MiniMax-H3-Image vs Nano Banana 2.1: Harga Hampir Sama, Bukti Tak Sebanding

Dua model gambar, keduanya sekitar tiga sen per gambar, dan keputusan antara MiniMax-H3-Image dan Nano Banana 2.1 tidak ditentukan oleh harga. Pada 1024×1024, pendatang baru berbobot terbuka ini berbiaya $0.02179 per generasi dan Nano Banana 2.1 milik Google berbiaya $0.0336 — selisih sekitar satu sen. Pada 4096×4096, selisihnya melebar menjadi $0.06879 versus $0.113. Jadi yang murah memang benar-benar lebih murah, sebesar sepertiga hingga setengah. Yang tidak bisa Anda beli dengan harga berapa pun saat ini adalah alasan untuk memercayai klaim kualitas model murah, karena tidak ada orang di luar MiniMax yang mengukurnya. Nano Banana 2.1 berada di peringkat keempat pada kedua papan gambar Artificial Analysis dengan ribuan sampel di balik setiap peringkat. MiniMax-H3-Image tidak muncul di kedua papan itu, dalam posisi apa pun, dengan jumlah sampel berapa pun. Asimetri itulah keseluruhan perbandingannya, dan sebanyak apa pun aritmetika lembar spesifikasi tidak akan menutupinya.

Ada baiknya konkret soal tanggal sebelum melangkah lebih jauh, karena kedua model tidak berada dalam fase hidup yang sama. Nano Banana 2.1 telah tersedia secara umum sejak 6 Oktober 2026 sebagai gemini-nano-banana-2.1, dan model itu menggantikan gemini-3.1-flash-image, yang dihentikan Google dengan tanggal penonaktifan 29 Oktober 2026 — jadi jika Anda masih memanggil yang lebih lama, Anda sudah harus berpindah. Bobot MiniMax-H3-Image tiba di Hugging Face pada 10 November 2026 pukul 14.50 UTC, dengan kartu singkat di catatan rilis API MiniMax tertanggal hari yang sama dan tanpa posting blog pendamping. Satu model punya sebulan lalu lintas produksi; yang lain baru sehari dapat diunduh. Nilailah dengan semestinya.

Apa yang sebenarnya Anda dapatkan dari masing-masing

Nano Banana 2.1 adalah turunan Gemini 3.6 Flash yang hanya dijual melalui API G​oogle. Tiga tingkat resolusi — 1K, 2K, 4K, dan tanpa opsi 512 piksel — dengan rasio aspek dari kumpulan yang biasa, konteks masukan 131.072 token dan 32.768 token keluaran. Model ini menerima hingga 14 gambar referensi dalam satu permintaan, yang dibagi oleh G​oogle menjadi 10 referensi objek dan 4 referensi karakter, dan dapat mendasarkan generasi pada hasil G​oogle Search atau Image Search. Thinking aktif secara default pada tingkat medium, dengan opsi minimal dan high tersedia, dan tidak dapat dimatikan melalui API sama sekali. Setiap keluaran membawa tanda air SynthID.

MiniMax-H3-Image adalah transformer difusi dense 33,1B dengan encoder CNN dan decoder ViT 24 lapis untuk VAE-nya, dirilis di bawah lisensi komunitas MiniMax sendiri. Text-to-image dan edit keduanya berjalan melalui satu pasangan endpoint, edit menerima 1 hingga 16 gambar referensi yang dialamatkan secara posisional sebagai <Picture 1> hingga <Picture 16> sesuai urutan unggah, dan model ini didistilasi menjadi enam langkah sampling tanpa classifier-free guidance — API yang disajikan mengembalikan HTTP 400 jika Anda memberikan apa pun selain num_inference_steps=6 dan guidance_scale=1. Area keluaran dibatasi maksimum 20.000.000 piksel melalui API, dengan tingkat area pada 1K, 2K, dan 4K serta 4K sebagai default; kartu model mengklaim sekitar 16 megapiksel pada setiap rasio aspek. Tidak ada search grounding, tidak ada thinking budget, dan tidak ada skema watermark yang dinyatakan di mana pun dalam repositori atau lisensi.

Daftar kemampuannya berbeda-beda dengan pola yang jelas mencerminkan target pengguna tiap produk. Google menghadirkan orkestrasi: referensi, pengambilan, anggaran penalaran, penanda provenans. MiniMax menghadirkan resolusi dan kontrol: enam belas slot referensi, batas 20 megapiksel, sampler enam langkah tetap yang dapat Anda replikasi secara persis di perangkat keras Anda sendiri.

