MiniMax-H3-Image vs Qwen-Image 2.1: Dua Checkpoint Terbuka, Dua Kunci yang Berbeda

Kedua model ini dapat diunduh, dan tidak satu pun gratis digunakan dalam arti yang biasanya dimaksud kata itu. MiniMax-H3-Image — unduhan 68,65 GB yang transformer-nya saja 66,28 GB, ditambah text encoder 66,7 GB, dengan bobot yang diterbitkan pada 10 November 2026 — dirilis di bawah lisensi komunitas yang mengecualikan Uni Eropa, Inggris Raya, Republik Korea, dan Amerika Serikat dari pemberian lisensinya, serta mewajibkan otorisasi tertulis dari MiniMax untuk pendapatan tahunan di atas US$1 juta atau untuk layanan yang dihosting apa pun. Qwen-Image 2.1, yang dirilis tim Qwen Alibaba pada 20 September 2026 dan berukuran sekitar seperempat unduhan tersebut, yakni 33,13 GB, dirilis di bawah Qwen Research License Agreement, yang Bagian 2(a)-nya memberikan hak "HANYA UNTUK TUJUAN NONKOMERSIAL" dan Bagian 2(b)-nya melarang penggunaan komersial tanpa lisensi terpisah. Satu kunci bersifat geografis dengan dial pendapatan; yang lain absolut. Jika Anda datang ke sini untuk memilih model yang dapat Anda masukkan ke dalam produk, berkas lisensi sudah menjawabnya, dan sisa perbandingan ini membahas kumpulan penggunaan yang jauh lebih sempit di mana jawaban itu masih menyisakan pilihan bagi Anda.

Kontras dari sisi rekayasanya sama tajamnya, dan arahnya justru berlawanan dengan apa yang disiratkan oleh jumlah parameter. Qwen-Image 2.1 adalah generator visual berparameter 7 miliar yang melakukan denoising dalam empat puluh langkah. MiniMax-H3-Image adalah transformer dense berparameter 33,1 miliar yang didistilasi hingga enam langkah. Yang satu dirancang agar muat di workstation; yang lain dirancang agar permintaan yang dihosting terasa instan. Menentukan mana yang lebih murah per seribu gambar bukanlah soal mengalikan jumlah parameter dengan apa pun — melainkan soal di mana biaya masing-masing sebenarnya berada.

Apa arti "open" dalam setiap lisensi, klausul demi klausul

Mulai dari Qwen, karena ketentuannya lebih sederhana di antara keduanya dan lebih restriktif dalam kasus biasa. Kartu Hugging Face menandai lisensi sebagai other dengan license_name: qwen-research, dan file LICENSE di repositori adalah Qwen Research License Agreement tertanggal 20 September 2026. Bahasa operatifnya tidak ambigu: hak diberikan hanya untuk tujuan non-komersial, "Non-Commercial" didefinisikan sebagai riset atau evaluasi, dan siapa pun yang ingin merilis sesuatu harus meminta lisensi dari alamat yang disebutkan dalam perjanjian. Tidak ada ambang pendapatan, tidak ada pengecualian wilayah, dan tidak ada jalur yang tertulis dalam teks yang memungkinkan perusahaan kecil memenuhi syarat secara otomatis. Ini adalah hibah riset, dan hanya itu.

Kesepakatan M​iniMax lebih permisif secara prinsip dan lebih ganjil dalam praktik. Lisensinya bersifat seluruh dunia tetapi mengecualikan empat yurisdiksi secara eksplisit. Penggunaan komersial dipertimbangkan, bukan dilarang, dengan tunduk pada dua pemicu yang mensyaratkan otorisasi tertulis sebelumnya, dan pada klausul atribusi yang mewajibkan setiap produk komersial untuk "menampilkan secara mencolok 'MiniMax-H3-Image'" di antarmukanya. Perjanjian tersebut juga mewajibkan pengamanan untuk setiap layanan yang menghasilkan keluaran — menerapkan, memelihara, menguji, dan meninjau secara berkala — yakni jenis klausul yang oleh tim kepatuhan dibaca sebagai kewajiban dan oleh pengembang solo dibaca sebagai boilerplate.

Jika diletakkan berdampingan, kedua dokumen itu menghasilkan peta yang aneh. Sebuah studio di Tokyo dapat menggunakan MiniMax-H3-Image secara komersial, dengan otorisasi di atas ambang batas, dan sama sekali tidak dapat menggunakan Qwen-Image 2.1 secara komersial. Sebuah studio di California tidak dapat menggunakan keduanya: MiniMax mengecualikan wilayah itu sepenuhnya, Qwen melarang tujuan tersebut. Sebuah kelompok riset di mana pun dapat menggunakan keduanya, karena riset adalah yang diberikan Qwen dan yang dicakup oleh pembacaan nonkomersial MiniMax. Kalimat terakhir itu adalah ringkasan jujur bidang citra berbobot terbuka pada November 2026, dan tidak ada tabel benchmark yang mengubahnya.

