MiniMax-H3-Image vs Qwen-Image 2.1: due checkpoint aperti, due lucchetti diversi

Entrambi questi modelli sono scaricabili, e nessuno dei due è gratuito da usare nel senso in cui di solito si intende questa parola. MiniMax-H3-Image — un download da 68,65 GB il cui solo transformer pesa 66,28 GB, più un text encoder da 66,7 GB, con pesi pubblicati il 10 novembre 2026 — è distribuito con una licenza community che esclude dalla propria concessione l'Unione europea, il Regno Unito, la Repubblica di Corea e gli Stati Uniti, e richiede l'autorizzazione scritta di MiniMax per ricavi annualizzati superiori a 1 milione di dollari USA o per qualsiasi servizio ospitato. Qwen-Image 2.1, rilasciato dal team Qwen di Alibaba il 20 settembre 2026 e con un download pari a circa un quarto, 33,13 GB, è distribuito con il Qwen Research License Agreement, la cui Sezione 2(a) concede diritti «ESCLUSIVAMENTE PER SCOPI NON COMMERCIALI» e la cui Sezione 2(b) vieta l'uso commerciale senza una licenza separata. Un vincolo è geografico con una soglia legata ai ricavi; l'altro è assoluto. Se sei arrivato qui per scegliere il modello che puoi inserire in un prodotto, i file di licenza hanno già risposto, e il resto di questo confronto riguarda l'insieme molto più ristretto di usi in cui quella risposta ti lascia una scelta.

Il contrasto ingegneristico è altrettanto netto, e va nella direzione opposta rispetto a quanto suggeriscono i conteggi dei parametri. Qwen-Image 2.1 è un generatore visivo da 7 miliardi di parametri che esegue il denoising in quaranta passaggi. MiniMax-H3-Image è un transformer denso da 33,1 miliardi di parametri distillato a sei passaggi. Uno è progettato per stare su una workstation; l'altro è progettato per far sembrare istantanea una richiesta ospitata. Stabilire quale sia più economico per mille immagini non è questione di moltiplicare i parametri per qualcosa — è questione di dove risieda effettivamente il costo di ciascuno.

Che cosa significa "open" in ciascuna licenza, clausola per clausola

Iniziamo con Qwen, perché i suoi termini sono i più semplici dei due e i più restrittivi nel caso ordinario. La scheda di Hugging Face etichetta la licenza come altro con license_name: qwen-research, e il file LICENSE nel repository è il Qwen Research License Agreement datato 20 settembre 2026. Il linguaggio operativo non è ambiguo: i diritti sono concessi solo per scopi non commerciali, "Non-Commercial" è definito come ricerca o valutazione, e chiunque voglia distribuire qualcosa deve richiedere una licenza all'indirizzo indicato nell'accordo. Non esiste una soglia di fatturato, nessuna esclusione territoriale e nessun percorso scritto nel testo che consenta a una piccola azienda di qualificarsi automaticamente. È una concessione per la ricerca, e nient'altro.

L'accordo di MiniMax è più permissivo in linea di principio e più singolare in pratica. La concessione è mondiale ma esclude quattro giurisdizioni nominate esplicitamente. L'uso commerciale è previsto anziché vietato, soggetto a due condizioni che richiedono un'autorizzazione scritta preventiva e a una clausola di attribuzione che obbliga qualsiasi prodotto commerciale a "mostrare in modo ben visibile 'MiniMax-H3-Image'" nella propria interfaccia. L'accordo richiede inoltre misure di salvaguardia per qualsiasi servizio che genera output — implementare, mantenere, testare e sottoporre a revisione periodica —, che è il tipo di clausola che un team di conformità legge come un obbligo e uno sviluppatore autonomo legge come formule di rito.

Messi fianco a fianco, i due documenti producono una mappa strana. Uno studio a Tokyo può usare MiniMax-H3-Image commercialmente, con autorizzazione sopra la soglia, e non può affatto usare Qwen-Image 2.1 commercialmente. Uno studio in California non può usare né l'uno né l'altro: MiniMax esclude il territorio in modo assoluto, Qwen vieta lo scopo. Un gruppo di ricerca in qualsiasi luogo può usare entrambi, poiché la ricerca è ciò che Qwen concede e ciò che copre l'interpretazione non commerciale di MiniMax. Quell'ultima frase è l'onesto riassunto del campo delle immagini a pesi aperti nel novembre 2026, e nessuna tabella di benchmark lo cambia.

