MiniMax-H3-Image 対 FLUX 3：座標かピクセルか — 制御に関する2つの異なる考え方

この2つのモデルに同じブリーフを渡すと、逆方向に失敗します。MiniMax-H3-Image は16メガピクセル、16枚の参照画像、6ステップのサンプラーを提供しますが、どこに何を置くかを文章でしか指定できません。FLUX 3 は画像向けティアで、0〜1000のグリッド上で各要素のバウンディングボックスを [y_min, x_min, y_max, x_max] と記述して与え、フレームの他の部分に触れずに一度に1つのボックスだけを編集でき、解像度の階層は768ピクセルから始まります。一方のモデルは容量を売り、もう一方は方向を売っています。ビルボード向けにトリミングされても耐える商品写真が課題なら、MiniMax-H3-Image は2つのうち唯一そのファイルを生成できるモデルです。クライアントのロゴをフレーム幅のちょうど12%の位置で左上に置かなければならないのが課題なら、FLUX 3 だけがその指示に従えます。

Both are recent, and neither is a launch in this article. FLUX 3 was announced by Black Forest Labs on 23 July 2026 as a unified video, image, audio and action model; the image tier that this comparison is about went live with a published rate card on 1 October 2026. MiniMax-H3-Image's weights landed on Hugging Face on 10 November 2026 at 14:50 UTC, with a one-line card in M​iniMax's API release notes and no blog post anywhere on the company's site. So this is a comparison between a model that has had six weeks of paying traffic and one that had its first full day in public yesterday. That asymmetry runs through everything below, and it is the reason the honest answer at the end is conditional rather than a winner.

それぞれで指定できる内容

FLUX 3 のコントロールサーフェスは空間的で、このモデルで最も設計思想が強く出ている点です。キャンバスは常に両軸とも0〜1000のグリッドに正規化されているため、レイアウトプロンプトは解像度に依存しません。グローバルなシーンをキャプションで説明し、次に id、ボックス、説明を持つ要素を列挙し、キャプション内で id を引用します。モデルが配置を計画し——BFL のドキュメントでは、LLM がレイアウトを生成するエージェントモードが説明されています——その後も各ボックスは編集可能なままです。ボックスを再記述したり、置き換えたり、移動したりでき、触れていない領域は固定されたままです。参照は番号付きトークンで、ref_image_0 以降で最大10個まで、候補として積み重ねられるのではなく1つのシーンに合成されます。

MiniMax-H3-Imageの制御インターフェースは、位置とテキストで構成されています。プロンプトテキストは最大32,000文字まで入力でき、そのうちおおよそ最初の4,096トークンが有効になります。参照は、アップロード順で指定される最大16枚の画像として入力されます — <Picture 1>、<Picture 2> — 文字入力は一切ありません。APIには、どの参照がキャラクターで、どれが製品で、どれが背景なのかをモデルに伝える情報は一切ありません。編集全体は言語で表現されます。2回目のパス、マスク領域、座標系はありません。

その違いは一方向の機能差ではない。型のない16個のスロットは、番号付きの10個の参照よりも余裕がある。関係性を描写するキャプション——「写真3の女性が、写真7のジャケットを着て、写真1の部屋にいる」——は、バウンディングボックスでは伝えられない情報を運ぶ。しかしバウンディングボックスはキャプションでは伝えられない精度を運び、MiniMax-H3-Image にはそれに相当するものがない。

次元ごとの数字

• 出力上限 — FLUX 3 Image: 4K、公開解像度は5456×3072で約16.8 MP。MiniMax-H3-Image: すべてのアスペクト比で約16 MP、1:1で4096×4096、21:9で最大6272×2688、APIによる上限は20 MP。

• 出力下限 — FLUX 3 Image: 768×768。MiniMax-H3-Image: このカードは実用的な下限として約4MPを明記しており、小画像向けのティアは一切ない。

• 1K時の料金 — FLUX 3 Image: $0.048。MiniMax-H3-Image: $0.02179。

• 2Kでの価格 — FLUX 3 Image: $0.10。MiniMax-H3-Image: $0.02333。

• 4K時の価格 — FLUX 3 Image: $0.607。MiniMax-H3-Image: リスト価格 $0.06879、2026年11月17日16:00 UTCに期限切れとなる割引適用時 $0.03439。

• 参照 — FLUX 3 Image：最大10枚、番号付き、無料。MiniMax-H3-Image：最大16枚、位置指定、入力画像トークンとして100万あたり$1.50で課金。