Empat puluh langkah berbanding enam, dan apa dampaknya terhadap sebuah RUU

Perbedaan sampler adalah fakta rekayasa yang paling berdampak dalam perbandingan ini, karena hal itu mendominasi semua aspek biaya lainnya.

• Langkah — Qwen-Image 2.1 menjalankan Flow Matching dengan penjadwalan diskret Euler pada empat puluh langkah denoising secara default di checkpoint dasar, tanpa varian terdistilasi di repositori dasar. Checkpoint Qwen-Image 2.1 Turbo yang terpisah, dirilis 9 Oktober 2026, memangkasnya menjadi delapan langkah dengan CFG pada 1 dan jadwalnya disimpan di checkpoint. MiniMax-H3-Image berjalan dengan enam langkah dan sama sekali tanpa classifier-free guidance — bukan default, melainkan batasan: API yang disajikan mengembalikan HTTP 400 untuk jumlah langkah atau nilai guidance lain, dan menolak prompt negatif.

• Ukuran — Komponen generasi visual Qwen adalah 7B parameter di 32 lapisan DiT single-stream, dengan attention kausal blok; teks dan instruksi mendapat mask kausal tingkat token, sedangkan generasi gambar mendapat mask bidirectional tingkat chunk. Milik MiniMax adalah 33,1B dense, 50 lapisan, hidden 5.376, 56 head, FFN 14.336, dengan RoPE multimodal 3D dan patch laten 2×2 yang mencakup 32×32 piksel per token.

• Unduh — total 33,13 GB untuk Qwen-Image 2.1 (sekitar 20,5 GB untuk transformer dan VAE, sisanya encoder teks Qwen3-VL 8B). Sekitar 135 GB untuk M​iniMax sebelum Anda menghasilkan apa pun.

Kalikan saja, dan intuisi pun terbalik. Model 33B dengan enam langkah melakukan sekitar 199B parameter-langkah kerja per gambar; model 7B dengan empat puluh langkah melakukan sekitar 280B. Model yang lebih besar tidak otomatis lebih mahal — itulah inti dari distilasi, dan alasan "33B" di lembar spesifikasi hampir tidak memberi tahu apa pun tentang berapa biaya sebuah gambar. Namun pada kartu dengan daya terbatas, checkpoint 33B-lah yang mungkin tidak muat pada enam belas megapiksel, dan MiniMax tidak menerbitkan angka latensi, resep perangkat keras, maupun panduan memori di mana pun dalam materi rilisnya untuk memberi tahu apakah ia muat. Qwen justru menerbitkan preset tetap: 2048×2048 pada 1:1, 2400×1792 pada 4:3, 2752×1536 pada 16:9, dan transposenya — kira-kira 4,2 megapiksel di puncaknya, seperempat dari klaim MiniMax.

Kesenjangan resolusi itu bukan kebetulan dalam perbandingan biaya. Tangga harga M​iniMax hingga 4K luar biasa datar karena meternya adalah token dan jumlah token tidak berskala dengan luas seperti yang diduga intuisi — $0,02179 pada 1K dibandingkan $0,06879 pada 4K sebelum diskon peluncuran memangkas separuh tingkat teratas. Q​wen tidak punya tangga harga untuk dibandingkan, karena tidak ada model dasar terhosting yang bisa dibeli: Artificial Analysis mencantumkan Qwen-Image-2.1 tanpa harga sama sekali, yang bagi papan itu berarti tidak ada API. Tingkat Pro dan Turbo yang memang dihosting oleh A​libaba adalah baris yang sepenuhnya terpisah, masing-masing $35,33 dan $16 per seribu gambar.

Satu-satunya kemampuan yang dimiliki Qwen tetapi tidak dimiliki MiniMax

Transparansi native. VAE Qwen-Image 2.1 adalah autoencoder RGBA 64-kanal dengan kompresi spasial 16×, sehingga saluran alfa keluar dari model, bukan dari tahap penghapusan latar belakang setelahnya. Itu adalah perbedaan alur kerja yang nyata bagi siapa pun yang memproduksi aset untuk dikomposit — potongan produk, sprite, file desain berlapis — dan itu bukan sesuatu yang dapat Anda pancing agar MiniMax-H3-Image menghasilkannya lewat prompt. Tidak ada apa pun dalam repositori, kartu, atau lisensinya yang menyebutkan saluran alfa, dan VAE-nya dijelaskan sebagai encoder CNN dengan dekoder ViT 24-lapis dan 24 saluran laten.

