MiniMax-H3-Image vs MAI-Image 2.7 Preview: Satu Berkas, Satu Pratinjau

Beri MAI-Image 2.7 Preview sebuah prompt teks dan tidak ada hasil yang muncul, karena model ini tidak menghasilkan dari teks. Model ini mengedit. Satu kalimat itu menjelaskan sebagian besar perbedaan antara model ini dan MiniMax-H3-Image, dan itulah bagian yang selalu salah dalam setiap perbandingan berdampingan antara keduanya, karena kedua model tidak memecahkan masalah yang sama: yang satu adalah checkpoint terpadu untuk text-to-image dan penyuntingan referensi dengan bobot yang dapat diunduh, yang lain adalah pratinjau khusus penyuntingan dari Microsoft AI, yang dapat diakses melalui playground dan papan peringkat, dan tidak banyak lagi selain itu.

Keduanya terbilang baru. MiniMax menerbitkan bobot MiniMax-H3-Image pada 10 November 2026 pukul 14.50 UTC; pratinjau Microsoft sudah beredar sejak akhir Oktober, dan papan independen tempat ia berada menunjukkan pergerakannya. Yang berikut ini bukanlah daftar fitur — melainkan upaya untuk menjawab satu-satunya pertanyaan yang penting jika Anda sedang memilih: mana di antara ini yang benar-benar bisa Anda masukkan ke dalam pipeline, dengan biaya berapa, dan apa yang Anda korbankan dengan memilihnya.

Perbedaan pertama adalah kapabilitas, bukan tolok ukur.

MiniMax-H3-Image melakukan dua pekerjaan dari satu checkpoint. Model ini menghasilkan gambar dari prompt, dan menyunting satu atau lebih gambar referensi yang diteruskan secara posisional sebagai <Picture 1> hingga <Picture 16>. Bobot yang sama melayani keduanya; tidak ada endpoint penyuntingan terpisah untuk dikonfigurasi dan tidak ada model kedua yang harus dibayar.

MAI-Image 2.7 Preview menjalankan tugas kedua. Ini adalah model penyuntingan — Anda memberikan gambar dan instruksi, lalu model mengembalikan gambar yang telah direvisi. Tidak ada mode teks-ke-gambar yang dapat diaktifkan. Bagi tim yang alur kerjanya adalah "hasilkan foto produk, lalu lakukan iterasi pada foto itu", itu berarti model Microsoft dapat menangani separuh bagian iterasi dan tidak dapat menangani frame pertama, jadi model ini sama sekali bukan pengganti langsung untuk MiniMax-H3-Image. Paling baik, ia adalah model kedua dalam sebuah rangkaian.

Asimetri itu perlu dinyatakan secara gamblang karena hal itu mengubah makna perbandingan itu sendiri. Anda dapat membandingkan keduanya dalam hal kualitas penyuntingan. Anda tidak dapat membandingkannya dalam hal generasi, karena salah satunya tidak melakukannya.

Yang satu memberimu bobot, yang lain memberimu lencana pratinjau.

MiniMax-H3-Image dirilis di bawah Perjanjian Lisensi Komunitas MiniMax-H3-Image, yang bukan Apache 2.0 dan layak dibaca oleh ahli hukum sebelum penerapan komersial, tetapi ini adalah artefak yang dapat diunduh: 68,65 GB diffusion transformer, VAE, dan konfigurasi, ditambah encoder teks 66,7 GB yang dipinjam dari repositori video MiniMax-H3. Anda dapat menjalankannya di perangkat keras Anda sendiri melalui SGLang, vLLM-Omni, diffusers, atau ComfyUI, dan tim vLLM merilis dukungan hari pertama untuk NVIDIA dan AMD pada hari peluncuran. Anda juga dapat memanggilnya melalui API milik M​iniMax sendiri, dengan pengenal modelnya adalah MiniMax-H3-Image dan tingkat Highspeed menjalankan batas yang sama pada laju keluaran yang lebih tinggi.

