MiniMax-H3-Image vs GPT Image 2.6: cosa puoi effettivamente modificare in ciascuna richiesta

La maggior parte dei confronti tra modelli di immagini dedica il proprio spazio ai punteggi. Questo lo dedica ai parametri di controllo, perché MiniMax-H3-Image e G​PT Image 2.6 Sunburst non competono sulla stessa manopola. MiniMax-H3-Image è un diffusion transformer open-weight da 33,1B, rilasciato il 10 novembre 2026, che esegue un sampler fisso a sei passaggi senza guidance scale, accetta fino a sedici immagini di riferimento e genera nativamente fino a sedici megapixel. G​PT Image 2.6 Sunburst — e il suo fratello più veloce G​PT Image 2.6 Flare, entrambi distribuiti il 4 novembre 2026 — è un modello hosted chiuso i cui recenti progressi riguardano soprattutto ciò che puoi dargli e ciò che restituisce: immagini di riferimento riutilizzate, modifiche guidate da markup, output in GIF e SVG. Se il tuo collo di bottiglia è controllare una lunga catena di modifiche, uno di questi è ovviamente quello giusto. Se il tuo collo di bottiglia è una risoluzione o una bolletta, lo è l'altro.

Entrambi meritano di essere presi sul serio. Falliscono semplicemente in direzioni diverse, e le modalità di fallimento sono leggibili già solo dalle superfici di controllo.

Il sampler è una manopola su un lato e una costante sull'altro

MiniMax-H3-Image non ti dà quasi nulla da regolare e lo impone al confine dell'API. Il checkpoint è distillato con CFG fino a sei valutazioni di funzione, il che significa che i due consueti parametri regolabili del lavoro di diffusione — numero di passi e scala di guidance — sono stati compressi nei pesi. Chiamalo con num_inference_steps impostato a un valore diverso da sei e la richiesta restituisce un HTTP 400. Imposta guidance_scale a un valore diverso da uno e la richiesta viene rifiutata allo stesso modo. Invia un negative_prompt e viene rifiutato senza appello, perché non c'è un secondo passaggio in avanti su cui possa agire.

Sembra restrittivo ed è per lo più una semplificazione. Sei passaggi sono veloci, deterministici dato un seed e impossibili da configurare male — non esiste il fallimento "ho aumentato i passaggi e le cose sono peggiorate". Quello che perdi è la capacità di barattare qualità con latenza all'interno del modello, e qualsiasi trucco con prompt negativi che hai accumulato.

G​PT Image 2.6 mantiene una propria piccola superficie di controllo al posto delle manopole del sampler: un parametro di complessità che per impostazione predefinita è alto, la cosa più vicina a un interruttore "pensa più a fondo" che entrambi i modelli abbiano. Le aggiunte documentate per la 2.6 riguardano input e output, non il campionamento — immagini di riferimento che persistono tra le modifiche successive così da non doverle più ricaricare, annotazioni disegnate su un'immagine di riferimento per guidare una modifica, e due formati di output che la generazione precedente non offriva.

• Numero di passaggi: MiniMax-H3-Image fisso a sei, altrimenti rifiutato; GPT Image 2.6 non espone alcun controllo dei passaggi.

• Guidance — MiniMax-H3-Image fissa guidance_scale a uno; GPT Image 2.6 espone complexity (predefinito alto) invece.

• Prompt negativi — rifiutati con un errore 400 da MiniMax-H3-Image; non è una funzionalità documentata su GPT Image 2.6.

• Budget del prompt — MiniMax-H3-Image tronca a 4.096 token; il limite massimo del prompt di G​PT Image 2.6 non è pubblicato nelle sue pagine del modello.

Sedici slot di riferimento rappresentano il controllo più ampio offerto da entrambi i modelli.