Quaranta passi contro sei, e che effetto ha su una bolletta

La differenza nel campionatore è il fatto ingegneristico più rilevante di questo confronto, perché domina ogni altro aspetto relativo ai costi.

• Passaggi — Qwen-Image 2.1 esegue Flow Matching con pianificazione discreta Euler a quaranta passaggi di denoising per impostazione predefinita sul checkpoint base, senza alcuna variante distillata nel repository base. Il checkpoint separato Qwen-Image 2.1 Turbo, rilasciato il 9 ottobre 2026, lo riduce a otto passaggi con CFG a 1 e la pianificazione memorizzata nel checkpoint. MiniMax-H3-Image esegue sei passaggi e nessun classifier-free guidance — non un'impostazione predefinita, ma un vincolo: l'API servita restituisce HTTP 400 per qualsiasi altro numero di passaggi o valore di guidance, e rifiuta i prompt negativi.

• Dimensione — il componente di generazione visiva di Qwen è di 7B parametri su 32 layer DiT single-stream, con attenzione block-causal; testo e istruzioni ricevono una maschera causale a livello di token, mentre la generazione di immagini ne riceve una bidirezionale a livello di chunk. Quello di MiniMax è denso, da 33,1B, 50 layer, dimensione nascosta 5.376, 56 teste, FFN 14.336, con RoPE multimodale 3D e una patch latente 2×2 che copre 32×32 pixel per token.

• Download — 33,13 GB in totale per Qwen-Image 2.1 (circa 20,5 GB di transformer e VAE, il resto un text encoder Qwen3-VL 8B). Circa 135 GB per M​iniMax prima di aver generato qualsiasi cosa.

Moltiplicalo e l'intuizione si inverte. Un modello da 33B a sei passi svolge circa 199B passi-parametro di lavoro per immagine; un modello da 7B a quaranta passi ne svolge circa 280B. Il modello più grande non è automaticamente quello più costoso — che è poi il punto centrale della distillazione, e il motivo per cui "33B" in una scheda tecnica non ti dice quasi nulla su quanto ti costa un'immagine. Su una scheda grafica fissa, però, il checkpoint da 33B è quello che potrebbe non entrare a sedici megapixel, e MiniMax non pubblica alcun dato di latenza, alcuna ricetta hardware né alcuna indicazione sulla memoria da nessuna parte nel materiale di rilascio per dirti se ci sta. Qwen pubblica invece preset fissi: 2048×2048 in 1:1, 2400×1792 in 4:3, 2752×1536 in 16:9, e le rispettive trasposizioni — all'incirca 4,2 megapixel al massimo, un quarto di quanto dichiara MiniMax.

Quel divario di risoluzione non è un dettaglio accessorio del confronto dei costi. La scala di prezzi di MiniMax fino al 4K è insolitamente piatta perché il suo metro di misura è in token e il numero di token non scala con l'area come suggerirebbe l'intuizione: 0,02179 $ a 1K contro 0,06879 $ a 4K prima che lo sconto di lancio dimezzi il livello superiore. Qwen non ha una scala da confrontare, perché non esiste un modello base ospitato da acquistare: Artificial Analysis elenca Qwen-Image-2.1 senza alcun prezzo, il che per quella classifica significa nessuna API. I livelli Pro e Turbo che Alibaba ospita davvero sono righe del tutto separate, a 35,33 $ e 16 $ per mille immagini.

