MiniMax-H3-Image vs MAI-Image 2.7 Preview：一方はファイル、一方はプレビュー

MAI-Image 2.7 Preview にテキストプロンプトを渡しても、何も返ってきません。テキストから生成するのではなく、編集するからです。この一文が、それと MiniMax-H3-Image の違いの大半を説明しており、しかもこの部分こそ、両者を並べて比較するあらゆる比較が間違える点です。なぜなら、この2つのモデルは同じ問題を解いているわけではないからです。一方は、ダウンロード可能な重みを備えた、テキストからの画像生成と参照編集を統合したチェックポイントであり、もう一方は Microsoft AI による編集専用のプレビューで、プレイグラウンドとリーダーボード以外ではほとんど利用できません。

どちらも最近のものだ。MiniMaxは2026年11月10日14:50 UTCにMiniMax-H3-Imageの重みを公開した。Microsoftのプレビュー版は10月下旬から一般に公開されており、それが掲載されている独立系ボードでは動きが見て取れる。以下は機能一覧ではない。選ぶうえで唯一重要な問いへの答えを試みるものだ。つまり、このうちどれを実際にパイプラインへ組み込めるのか、コストはどれくらいか、それを選ぶことで何を諦めるのか、という問いだ。

最初の違いはベンチマークではなく能力です

MiniMax-H3-Imageは1つのチェックポイントで2つの処理を行います。プロンプトから画像を生成し、位置指定で渡される1つ以上の参照画像を次のように編集します：<Picture 1>から<Picture 16>。同じ重みが両方に使われ、設定が必要な別個の編集エンドポイントも、費用を払う2つ目のモデルもありません。

MAI-Image 2.7 Preview は 2 つ目の役割を担います。これは編集モデルであり、画像と指示を渡すと修正済みの画像を返します。有効化すべきテキストから画像へのモードはありません。「製品ショットを生成し、それを反復改善する」というワークフローを持つチームにとって、これは Microsoft のモデルが反復部分をカバーでき、最初のフレームはカバーできないことを意味するため、MiniMax-H3-Image の即時代替には決してなりません。せいぜいチェーン内の 2 番目のモデルです。

その非対称性は、比較がそもそも何を意味し得るかを変えてしまうため、率直に述べておく価値がある。編集品質では両者を比較できる。生成では比較できない。なぜなら、一方は生成を行わないからだ。

一方はあなたに重りを手渡し、もう一方はプレビューバッジを手渡す

MiniMax-H3-ImageはMiniMax-H3-Imageコミュニティライセンス契約に基づいて提供されており、Apache 2.0ではなく、商用展開の前に弁護士による確認に値しますが、ダウンロード可能な成果物です。拡散トランスフォーマー、VAE、設定で68.65 GB、さらにMiniMax-H3動画リポジトリから借用した66.7 GBのテキストエンコーダーを含みます。SGLang、vLLM-Omni、diffusers、ComfyUIを通じて自社ハードウェアで実行でき、vLLMチームはリリース当日にNVIDIAとAMDの両方へのデイゼロサポートを提供しました。MiniMax自身のAPIでも呼び出せ、モデル識別子はMiniMax-H3-Imageで、Highspeedティアは同じ制限をより高い出力レートで実行します。

MAI-Image 2.7 Previewは通常の意味でクローズドだ。重みも、読むべきライセンスも、パラメータ数やアーキテクチャを記載したモデルカードもない。Microsoftは画像1枚あたりの価格、最大解像度、参照画像の上限、マスクインターフェース、そして開発者が今日呼び出せるエンドポイントを備えたFoundryの掲載を公開していない。存在するのはMAI Playground、Arenaへの登場、そしてArtificial Analysisの掲載項目だ。これだけではモデルについて意見を形成するには十分だが、それを前提に予算を組むには不十分である。

これが、ほとんどの実際の意思決定を左右する違いだ。ベンチマークスコアのないオープンウェイトモデルは、実際に動かしてみることで切り捨てられる工学的リスクだ。価格のないクローズドモデルは、サンプルがどれほどよく見えても、調達上の行き止まりだ。

独立した取締役会が実際に述べていること

2026年11月11日時点で、MAI-Image 2.7 PreviewはArtificial AnalysisのAA-Image-Editing v2.1ボードでElo 1123の4位に位置し、1209のGPT Image 2.6 Sunburst、1206のGPT Image 2.6 Flare、1126のGPT Image 2.5 Sunburstに続いている。サンプル数は5,280で、これはプレースホルダーではなく実際のサンプル数だ。マイクロソフトが2026年10月27日にこのプレビューを発表した際、同モデルは同ボードでElo 1,193の2位であり、GPT Image 2.5 Sunburstに6ポイント及ばないと説明していた。その後ボードにはより新しいOpenAIのエントリーが加わり、現在の位置は1123で4位だ。これは変化の速い1か月にランキングに起こることであり、どのEloも恒久的な事実としてではなく取得日を添えて読むべき理由でもある。サブスコアについてのベンダー自身の説明（推論ベースの編集とシーン・スタイル編集が7位から1位へ、テキストと記号の編集が6位から1位へ上昇、シーンとスタイルでは24 Eloのリード）は、依然として第三者データに対するベンダーによる位置づけにとどまる。自社ベンチマークよりはましな種類の主張ではあるが、それでも再現できる測定値ではない。