MAI-Image 2.7 Preview tertutup dalam pengertian biasa: tidak ada bobot, tidak ada lisensi untuk dibaca, tidak ada kartu model dengan jumlah parameter atau arsitektur. Microsoft belum menerbitkan harga per gambar, resolusi maksimum, batas atas gambar referensi, antarmuka mask, atau daftar Foundry dengan endpoint yang bisa dipanggil pengembang hari ini. Yang ada adalah MAI Playground, kemunculan di Arena, dan entri di Artificial Analysis. Itu cukup untuk membentuk opini tentang model tersebut dan tidak cukup untuk menyusun anggaran berdasarkan model itu.

Inilah perbedaan yang menentukan sebagian besar keputusan nyata. Model berbobot terbuka tanpa skor benchmark adalah risiko rekayasa yang dapat Anda singkirkan dengan menjalankannya. Model tertutup tanpa harga adalah jalan buntu pengadaan, sebagus apa pun sampelnya terlihat.

Apa yang sebenarnya dikatakan dewan independen

Per 11 November 2026, MAI-Image 2.7 Preview berada di peringkat keempat pada papan AA-Image-Editing v2.1 milik Artificial Analysis dengan Elo 1123, di belakang GPT Image 2.6 Sunburst pada 1209, GPT Image 2.6 Flare pada 1206, dan GPT Image 2.5 Sunburst pada 1126. Jumlah sampelnya 5.280, yang merupakan jumlah sampel nyata dan bukan nilai pengisi. Ketika Microsoft mengumumkan pratinjau tersebut pada 27 Oktober 2026, mereka menyebut model itu berada di peringkat kedua pada papan tersebut dengan 1.193 Elo, terpaut enam poin dari GPT Image 2.5 Sunburst. Sejak itu papan tersebut terisi oleh entri OpenAI yang lebih baru dan posisinya kini keempat dengan 1123 — itulah yang terjadi pada sebuah peringkat dalam bulan yang bergerak cepat, dan alasan untuk membaca Elo apa pun dengan tanggal pengambilan datanya disertakan, bukan sebagai fakta permanen. Penjelasan vendor sendiri mengenai subskor (penyuntingan berbasis penalaran dan penyuntingan adegan-dan-gaya naik dari peringkat ketujuh ke pertama, penyuntingan teks dan simbol dari keenam ke pertama, keunggulan 24 Elo dalam adegan dan gaya) tetap merupakan karakterisasi vendor atas data pihak ketiga: klaim dengan kelas yang lebih baik daripada tolok ukur internal, dan tetap bukan pengukuran yang dapat Anda reproduksi.

MiniMax-H3-Image tidak memiliki baris di papan itu, dan juga tidak ada baris di AA-Image-T2I v2.1. Bukan baris yang rendah — memang tidak ada. Model ini dirilis pada 10 November, pengumpulan sampel untuk papan preferensi berpasangan membutuhkan waktu, dan tidak ada angka yang bisa dikutip. Siapa pun yang mengatakan satu model mengalahkan model lain berdasarkan skor independen sedang membandingkan model yang sudah diperingkat dengan model yang belum diperingkat, dan itu bukanlah perbandingan.

Posisi penilaian yang jujur adalah: MAI-Image 2.7 Preview memiliki skor penyuntingan peringkat keempat pada papan yang peringkat atasnya penuh dengan model O​penAI, dan MiniMax-H3-Image tidak memiliki skor sama sekali. Itu bukan argumen bahwa model M​iniMax lebih baik atau lebih buruk. Itu adalah argumen bahwa satu-satunya orang yang tahu seberapa bagus model itu adalah mereka yang telah menjalankannya.

Dimensi demi dimensi

• Apa fungsinya — MiniMax-H3-Image: text-to-image dan pengeditan referensi dalam satu checkpoint. MAI-Image 2.7 Preview: hanya pengeditan; tidak ada mode text-to-image.