Sisa daftar kemampuan lebih menguntungkan MiniMax di atas kertas dan layak dibaca dengan cermat, karena sebagian besar merupakan pernyataan vendor:

• Resolusi — Di sinilah model 33B mulai terlihat punya tujuan yang jelas. MiniMax-H3-Image menghasilkan secara native hingga sekitar enam belas megapiksel pada rasio aspek apa pun — 4096×4096 hingga 6272×2688 — dengan batas maksimum API 20 megapiksel dan tanpa upscaler dalam alurnya. Preset terdokumentasi Q​wen hanya mencapai sekitar 4,2 megapiksel.

• Referensi — MiniMax-H3-Image menerima hingga enam belas, dan Anda menunjuknya berdasarkan slot: prompt menyebutkan <Picture 3> dan yang dimaksud adalah file ketiga yang Anda unggah. Qwen-Image 2.1 menerima hingga sepuluh, dan showcase-nya mencakup foto grup yang dirakit dari enam potret.

• Kepatuhan terhadap instruksi — kartu M​iniMax mengklaim "kemampuan mengikuti instruksi paling kuat di antara model sumber terbuka" tanpa tabel evaluasi yang mendukung kalimat tersebut. Q​wen menerbitkan angka VDEBench sebesar 0,81 lokal dan 0,83 global atas 3.506 sampel, yang merupakan angka nyata dengan jumlah sampel nyata dan tetap merupakan angka vendor, yang dihitung oleh perangkat uji milik vendor itu sendiri.

• Panjang prompt — M​iniMax menerima 32.000 karakter pada API yang disajikan dengan kira-kira 4.096 token pertama yang mulai berlaku. Kartu dan contoh Q​wen ditulis seputar instruksi terstruktur yang pendek alih-alih prompt panjang, dan attention granularitas campurannya secara eksplisit dirancang untuk menyimpan instruksi dan gambar kondisi sekali lalu menggunakannya kembali di seluruh langkah, yang merupakan klaim efisiensi, bukan klaim kapasitas.

Apa yang kini ditunjukkan oleh dewan independen

Kedua model dinilai pada kedua arena gambar Artificial Analysis per 14 November 2026, yang menjadikannya salah satu dari sedikit pertandingan bobot terbuka di mana kedua pihak memiliki bukti pihak ketiga yang sebanding. Papan teks-ke-gambar hampir seri: MiniMax-H3-Image berada di peringkat ke-25 dari 114 baris dengan Elo 1.066 dan interval 1.051 hingga 1.080, sedangkan Qwen-Image-2.1 berada di peringkat ke-28 dengan Elo 1.047 dan interval 1.035 hingga 1.059. Dua puluh poin Elo dengan interval yang hanya sedikit bersinggungan satu sama lain adalah keunggulan, bukan selisih besar, dan tidak ada yang seharusnya mengganti pipeline hanya karena itu.

Papan peringkat penyuntingan adalah yang membedakan. MiniMax-H3-Image berada di peringkat ke-13 dari 84 dengan Elo 1.138 (1.122–1.154); Qwen-Image-2.1 berada di peringkat ke-30 dengan 1.084 (1.071–1.097). Itu selisih lima puluh empat poin Elo tanpa tumpang tindih sama sekali, dan ini adalah satu-satunya tempat dalam perbandingan ini di mana bukti pihak ketiga menunjukkan sesuatu yang menentukan tentang kualitas, bukan tentang biaya atau lisensi.

Varian mengikuti induknya tanpa mengubah bentuk. MiniMax-H3-Image Highspeed menempati peringkat ke-24 pada teks ke gambar (1,072) dan ke-14 pada penyuntingan (1,134), sehingga tier yang dilayani lebih cepat mendekati tier standar di kedua papan peringkat. Di sisi Q​wen, saudara Pro yang dihosting berada di 1,059 dan 1,068, sedangkan Turbo di 1,025 dan 1,062 — keduanya di bawah skor penyuntingan checkpoint dasar, yang merupakan biaya yang diperkirakan dari jadwal delapan langkah, bukan kejutan.