L'unica capacità che Q​wen ha e che M​iniMax non ha

Trasparenza nativa. Il VAE di Qwen-Image 2.1 è un autoencoder RGBA a 64 canali con compressione spaziale 16×, quindi il canale alfa esce dal modello anziché da una successiva fase di rimozione dello sfondo. Si tratta di una differenza concreta nel flusso di lavoro per chiunque produca asset destinati alla composizione — ritagli di prodotto, sprite, file di design a livelli — e non è qualcosa che si possa far produrre a MiniMax-H3-Image tramite prompt. Nulla nel suo repository, nella sua scheda o nella sua licenza menziona un canale alfa, e il suo VAE è descritto come un encoder CNN con un decoder ViT a 24 livelli e 24 canali latenti.

Il resto dell'elenco delle capacità favorisce MiniMax sulla carta e vale la pena leggerlo attentamente, perché la maggior parte è dichiarata dal fornitore:

Risoluzione — È qui che il 33B inizia a sembrare mirato. MiniMax-H3-Image genera nativamente fino a circa sedici megapixel con qualsiasi rapporto d'aspetto — da 4096×4096 a 6272×2688 — con un limite API di 20 megapixel e senza upscaler nel processo. I preset documentati di Q​wen arrivano a un massimo di circa 4,2 megapixel.

• Riferimenti — MiniMax-H3-Image ne accetta fino a sedici e li indichi tramite lo slot: il prompt dice <Picture 3> e intende il terzo file che hai caricato. Qwen-Image 2.1 ne accetta fino a dieci, e la sua vetrina include una foto di gruppo composta da sei ritratti.

• Aderenza alle istruzioni — la scheda di MiniMax dichiara "la più forte aderenza alle istruzioni tra i modelli open source" senza alcuna tabella di valutazione a supporto della frase. Qwen pubblica un valore VDEBench di 0,81 locale e 0,83 globale su 3.506 campioni, che è un numero reale con un conteggio reale di campioni e comunque un numero del fornitore, calcolato dal suo stesso ambiente di valutazione.

• Lunghezza del prompt — MiniMax accetta 32.000 caratteri sull'API servita, con circa i primi 4.096 token che hanno effetto. La scheda e gli esempi di Qwen sono incentrati su istruzioni strutturate brevi anziché su prompt lunghi, e la sua attenzione a granularità mista è esplicitamente progettata per memorizzare nella cache le immagini di istruzione e di condizione una volta sola e riutilizzarle tra i passaggi, il che è un'affermazione di efficienza più che di capacità.

Cosa mostrano ora i consigli indipendenti

Entrambi i modelli vengono valutati su entrambe le arene di immagini di Artificial Analysis al 14 novembre 2026, il che rende questo uno dei pochi confronti tra modelli a pesi aperti in cui le due parti dispongono di prove di terze parti comparabili. La classifica text-to-image è quasi un pareggio: MiniMax-H3-Image occupa il 25° posto su 114 righe con Elo 1.066 e un intervallo da 1.051 a 1.080, mentre Qwen-Image-2.1 occupa il 28° posto con 1.047 e un intervallo da 1.035 a 1.059. Venti punti di Elo con intervalli che si sfiorano appena rappresentano un vantaggio, non un divario, e nessuno dovrebbe cambiare pipeline per questo.

La classifica di editing è quella che fa la differenza. MiniMax-H3-Image è 13º su 84 con Elo 1.138 (1.122–1.154); Qwen-Image-2.1 è 30º con 1.084 (1.071–1.097). Sono cinquantaquattro punti Elo senza alcuna sovrapposizione, ed è l’unico punto di questo confronto in cui le prove di terze parti dicono qualcosa di decisivo sulla qualità anziché sul costo o sulle licenze.

Le varianti seguono i rispettivi modelli genitori senza cambiarne la forma. MiniMax-H3-Image Highspeed si piazza 24º nella generazione testo-immagine (1.072) e 14º nell'editing (1.134), quindi il livello servito più veloce è vicino a quello standard su entrambe le classifiche. Sul fronte Qwen, il modello Pro ospitato della stessa famiglia si attesta a 1.059 e 1.068, mentre Turbo a 1.025 e 1.062 — entrambi al di sotto del punteggio di editing del checkpoint di base, che è il costo previsto di una pianificazione in otto passi, non una sorpresa.