Tangga harga, dengan jendela diskon yang dijelaskan secara eksplisit

Nano Banana 2.1 dihitung berdasarkan pemakaian sebesar $30 per juta token gambar keluaran, yang menurut dokumentasi G​oogle sendiri setara dengan $0.0336 per 1K gambar, $0.0504 per 2K, dan $0.113 per 4K. Gambar masukan ditagih sebesar $1.50 per juta token dan keluaran teks sebesar $7.50 per juta. Ada tier batch dengan setengah dari tarif keluaran tersebut untuk pekerjaan yang bisa menunggu, dan Artificial Analysis mencantumkan tarif efektif 1K sebesar $33.60 per seribu gambar — angka yang sama yang dinyatakan dalam jumlah besar.

MiniMax-H3-Image dihitung dengan cara yang pada prinsipnya sama, tetapi hasil akhirnya sangat berbeda. Tingkat standar: $2.30 per juta token teks masukan, $1.50 per juta token gambar masukan, $3.80 per juta token gambar keluaran. Ditelaah melalui contoh-contoh dari vendor itu sendiri:

• 1K teks-ke-gambar — Nano Banana 2.1 $0.0336 vs MiniMax-H3-Image $0.02179.

• Pembuatan gambar dari teks 2K — $0.0504 vs $0.02333.

• Teks-ke-gambar 4K — $0.113 vs $0.06879, atau $0.03439 dengan diskon 50% waktu terbatas dari M​iniMax.

• Edit dengan satu referensi — G​oogle tidak mempublikasikan harga edit per gambar pada tingkat ini; M​iniMax mengenakan biaya $0.02654 pada 1K, $0.02658 pada 2K, dan $0.07312 pada 4K.

• Edit dengan tiga referensi — $0.03563 untuk 1K, $0.04177 untuk 2K, $0.07914 untuk 4K di MiniMax.

Dua detail dalam tangga harga itu mudah terlewat dan mengubah perhitungan. Pertama, diskon MiniMax hanya berlaku bila gambar yang dikirimkan minimal 16.600.000 piksel, dan diskon itu berakhir pada 17 November 2026 pukul 16.00 UTC — enam hari setelah bobotnya diunggah. Jika Anda menghitung biaya pipeline berdasarkan angka 4K yang didiskon, Anda sedang menghitung berdasarkan promosi. Kedua, tangga harga MiniMax luar biasa datar: enam belas kali piksel dengan biaya sedikit lebih dari tiga kali lipat, karena meterannya adalah token dan jumlah token tidak berskala dengan luas seperti yang disiratkan harga label. Tangga harga Google lebih mendekati proporsional. Pada 4K, resolusi yang menjadi target model berbobot terbuka itu, kedataran itulah tempat penghematan sesungguhnya berada.

Lapisan routing membuktikan kegunaannya di sini justru karena tidak perlu memedulikan meteran mana dari dua meteran tersebut yang Anda gunakan. OrcaRouter meneruskan harga daftar penyedia dengan markup 0%, yang berarti perubahan harga vendor — termasuk promosi seperti milik M​iniMax, dan termasuk masa berakhirnya — langsung berlaku di sisi kami pada hari yang sama alih-alih menunggu migrasi penagihan. Tidak ada model dalam perbandingan ini yang ada di katalog kami: MiniMax-H3-Image baru berumur seminggu tanpa rute hosted, dan Nano Banana 2.1 diakses melalui API milik G​oogle sendiri. Yang memang kami sediakan dari garis keturunan itu adalah generasi sebelumnya, google/gemini-3.1-flash-image-preview, bersama rute gambar O​penAI dan rute video untuk H3 milik M​iniMax. Alasan untuk mengatakannya secara terus terang adalah bahwa tulisan yang membandingkan checkpoint open-weight yang belum diukur dengan model tertutup yang sudah dinilai seharusnya tidak berpura-pura bahwa checkpoint baru itu hanya berjarak satu ketukan tombol.

Hanya satu pihak dalam hal ini yang memiliki papan skor.

Artificial Analysis memberi Nano Banana 2.1 skor Elo 1160 di papan teks-ke-gambar miliknya, peringkat keempat, dari lebih dari 6.055 sampel, dan Elo 1137 di papan penyuntingan gambarnya, juga peringkat keempat, dari lebih dari 5.968 sampel. Kedua posisi tersebut memiliki rentang peringkat keempat hingga keenam tergantung pada interval yang Anda baca. Itu independen, diambil sampel, dan dapat dibandingkan dengan setiap model lain di papan — termasuk model yang sudah Anda gunakan.