Dua peringatan sebelum siapa pun menyusun argumen pengadaan berdasarkan angka-angka itu. Pertama, Elo berasal dari suara berpasangan secara buta, bukan dari pengukuran resolusi, penanganan alpha, atau kepatuhan pada jumlah langkah; sebuah dewan yang tidak dapat melihat pipeline pengomposisian Anda tidak dapat menilai apa yang penting baginya. Kedua, baris Qwen-Image-2.1 dihasilkan oleh orang-orang yang menjalankan bobotnya sendiri, karena tidak ada endpoint dasar ter-hosting untuk mengarahkan prompt, sementara baris M​iniMax mencakup lalu lintas terhadap API-nya. Populasi berbeda, papan peringkat sama — dan Artificial Analysis menandai perbedaan itu sendiri alih-alih menyembunyikannya.

Di mana OrcaRouter cocok, dan di mana tidak

Tidak satu pun dari model-model ini ada dalam katalog OrcaRouter, dan lebih baik bersikap terus terang soal itu daripada menyembunyikannya: per 14 November 2026, tidak ada rute di sini untuk MiniMax-H3-Image maupun untuk Qwen-Image 2.1, dan analisis lisensi di atas adalah sebagian besar alasan mengapa katalog terkelola merupakan bisnis yang berbeda dari repositori bobot. Yang dirutekan platform ini di lini gambar adalah keluarga G​oogle dan O​penAI — termasuk model gambar G​emini dan lini GPT Image — di balik kunci yang sama dengan model teksnya, dengan harga daftar penyedia tanpa markup 0% yang diteruskan.

Bagian dari hal itu yang benar-benar berguna dalam perbandingan ini adalah DSL perutean. Pipeline yang memerlukan gambar 16 megapiksel untuk pekerjaan cetak dan thumbnail 1 megapiksel untuk listing tidak ingin satu model mengerjakan keduanya dengan satu harga, dan tidak ingin dua kontrak vendor untuk mencapainya. Menyusun panggilan — satu rute untuk generasi berat, rute lain untuk derivatif murah, keduanya di belakang satu endpoint — adalah hal yang memang menjadi tujuan keberadaan router, dan itu argumen yang sama untuk menempatkan checkpoint berlisensi riset di belakang layanan internal alih-alih menghubungkannya ke dalam aplikasi.

Keputusan itu, dinyatakan sesempit yang selayaknya.

Bagi kelompok riset, tim evaluasi, atau siapa pun yang hasil kerjanya tidak pernah dirilis secara komersial, Qwen-Image 2.1 adalah unduhan yang lebih baik: sepertiga ukurannya, preset yang terdokumentasi, angka evaluasi yang dipublikasikan beserta jumlah sampelnya, Turbo delapan langkah saat Anda ingin melakukan iterasi, dan alpha native jika pekerjaan Anda melibatkan kompositing. Model ini juga merupakan model yang perilakunya dapat Anda karakterisasi di perangkat keras Anda sendiri sore ini.

Bagi tim komersial di luar empat yurisdiksi yang dikecualikan, MiniMax-H3-Image adalah satu-satunya dari keduanya yang dapat Anda distribusikan secara legal, dan ini adalah model penyuntingan yang lebih kuat dengan selisih yang cukup besar untuk diputuskan dewan. Siapkan anggaran untuk pengunduhan, bersiaplah untuk bernegosiasi dengan M​iniMax ketika pendapatan melewati satu juta, dan rencanakan persyaratan atribusi ke dalam antarmuka Anda sebelum peluncuran, bukan sesudahnya.

Bagi tim komersial di dalam yurisdiksi tersebut, jawabannya bukan keduanya. Itu tidak memuaskan, dan memang akurat. Bidang citra berbobot terbuka telah mencapai titik di mana pertanyaan yang menarik bukan lagi checkpoint mana yang mencetak skor lebih tinggi, melainkan mana yang akan diizinkan pengacara Anda untuk Anda jalankan — dan dalam pertanyaan itu, pasangan ini adalah ilustrasi yang berguna tentang betapa banyak hal berbeda yang kini dimaksudkan oleh "open".

Apa yang akan memindahkan ini

Amandemen lisensi di salah satu pihak akan mengubah perbandingan lebih dari rilis titik mana pun. Daftar wilayah MiniMax terbaca seperti standar bawaan kepatuhan, dan perusahaan telah melisensikan ulang model sebelumnya; lisensi riset Qwen telah menjadi standar keluarga sejak lini 2.1, dan tingkat komersial untuk bobot dasar — berbeda dari endpoint Pro dan Turbo yang dihosting — akan menjadikannya pilihan yang jelas bagi siapa pun yang menginginkan artefaknya. Sampai salah satu dari itu terjadi, perbedaan teknis antara kedua model ini nyata, terdokumentasi dengan baik, dan sebagian besar bersifat akademis bagi siapa pun yang memiliki produk untuk dikirim.