare — di bawah satu kunci, dengan harga daftar penyedia dengan markup 0% yang diteruskan, sehingga pemangkasan atau penghentian di sisi OpenAI tercermin pada hari itu terjadi, bukan saat berikutnya Anda memigrasikan integrasi penagihan. Kami tidak menyediakan MiniMax-H3-Image; tidak ada rute untuknya di katalog kami, dan jalur jujur untuk mendapatkannya hari ini adalah API MiniMax sendiri atau 135 GB unduhan. Yang dapat kami lakukan dalam perbandingan seperti ini adalah menjaga sisi yang diukur tetap murah untuk diuji dan mudah dialihkan saat gagal, yang merupakan bagian dari keputusan yang tidak bergantung pada skor arena.

Apa yang akan membuat ini menjadi perbandingan yang sebenarnya?

Dua hal, dan keduanya tinggal hitungan minggu, bukan bulan. Yang pertama adalah entri MiniMax-H3-Image di arena gambar dengan beberapa ribu sampel, yang entah akan mengonfirmasi bahwa harganya memang tawaran bagus atau menunjukkan sebagaimana adanya saat ini — diskon yang belum teruji. Yang kedua adalah angka token per gambar dari OpenAI pada 2K dan 4K, karena estimasi $0.21 adalah angka 1K dan seluruh argumen harga bergeser jika pengali 4K bukan seperti yang diasumsikan orang.

Selama keduanya belum ada, keputusannya luar biasa bersih: beli model yang terukur untuk pekerjaan yang harus dirilis pada resolusi sedang, dan anggap MiniMax-H3-Image sebagai kandidat untuk pekerjaan yang secara struktural tidak dapat dilakukan GPT Image 2.5 — enam belas megapiksel, reproduksibilitas yang persis, atau volume di mana selisih harga sepuluh banding satu menutup biaya evaluasi beberapa kali lipat.