La più grande differenza funzionale è quanto contesto si può mettere prima della modifica. MiniMax-H3-Image accetta fino a sedici immagini di riferimento in una singola richiesta, e la model card descrive la modalità di modifica come funzionante a una fedeltà all'incirca pari a quella della generazione — il port vLLM-Omni riporta 0,985 SSIM e circa 35 dB PSNR rispetto al proprio riferimento su singola GPU su una modifica a 2048², il che è un controllo di autoconsistenza più che un punteggio di qualità, ma significa comunque che il percorso parallelizzato non sta degradando silenziosamente l'output.

Sedici riferimenti rappresentano un ordine di controllo diverso rispetto a «un'immagine più una frase». La fotografia di prodotto con sei angolazioni, una scheda di stile, una scheda del personaggio e una linea guida di brand possono essere inserite tutte insieme. Il prezzo di questa ampiezza è che il prompt engineering diventa context engineering: con sedici immagini in gioco, il testo deve indicare quale governa quale attributo, e il modello non ha modo di chiedere.

La risposta di G​PT Image 2.6 allo stesso problema è la memoria anziché l'ampiezza. Le immagini di riferimento persistono tra le modifiche successive all'interno di una sessione, quindi un ritocco multi-turno non ricarica l'originale ogni volta, e il percorso di modifica guidato dalle annotazioni consente di indicare una regione invece di descriverla. Per il lavoro iterativo su una singola immagine, è un'interfaccia migliore rispetto a sedici slot statici. Per un composito realizzato in un unico passaggio a partire da una dozzina di asset, non lo è.

Ciò che ritorna fuori

L'elenco dei formati di output è il punto in cui GPT Image 2.6 supera ogni modello di immagine open-weight, incluso questo. La versione 2.6 ha aggiunto l'output GIF animato e l'output SVG accanto ai consueti formati raster. Un risultato SVG conta più di quanto sembri: è la differenza tra un modello di immagine che usi per abbozzare un concept di logo e uno che puoi passare a un front-end. MiniMax-H3-Image restituisce PNG — il suo percorso di serving è convalidato su un confronto di PNG bit-identici — e nulla nella pipeline vLLM-Omni o nella model card suggerisce output vettoriali o animati.

Sulla risoluzione il discorso va nella direzione opposta, e non c'è partita. MiniMax-H3-Image genera nativamente fino a sedici megapixel, in ogni formato, dal quadrato all'ultra-wide, senza alcun upscaler nel processo: 4096×4096 e 6272×2688 sono entrambi output nativi. L'intervallo operativo va da circa quattro a venti megapixel, con la qualità che tocca il picco vicino al limite superiore. Le pagine del modello di GPT Image 2.6 documentano i formati e la gestione dei riferimenti, ma non pubblicano un numero massimo di pixel; in questo confronto, quindi, la questione della risoluzione si riduce a MiniMax che pubblica un dato contro OpenAI che non lo pubblica, anziché a un confronto diretto misurato.

• Output nativo — MiniMax-H3-Image fino a 16 MP con qualsiasi proporzione, senza upscaler; G​PT Image 2.6 non documenta alcun massimo.

• Formati — MiniMax-H3-Image restituisce PNG; G​PT Image 2.6 aggiunge GIF e SVG.

• Rapporti d'aspetto — MiniMax-H3-Image accetta qualsiasi combinazione di larghezza e altezza; il set di G​PT Image 2.6 non è pubblicato nella pagina del modello.

• Input per la modifica — MiniMax-H3-Image supporta fino a 16 immagini di riferimento per richiesta; G​PT Image 2.6 mantiene i riferimenti tra i turni e accetta annotazioni disegnate.

Il disegno di legge, sugli esempi di calcolo forniti da ciascun fornitore

Entrambi i fornitori misurano le immagini in token, il che fa sembrare i prezzi di listino comparabili e i costi per immagine completamente diversi. MiniMax pubblica esempi svolti sulla propria pagina dei prezzi, quindi si tratta di aritmetica sui loro stessi numeri più che di una derivazione:

• MiniMax-H3-Image 1024×1024, da testo a immagine — $0,02179 per immagine, rispetto a $3,80 per milione di token di output.