MiniMax-H3-Image tidak memiliki entri di kedua papan. Bukan entri yang rendah; tidak ada sama sekali. Kartu vendor menyebutnya “model gambar open-weight terkemuka”, dan grid etalase repositori adalah satu-satunya bukti kualitas keluaran yang ada, yang justru merupakan jenis bukti yang dirancang agar terlihat bagus. Tidak ada tabel evaluasi vendor juga — tidak ada GenEval, tidak ada DPG-Bench, tidak ada angka preferensi manusia, tidak ada apa pun untuk dibandingkan dengan evaluasi terbitan pesaing. Sebulan dari sekarang, itu mungkin sudah berubah. Hari ini, ringkasan jujurnya adalah bahwa model yang lebih murah memang lebih murah dan model yang terukur memang terukur, dan kedua fakta itu tidak saling bertentangan karena keduanya tentang hal yang berbeda.

Ada biaya sekunder yang sepenuhnya disembunyikan oleh harga per gambar, dan itu adalah angka terbesar dalam artikel ini: 68.65 GB diffusion transformer dan VAE dalam BF16 dan FP32, ditambah text encoder yang sama sekali tidak ada di repositori. MiniMax-H3-Image memuat text_encoder/ dari model video MiniMax-H3, Qwen3-VL sebesar 66.7 GB, sehingga generasi lokal pertama adalah unduhan sekitar 135 GB dari dua repositori. Tambahkan GPU: panduan serving M​iniMax sendiri untuk vLLM-Omni menyebutkan H200, RTX PRO 6000 Blackwell, dan AMD Instinct MI350X, serta paralelisme sekuens multi-GPU — --ulysses-degree di SGLang, --usp di vLLM-Omni — adalah cara yang didokumentasikan untuk mendapatkan latensi yang dapat diterima pada resolusi penuh. Dengan $0.02179 per gambar 1K, API lebih murah daripada listrik untuk waktu yang sangat lama. Bobot terbuka itu berharga untuk kendali dan untuk ketentuan lisensinya, bukan untuk ekonomi unit pada skala kecil.

Batasan yang menentukan lebih banyak deployment daripada kualitas.

Batas atas resolusi adalah yang paling jelas, dan selisihnya tidak dekat. Nano Banana 2.1 berhenti di 4K. MiniMax-H3-Image mencapai 20 megapiksel melalui API dan sekitar 16 megapiksel dalam contoh pada kartu — 4096×4096 pada 1:1, 6272×2688 pada 21:9, 5472×3072 pada 4K 16:9. Jika hasil akhir Anda adalah pelat ukuran cetak atau latar belakang yang akan dipotong secara agresif, model tertutup sudah tersingkir sebelum kualitas masuk ke pembahasan, dan kedua model dalam artikel ini sama sekali tidak lagi bersaing.

Penanganan referensi adalah kebalikannya. 14 referensi G​oogle bertipe — 10 objek, 4 karakter — dan penentuan tipe itu berperan: ia memberi tahu model peran apa yang dimainkan setiap gambar. 16 referensi M​iniMax adalah slot tanpa tipe yang dialamatkan berdasarkan posisi, yang berarti lebih banyak keleluasaan dan lebih sedikit struktur. Jika alur kerja Anda adalah “letakkan orang ini di jaket ini dengan latar belakang ini”, tipe ala G​oogle adalah fiturnya. Jika alur kerja Anda adalah “ini enam belas frame, pertahankan identitas di semuanya”, batas maksimal M​iniMax adalah fiturnya. Keduanya bukan superset.

Anggaran prompt adalah yang ketiga. Nano Banana 2.1 memiliki 131.072 token konteks masukan untuk digunakan. MiniMax-H3-Image menerima hingga 32.000 karakter pada API yang disediakan, tetapi hanya sekitar 4.096 token pertama yang berlaku saat peningkatan prompt dimatikan, dan jalur SGLang lokal terpotong langsung pada 4.096 token. Bagi model yang nilai jualnya adalah kemampuan mengikuti instruksi, itu adalah anggaran yang ketat, itulah sebabnya MiniMax merilis pendamping: MiniMax-H3-Image-PE, sebuah fine-tune FP4 27B dari Qwen3.8-27B yang menulis ulang permintaan singkat menjadi caption panjang plus rekomendasi rasio aspek dan mengeluarkannya sebagai JSON sesuai skema. Model ini muat dalam sekitar 19 GiB VRAM. Separuh sisi edit-nya digambarkan sebagai hanya berupa prompt dan masih dalam pengembangan, sehingga expander saat ini membantu text-to-image dan tidak banyak yang lain.