• 編集 — FLUX 3 Image：ボックス単位の範囲指定、1リクエストで複数ボックスに対応、未編集の領域は保持されます。MiniMax-H3-Image：画像全体を対象とし、プロンプトで記述、1回の呼び出しで最大16枚の参照画像を利用可能。

• {{1}}重み{{/1}} — FLUX 3 Image：未リリース。商用重みのライセンスは、BFLの営業を通じて大規模に企業へ販売されており、FLUX 3 Devのバックボーンは依然として「近日公開」のままです。{{2}}MiniMax-H3-Image:{{/2}} 本日からダウンロード可能で、68.65 GBに加えて、MiniMax-H3から借用した66.7 GBのエンコーダーが必要です。

• サンプリング — MiniMax-H3-Image: 6ステップに固定、classifier-free guidanceなし、その他の値はHTTP 400で拒否されます。FLUX 3 Image: 公開されているステップ数やガイダンス制御はなく、画像ティアはAPI専用です。

• 独立系スコア — FLUX 3 Image：Artificial Analysisのテキスト→画像ボードでElo 1116、108件中16位、6,457件超のサンプルに基づく。編集ボードではElo 1119、17位、5,256件超のサンプルに基づく。MiniMax-H3-Image：どちらのボードにも掲載がなく、ベンダーによる評価表もありません。

価格差は解像度の差より大きく、しかも方向は逆だ。

1Kでは、MiniMax-H3-Imageは$0.02179、FLUX 3 Imageは$0.048で、半分強です。2Kでは、その比率はおよそ4対1に広がります。4Kではほぼ9対1になります。$0.607対$0.06879、あるいは割引後の$0.03439に対しては12対1です。この曲線は、この比較において最も重大な単一の事実であり、片方のベンダーが不当に高値を付けていると決めつけるのではなく、なぜそのような形になっているのかを理解する価値があります。

FLUX 3 Image's ladder — $0.041, $0.048, $0.07, $0.10, $0.607 — is close to proportional to pixels up to 2K and then jumps hard at 4K. M​iniMax's ladder is nearly flat: $0.02179, $0.02333, $0.06879. Sixteen times the pixels for a little over three times the money. M​iniMax meters tokens and the token count does not scale with area the way a naive model would predict; BFL appears to price the 4K tier as a premium product. Whatever the reasoning on either side, the practical consequence is that at the resolution both models were built for, the open-weight one is nearly an order of magnitude cheaper.

That is also where the comparison stops being symmetrical. If you only ever generate 1K images, the price difference is two and a half cents and FLUX 3's layout control is probably worth more than the saving. The 4K tier is the only tier where the arithmetic changes a decision, and it is exactly the tier where M​iniMax's discount is temporary.

6週間のトラフィックがもたらすもの、そして1日ではもたらさないもの

FLUX 3 Image が採点されました。Artificial Analysis では、テキストから画像生成で6,457サンプルに対してElo 1116で16位、編集で5,256サンプルに対してElo 1119で17位となっています。中位に位置し、FLUX.2 [max] より上、現在の Nano Banana と MAI の大半より下で、表示価格は画像1,000枚あたり48ドルです。これを競合他社の数値と並べて判断できます。また、サンプルが増えるにつれて順位が動くのを見ることもできます。それは上位のいくつかのモデルにも起きたことです。

MiniMax-H3-Imageには比較できるものがない。低スコアではなく、スコアなしだ。ベンダーのカードは表もなしに「オープンソースモデルの中で最も強い指示追従性」と謳っており、モデルページのショーケースグリッドだけが、存在する出力の唯一の証拠である。1生成に10秒かかるモデルについてブラインドアリーナがサンプルを蓄積するには、公開から1日では時間が足りない。したがって、この不在は疑わしいというより想定内だ。それでも不在であることに変わりはなく、品質に関するMiniMax-H3-Imageの論拠は現在、アーキテクチャと価格に基づく論拠であることを意味する。

アーキテクチャに関する主張は空虚ではない。33.1Bのデンス拡散トランスフォーマーをガイダンスなしの6ステップに蒸留したのは、サービス提供コストに関する意図的な選択であり、6ステップであるからこそ、16 MPの生成はバッチジョブではなくリクエストになる。カード自身の表現——16 MPを「実用的な計算コストで」——はFLOPsに関する主張であり、リポジトリ内のすべてと整合している。ただそれは品質に関する主張ではなく、両者はあらゆるローンチ記事で混同される。