• Ukuran keluaran — MiniMax-H3-Image: sekitar enam belas megapiksel pada setiap rasio aspek, 4096×4096 pada 1:1 hingga 6272×2688 pada 21:9, dengan batas maksimum API 20 MP. MAI-Image 2.7 Preview: tidak dipublikasikan; pendahulunya dibatasi sekitar 2,36 megapiksel.

• Referensi — MiniMax-H3-Image: hingga 16, diidentifikasi berdasarkan posisi dalam urutan unggahan. MAI-Image 2.7 Preview: tidak ada batas maksimum yang didokumentasikan.

• Bobot — MiniMax-H3-Image: 68,65 GB ditambah encoder teks 66,7 GB, di bawah lisensi komunitas yang bukan Apache 2.0. MAI-Image 2.7 Preview: tidak ada, dan tidak ada indikasi bahwa akan ada yang datang.

• Harga — MiniMax-H3-Image: $0.02179 untuk gambar 1K, $0.02333 untuk 2K, $0.06879 untuk harga daftar 4K, dan $0.03439 dengan diskon 50% yang berakhir pada 17 November 2026 pukul 16.00 UTC. MAI-Image 2.7 Preview: tidak ada harga yang dipublikasikan sama sekali.

• Skor penyuntingan independen — MAI-Image 2.7 Preview: 1123 Elo, peringkat keempat pada AA-Image-Editing v2.1. MiniMax-H3-Image: tidak ada baris pada kedua papan per 11 November 2026.

Pensampelan — MiniMax-H3-Image: tetap pada enam langkah, tanpa panduan bebas pengklasifikasi, tanpa prompt negatif; jumlah langkah lainnya ditolak dengan HTTP 400. MAI-Image 2.7 Preview: tidak diungkapkan.

• Di mana Anda dapat memanggilnya — MiniMax-H3-Image: API milik MiniMax sendiri ditambah self-hosting melalui empat framework yang didokumentasikan. MAI-Image 2.7 Preview: MAI Playground, dan di mana pun Microsoft menempatkannya selanjutnya.

Sebuah suntingan, diberi harga pada satu sisi yang memang memiliki harga

MiniMax-H3-Image menagih token masukan dan keluaran, bukan gambar, dan contoh perhitungan pada kartu adalah versi yang mudah dibaca: edit 1.024×1.024 dengan satu referensi 1K menjadi $0,02654, karena Anda membayar $1,50 per juta token gambar masukan di atas output. Generasi 2K adalah $0,02333 dan generasi 4K adalah $0,06879 sesuai daftar harga. Jika Anda memproses seribu edit 2K secara batch dengan masing-masing satu referensi, Anda berada di kisaran $26 hingga $30, tergantung pada berapa biaya untuk mengodekan referensi — angka yang bisa Anda masukkan ke spreadsheet hari ini.

Anda tidak bisa melakukan perhitungan itu untuk MAI-Image 2.7 Preview, dan di sinilah harga yang hilang berhenti menjadi celah dokumentasi dan menjadi masalah perencanaan. Sebuah preview tanpa tarif yang dipublikasikan tidak dapat dianggarkan, tidak dapat dibandingkan, dan tidak dapat dijadikan komitmen, terlepas dari posisinya di papan peringkat. Jika model Microsoft memang benar-benar lebih baik dalam pengeditan — dan peringkat keempat dengan 1123 Elo adalah posisi yang terhormat — biaya untuk mengetahuinya bukanlah biaya per gambar, melainkan seminggu integrasi terhadap antarmuka yang mungkin berubah sebelum dirilis.