• MiniMax-H3-Image 2048×2048 — $0,02333 per immagine. Raddoppiare i pixel costa mezzo centesimo, perché il numero di token cresce molto più lentamente dell'area a questo estremo dell'intervallo.

MiniMax-H3-Image 4096×4096 — $0,06879 per immagine, ridotto a $0,03439 con un'offerta a tempo limitato del 50% valida fino al 17 novembre 2026 alle 16:00 UTC e che richiede che l'immagine consegnata sia di almeno 16.600.000 pixel.

• Modifica MiniMax-H3-Image, un riferimento a 1024×1024 — 0,02654 $ per immagine, con immagini di input fatturate a 1,50 $ per milione di token e testo di input a 2,30 $.

• G​PT Image 2.6 — token di output a 30 $ per milione. Con il conteggio di token che la documentazione di O​penAI stessa implica per un risultato da 1024×1024, si arriva a circa 21 centesimi per immagine, più o meno dieci volte la cifra di M​iniMax per la stessa dimensione nominale.

Anche le velocità sono diverse, ed è qui che i due prodotti smettono di essere intercambiabili. Secondo i numeri pubblicati da M​iniMax in occasione del rilascio del 4 novembre, G​PT Image 2.6 Flare esegue una richiesta text-to-image con una mediana di circa 30 secondi, rispetto a circa 55 della generazione precedente, e una modifica in circa 32 secondi, rispetto a circa 58. Sunburst è il livello più lento e a fedeltà più alta, ed è ulteriormente rallentato: circa 135 secondi contro 113. La latenza di MiniMax-H3-Image è misurabile solo dove lo ospiti: 0,88 secondi per un'immagine 2048² su quattro H200, 1,35 secondi per una modifica 2048², secondo la ricetta ufficiale. Non sono lo stesso tipo di numero — latenza di un nodo self-hosted contro la mediana di un endpoint gestito che include la coda — e metterli in una sola frase come se fossero equivalenti sarebbe disonesto. Ciò che il confronto dice legittimamente è che una richiesta 2.6 ospitata richiede decine di secondi e una richiesta locale a H3-Image ne richiede meno di due, ammesso che possiediate già le quattro GPU.

Cosa coprono le prove pubbliche e cosa no

Artificial Analysis li valuta entrambi, sulle stesse due board, il che rende questo uno dei pochi punti del confronto in cui le due parti sono direttamente comparabili invece che discusse a partire dalle schede tecniche. Su AA-Image-Editing v2.1, GPT Image 2.6 Sunburst si colloca a 1.210 Elo su circa 6.400 campioni, Flare a 1.206 su circa 6.700, e MiniMax-H3-Image a 1.138 in una fascia di classifica tra l'ottavo e il diciassettesimo posto su circa 3.200 campioni. Su AA-Image-T2I v2.1 il divario si amplia: Sunburst a 1.261 al primo posto su 5.282 campioni contro MiniMax-H3-Image a 1.066, classificato ventitreesimo. Stesso bacino di voti, stessa scala Elo, circa settanta punti di distanza sull'editing e quasi duecento sulla generazione.

Se lo si legge onestamente, dice due cose insieme. MiniMax-H3-Image è il modello open-weight meglio classificato nella classifica di editing — davanti a Fibo 2.0 a 1.085 e Qwen-Image-2.1 a 1.084 — quindi la sua pretesa di qualità non è più un'asserzione; è un numero misurato. Ma il numero è circa settanta punti Elo sotto G​PT Image 2.6 Sunburst, e il suo intervallo copre dieci posizioni mentre la fascia delle prime tre di Sunburst no. Sull'asse che i due modelli condividono più evidentemente, G​PT Image 2.6 vince, e vince con un margine maggiore nella classifica in cui H3-Image è più debole. L'argomento della risoluzione da 16 megapixel e il prezzo di due centesimi restano validi di per sé; semplicemente non sono argomenti sulla qualità.