それぞれが本番環境のどこで破綻するのか

FLUX 3の限界は、その最小出力にある。768ピクセルの下限と4Kの上限があるため、このモデルはほとんどの商用作業が行われる範囲では無理なく使え、6000ピクセル幅の画像を出してくれるわけではない。またクローズドでもある。ダウンロードもできず、チェックポイントを固定することもできず、BFLのライセンスページではセルフホスティングが個人ではなく大規模企業向けに販売されている。BFLが料金を変更したり、ティアを廃止したりすれば、あなたのパイプラインもそれに合わせて変わる。6週間のトラフィックは実績ではあるが、保証ではない。

MiniMax-H3-Image's limit is the licence, and it is stricter than “open weight” suggests. The MiniMax-H3-Image Community License Agreement excludes the European Union, the United Kingdom, the Republic of Korea and the United States by definition; requires separate written authorisation above one million US dollars of annualised revenue; requires the same for any hosted service with no revenue floor; requires the model's name displayed prominently on commercial interfaces; and forbids using outputs to train other models. If you are in one of those territories and building a product, the open weights are not available to you on these terms, and the hosted API — which M​iniMax sells — is the path that remains.

両者に共通する、どのローンチ投稿にも言及されていない第三の制約がある。それが評価ループだ。どちらのモデルも、あるプロンプトが意図どおりに仕上がるかどうかを、実際に生成してみる以外に知る方法を与えてくれない。FLUX 3のボックスは、起こりうる失敗の範囲を配置の問題にまで狭めるが、これはコードで検証できる。MiniMax-H3-Imageの失敗は意味論的なものであり、つまり人間が目で確認する必要がある。1日に数千枚の画像を生成するパイプラインでは、この検証コストの差が生成コストの差を上回ることもある。

どちらに電話しますか

納品物が大きい場合——印刷版、3つのアスペクト比に切り抜かれる背景、100%表示でもディテールを保たなければならない4Kのヒーロー画像——MiniMax-H3-Image は、この中でファイルを出力できる唯一の側であり、1フレーム $0.06879 という価格は、圧倒的に安い方でもある。それを採用し、予算は割引価格ではなく定価で見積もり、その上で製品を作る前にライセンスを読むこと。

成果物が構成的なもの——正確さが求められるレイアウト、ほかのすべてをそのままにしなければならない編集、配置こそが要点となるブランドシステム——であるなら、制御機能を備えているのは FLUX 3 だけであり、しかもスコアリングされているため、何にいくら払うのかを予測できます。1K で 2.5 セント余分にかかることは、そこでの決め手になる数字ではありません。

両方が必要なら、実際にうまくいくのはどちらかを選ぶことではなく仕事を分割することです。FLUX 3 が扱える解像度で構図を作り編集し、その後で承認済みのフレームを 16 MP にアップスケールするか再生成します。呼び出しと請求が 1 回ではなく 2 回になりますが、100 回生成した後にモデルが隅のロゴを保持できないと気づくよりは、それでも安上がりです。

Neither model is on OrcaRouter's catalogue today — FLUX 3 Image is a direct Black Forest Labs call, and MiniMax-H3-Image is M​iniMax's own API or your own GPUs — so nothing here is a routing recommendation. What we do carry is the video half of M​iniMax's H3 family, minimax/minimax-h3, alongside the image routes we do host, under one key with 0% markup on provider list price. The reason that matters in a comparison like this one is failover: when a 16 MP request takes longer than your client's timeout, a second route under the same interface is worth more than a better per-image price. Long, billed-on-timeout generations are precisely the workload where a fallback earns its keep, and M​iniMax charges for a timeout rather than refunding it.

それを決着させる質問

この比較に欠けているのは仕様ではない。サンプル数だ。MiniMax-H3-Image が画像アリーナで数千件のブラインド投票を集めるようになると、価格差は主要な論点ではなくなり、一定量の測定された品質を一定額の費用と交換する取引になる。それまでは、FLUX 3 は筋道立てて評価できるモデルであり、MiniMax-H3-Image はテストしなければならないモデルだ。そしてテストにかかるコストは十分に低い——数ドルと半日——ので、4K の成果物を扱う人なら誰でも、他人の結果を待つのではなく、自分でテストを実行すべきだ。