OrcaRouter tidak merutekan salah satu dari model ini, dan artikel ini tidak akan berpura-pura sebaliknya. Yang kami rutekan adalah pembuatan gambar yang dapat Anda panggil dengan kunci yang sama seperti semua hal lainnya — gpt-image-2.5-sunburst, gpt-image-2, pratinjau gambar G​emini, Imagen 4 dalam tiga tingkatan, G​rok Imagine Image — pada harga daftar penyedia dengan markup 0% yang diteruskan, jadi ketika vendor mengubah tarif, tagihan Anda ikut berubah pada hari yang sama. Bagi tim yang membuat prototipe fitur gambar sambil menunggu kualitas penyuntingan M​iniMax diukur atau pratinjau Microsoft mendapatkan label harga, itu adalah cara untuk menjaga pipeline tetap berjalan tanpa kontrak kedua. Ini bukan pengganti untuk salah satu model tersebut, dan perbedaannya penting.

Enam belas referensi terhadap batas atas yang tidak terdokumentasi

Baris yang paling diremehkan dalam lembar spesifikasi MiniMax-H3-Image adalah jumlah referensinya. Enam belas gambar, yang dialamatkan secara posisional, cukup untuk mengondisikan sebuah edit berdasarkan lembar karakter, sebuah produk, tiga sudut ruangan, referensi warna, dan papan gaya dalam satu panggilan. Sangat sedikit model gambar yang mendokumentasikan kapasitas itu, dan hampir tidak ada model tertutup yang mendokumentasikannya sama sekali — MAI-Image 2.7 Preview tidak melakukannya, jadi alur kerja yang bergantung pada banyak referensi harus divalidasi secara empiris sebelum dapat dirancang berdasarkan kemampuan tersebut.

Satu peringatan tentang angka itu, karena ini akan menimbulkan masalah bagi seseorang: kartu model menyebutkan 16 referensi, sedangkan resep rilis vLLM-Omni untuk bobot yang sama mendokumentasikan hingga 9 gambar per permintaan. Kedua angka itu bisa sama-sama benar — batas batching pada stack serving dan kapasitas terlatih model adalah hal yang berbeda — tetapi jika alur kerja Anda membutuhkan dua belas referensi, posisi yang jujur adalah Anda harus mengujinya pada jalur serving Anda sendiri daripada mempercayai salah satu dokumen tersebut.

Apa yang harus dilakukan dengan ini, minggu ini

Jika Anda memerlukan pembuatan gambar resolusi tinggi dengan opsi hosting sendiri, keputusannya sebenarnya bukan antara kedua model ini; MAI-Image 2.7 Preview tidak ikut dalam persaingan tersebut. Ambil MiniMax-H3-Image, dengan harga $0.02333 untuk 2K dan $0.06879 untuk 4K, putuskan sebelum 17 November apakah diskon 4K mengubah rencana Anda, dan baca lisensinya sebelum mengunduh, bukan sesudahnya.

Jika Anda membutuhkan kemampuan editing terbaik yang tersedia dan bersedia bekerja di dalam pratinjau, posisi keempat MAI-Image 2.7 Preview di papan peringkat editing independen adalah sinyal nyata, dan tidak adanya harga merupakan hambatan nyata. Mintalah akses Foundry dan daftar tarif kepada Microsoft. Sampai salah satunya tersedia, pipeline editing yang dibangun di atasnya hanyalah prototipe, bukan produk.

Yang perlu diperhatikan bukanlah pembaruan papan peringkat berikutnya. Melainkan apakah MAI-Image 2.7 Preview mendapatkan harga dan endpoint, karena itu mengubah ini dari perbandingan model terbuka dengan demo tertutup menjadi pilihan nyata antara dua hal yang dapat dibeli. Dan apakah MiniMax-H3-Image mendapatkan skor, karena saat ini model dengan bobot adalah satu-satunya dari keduanya yang kualitasnya dapat Anda ukur sendiri — yang, bagi siapa pun yang pernah kecewa karena pratinjau, mungkin lebih bernilai di antara dua ketidakpastian itu.