Quello che nessuna delle due classifiche ti dice è quanto del vantaggio di G​PT Image 2.6 sopravviva quando il compito è quello di cui parla questo articolo — una lunga catena di modifiche con molti riferimenti e un sampler fisso. Elo è un aggregato delle preferenze umane su prompt sconosciuti, e un modello può essere avanti di settanta punti su quell'aggregato pur perdendo su uno specifico flusso di lavoro. L'unico modo per scoprirlo è provare i propri prompt su entrambi, che è la raccomandazione alla fine di questo pezzo anziché una cautela nel mezzo.

Eseguirli fianco a fianco senza un secondo contratto

La complicazione pratica è che per la maggior parte dei team nessuno dei due modelli è a una sola chiamata API di distanza. Il percorso day-one di MiniMax-H3-Image è il self-hosting — un assemblaggio complessivo da 67B composto da un transformer da 33,1B, un text encoder Qwen3-VL da 33,4B riutilizzato invariato dal modello video e un VAE da 0,58B, con il sweet spot da 16 megapixel che richiede quattro GPU da datacenter a piena velocità. È inoltre disponibile tramite l'API dello stesso fornitore e diverse piattaforme di terze parti con il pricing a token indicato sopra. GPT Image 2.6 è disponibile solo su OpenAI.

Se vuoi fare un A/B tra i due sui tuoi prompt, la descrizione onesta del livello di routing è questa: OrcaRouter non include ancora MiniMax-H3-Image, né G​PT Image 2.6 Sunburst o Flare. Quello che include è invece la coppia precedente di G​PT Image — gpt-image-2.5-sunburst e gpt-image-2.5-flare — insieme a gpt-image-2 e gpt-image-1.5, tutti al prezzo di listino del provider, senza alcun ricarico aggiunto. Questo rende un utile test intermedio: costruisci l'harness per la 2.5 tramite un'unica chiave, conferma che la tua valutazione distingua davvero tra la fedeltà di Sunburst e la velocità di Flare, e solo allora decidi se il delta della 2.6 o un modello open-weight self-hosted sia ciò di cui hai bisogno. La fusione di modelli è l'altra opzione che vale la pena conoscere qui — un panel di modelli che risponde allo stesso prompt immagine ti offre una varietà di output per prompt senza che tu debba scrivere tre client.

Il caso inverso è già coperto, tra l'altro: minimax/minimax-h3, il modello video da cui sono costruiti DiT e text encoder di MiniMax-H3-Image, è già instradabile oggi. Se il motivo per cui guardi al modello immagine è che esegui già H3 video, la famiglia risponde già con una sola chiave.

Quale scegliere?

Scegli MiniMax-H3-Image quando il vincolo è costituito da pixel, riferimenti o costo unitario: un output nativo da 16 megapixel, sedici immagini di input e circa due centesimi per una generazione da 1024². Scegli G​PT Image 2.6 quando il vincolo è la forma dell'output o la fluidità di un ciclo di modifica: SVG e GIF in uscita, riferimenti persistenti e annotazioni disegnate in ingresso, e un vantaggio di settanta punti Elo nella classifica di editing, con un intervallo che lo colloca nei primi tre.

Rifiuta entrambi con sicurezza se ciò di cui avevi davvero bisogno era un punteggio per i tuoi prompt. Entrambi i modelli ora hanno punteggi pubblici, ed entrambi i punteggi sono aggregati su prompt di qualcun altro; il confronto che decide il tuo caso è quello che esegui tu stesso, con un conto allegato a ciascun lato. Ciò che la classifica ti offre è un prior — G​PT Image 2.6 è in vantaggio, e sul text-to-image lo è abbastanza da dovertelo aspettare. Ciò che non può darti è la risposta per un composito di prodotto a sedici riferimenti a quattro megapixel, perché nessuno ha pubblicato quel confronto e le classifiche Elo non lo misurano.