Dan lisensinya, yang tidak memiliki padanan di sisi G​oogle karena tidak ada yang perlu dilisensikan. Perjanjian komunitas M​iniMax mewajibkan otorisasi tertulis terlebih dahulu secara terpisah untuk pendapatan tahunan di atas satu juta dolar AS atau jika Anda menawarkan layanan yang dihosting, mewajibkan kata “MiniMax-H3-Image” ditampilkan secara mencolok pada antarmuka komersial apa pun yang menggunakannya, membatasi penggunaan pada wilayah tertentu, dan melarang penggunaan output untuk melatih atau meningkatkan model lain. Ketentuan G​oogle adalah kontrak API standar. “Open weights” di sini berarti lisensi yang harus Anda baca, bukan lisensi yang dapat Anda abaikan.

Seperti apa kedua tagihan itu untuk satu bulan nyata

Katakanlah Anda menghasilkan 20.000 gambar per bulan pada 2K. Nano Banana 2.1 berbiaya $1.008 pada harga daftar, atau $504 pada tier batch jika pekerjaan dapat diantrekan. MiniMax-H3-Image berbiaya $466,60 pada harga daftar melalui API MiniMax — atau, dengan self-hosted, berapa pun biaya dua hingga empat GPU tersebut untuk jam yang terlibat, yang bagi sebagian besar tim lebih besar. Sebagai gantinya, katakanlah Anda menghasilkan 2.000 gambar per bulan pada 4K dan jendela diskon telah ditutup: $226 untuk Google, $137,58 untuk MiniMax. Penghematannya nyata dan jumlahnya tiga digit per bulan, bukan lima digit. Itulah ukuran hadiah yang tepat, dan itu harus ditimbang terhadap biaya menjadi orang pertama yang menemukan di mana model yang belum terukur rusak.

Asimetri itu mendukung pola tertentu alih-alih pemenang. Arahkan jalur produksi ke model yang memiliki papan skor, dan kirim sebagian trafik ke model murah untuk membangun bukti Anda sendiri — kumpulan prompt tetap, tinjauan Anda sendiri, perbandingan selama dua minggu. Inilah kasus yang sebenarnya ditujukan untuk failover: model yang tidak dikenal diperlakukan sebagai rute kandidat, bukan pengganti, dengan model yang sudah terbukti baik di belakangnya saat sebuah pekerjaan kembali salah. Pengambilan sampel tanpa panduan enam langkah pada 16 megapiksel juga merupakan permintaan yang panjang menurut standar gambar, dan itu tidak idempoten di sisi MiniMax — timeout klien tetap ditagih, dan SDK OpenAI mencoba ulang dua kali secara default kecuali Anda menyetel max_retries=0. Permintaan panjang yang ditagih saat timeout justru adalah permintaan yang Anda ingin ada rute kedua di bawahnya.

Pertanyaan yang menyelesaikan ini dalam waktu sekitar satu bulan

Tidak ada model yang merupakan pilihan yang salah; pilihannya bergantung pada apakah Anda mampu menjadi pihak yang melakukan pengukuran. Jika keluaran yang harus diserahkan membutuhkan papan skor sebelum membutuhkan keputusan, Nano Banana 2.1 adalah satu-satunya sisi dalam perbandingan ini yang memilikinya, dan pada 4K biayanya $0.113 dibandingkan $0.06879 milik MiniMax — selisih yang akan Anda habiskan lebih dari sekali untuk diperdebatkan secara internal. Jika keluaran tersebut membutuhkan 16 megapiksel, referensi bertipe tidak penting dan resolusi yang penting, dan MiniMax-H3-Image adalah satu-satunya sisi yang menyediakannya.

Yang akan menyelesaikannya adalah hal yang belum terjadi: {{1}}penempatan independen{{/1}}. MiniMax-H3-Image baru sehari tersedia untuk publik, ketentuan lisensinya masih ditanyakan di utas diskusi repositori beberapa jam setelah bobotnya muncul, dan prompt expander miliknya sendiri baru setengah jadi. Ketika model itu muncul di Artificial Analysis dengan jumlah sampel, selisih harga berhenti menjadi argumen proksi dan menjadi transaksi yang sebenarnya. Sampai saat itu, belilah model yang sudah terukur untuk pekerjaan yang harus dikirim, dan perlakukan model murah sebagai kandidat yang sedang Anda evaluasi — bukan sebagai pengganti yang sudah Anda putuskan.