Due avvertenze prima che qualcuno costruisca un caso d'acquisto su quei numeri. Primo, Elo deriva da voti a coppie in cieco, non da misurazioni della risoluzione, della gestione del canale alfa o dell'aderenza al numero di passi; una giuria che non può vedere la tua pipeline di compositing non può valutare ciò che per essa conta. Secondo, le righe di Qwen-Image-2.1 sono state prodotte da persone che eseguivano i pesi in proprio, dato che non esiste un endpoint base ospitato a cui indirizzare un prompt, mentre quelle di M​iniMax includono il traffico verso la sua API. Popolazioni diverse, stessa classifica — e Artificial Analysis segnala essa stessa questa differenza invece di nasconderla.

Dove OrcaRouter è adatto, e dove non lo è

Nessuno di questi modelli è nel catalogo di OrcaRouter, e vale la pena essere schietti al riguardo invece di nasconderlo: al 14 novembre 2026 non esiste qui alcuna rotta per MiniMax-H3-Image né per Qwen-Image 2.1, e l’analisi delle licenze sopra è in gran parte il motivo per cui un catalogo ospitato è un business diverso da un repository di pesi. Ciò che la piattaforma instrada nella linea immagini sono le famiglie G​oogle e O​penAI — inclusi i modelli di immagini G​emini e la linea GPT Image — dietro la stessa chiave dei suoi modelli testuali, a prezzo di listino del provider con 0% di markup applicato.

La parte di ciò che in questo confronto è effettivamente utile è il DSL di routing. Una pipeline che necessita di un'immagine da 16 megapixel per un lavoro di stampa e di una miniatura da 1 megapixel per un annuncio non vuole un unico modello che faccia entrambe le cose a un unico prezzo, e non vuole due contratti con fornitori diversi per arrivarci. Comporre le chiamate — una route per la generazione pesante, un'altra per il derivato economico, entrambe dietro un unico endpoint — è ciò per cui esiste un router, ed è lo stesso motivo per cui conviene mettere un checkpoint con licenza di ricerca dietro un servizio interno invece di collegarlo a un'applicazione.

La decisione, enunciata nei termini più ristretti che merita

Per un gruppo di ricerca, un team di valutazione o chiunque il cui output non venga mai distribuito commercialmente, Qwen-Image 2.1 è il download migliore: un terzo della dimensione, preset documentati, un dato di valutazione pubblicato con il numero di campioni, Turbo a otto passi quando vuoi iterare e alpha nativo se il tuo lavoro implica il compositing. È anche il modello di cui puoi caratterizzare il comportamento sul tuo hardware questo pomeriggio.

Per un team commerciale al di fuori delle quattro giurisdizioni escluse, MiniMax-H3-Image è l'unico dei due che puoi distribuire legalmente, ed è il modello di editing più forte, con un margine che il consiglio di amministrazione può dirimere. Metti a budget il download, aspettati di negoziare con MiniMax oltre il milione di ricavi e pianifica il requisito di attribuzione nella tua interfaccia prima del lancio, non dopo.

Per un team commerciale all'interno di quelle giurisdizioni, la risposta è nessuna delle due. È insoddisfacente ed è accurato. Il campo delle immagini open-weight è arrivato a un punto in cui la domanda interessante non è più quale checkpoint ottenga un punteggio più alto, ma quale il tuo avvocato ti lascerà usare — e su questa domanda, questa coppia è un'utile illustrazione di quante cose diverse "open" è arrivato a significare.

Cosa sposterebbe questo?

Una modifica della licenza da una parte o dall'altra cambierebbe il confronto più di qualsiasi rilascio puntuale. L'elenco dei territori di MiniMax sembra un'impostazione predefinita di conformità, e l'azienda ha già concesso in licenza i modelli in passato; la licenza di ricerca di Qwen è lo standard della famiglia dalla linea 2.1, e un livello commerciale per i pesi di base — distinto dagli endpoint ospitati Pro e Turbo — lo renderebbe la scelta ovvia per chiunque voglia l'artefatto. Finché non accadrà una di queste cose, le differenze tecniche tra questi due modelli sono reali, ben documentate e per lo più accademiche per chiunque abbia un prodotto da rilasciare.