MiniMax-H3-Imageはそのボードに行がなく、AA-Image-T2I v2.1にも行がありません。低い行ですらない——まったく存在しません。11月10日にリリースされたもので、ペアワイズ選好ボードのサンプル収集には時間がかかるため、引用できる数値はありません。一方のモデルが独立したスコアで他方に勝ると言う人は、ランク付けされたモデルとランク付けされていないモデルを比較しているのであり、それは比較とは言えません。

正直な評価の立場はこうだ。MAI-Image 2.7 Preview は、上位が OpenAI のモデルでひしめくボード上で編集スコア4位につけている。一方、MiniMax-H3-Image にはスコアがまったくない。これは MiniMax のモデルが優れているとか劣っているという主張ではない。そのモデルがどれほど優れているかを知っているのは、実際に動かした人だけだ、という主張である。

次元ごとに

• できること — MiniMax-H3-Image：テキストからの画像生成と参照画像編集を1つのチェックポイントで実行。MAI-Image 2.7 Preview：編集のみで、テキストからの画像生成モードはありません。

• 出力サイズ — MiniMax-H3-Image：すべてのアスペクト比で約16メガピクセル、1:1では4096×4096、21:9では最大6272×2688、APIの上限は20MP。MAI-Image 2.7 Preview：非公開。前世代は約2.36メガピクセルが上限でした。

• 参照 — MiniMax-H3-Image: 最大16件、アップロード順の位置で指定。MAI-Image 2.7 Preview: 文書化された上限なし。

• 重み — MiniMax-H3-Image: 68.65 GB に加えて 66.7 GB のテキストエンコーダー、Apache 2.0 ではないコミュニティライセンスの下で提供。MAI-Image 2.7 Preview: なし、しかも提供される気配もない。

• 価格 — MiniMax-H3-Image：1K画像で$0.02179、2Kで$0.02333、4Kはリスト価格で$0.06879、2026年11月17日16:00 UTCに終了する50%割引の適用下では$0.03439。MAI-Image 2.7 Preview：公開価格は一切ありません。

• 独立系編集スコア — MAI-Image 2.7 Preview：1123 Elo、AA-Image-Editing v2.1 で4位。MiniMax-H3-Image：2026年11月11日時点で、どちらのボードにも行はありません。

• サンプリング — MiniMax-H3-Image：6ステップに固定、classifier-free guidance なし、ネガティブプロンプトなし。他のステップ数は HTTP 400 で拒否されます。MAI-Image 2.7 Preview：非公開。

• 呼び出せる場所 — MiniMax-H3-Image: MiniMax独自のAPIに加え、4つの文書化されたフレームワークを通じたセルフホスティング。MAI-Image 2.7 Preview: MAI Playground、そして次にMicrosoftがそれを展開する場所ならどこでも。

価格が付いている側でのみ価格が設定された編集

MiniMax-H3-Imageは画像単位ではなく、入力・出力のトークンで課金されます。カードの計算例はわかりやすい形で示されています。1Kの参照画像1枚を使った1,024×1,024の編集は$0.02654になります。出力に加えて、入力画像トークン100万個あたり$1.50を支払うためです。2K生成は$0.02333、4K生成は定価$0.06879です。それぞれ参照画像1枚付きの2K編集を1,000件バッチ処理すると、参照画像のエンコード費用に応じて約$26〜$30になります。これは今日スプレッドシートに入れられる数字です。

MAI-Image 2.7 Preview ではその計算はできません。ここで、価格が記載されていないことがドキュメントの欠落ではなく、計画上の問題になります。公開された料金のないプレビューは、リーダーボードのどこに位置していても、予算化も比較もコミットもできません。Microsoft のモデルが本当に編集に優れているなら——そして 1123 Elo で 4 位というのは立派な位置です——それを確かめるコストは画像 1 枚あたりの料金ではなく、出荷前に変わる可能性のあるインターフェースに対する 1 週間の統合作業です。

OrcaRouter はこれらのモデルのどちらもルーティングしておらず、本記事もそうでないふりはしません。実際にルーティングしているのは、ほかと同じキーで呼び出せる画像生成です — gpt-image-2.5-sunburst、gpt-image-2、Gemini の画像プレビュー、3階層の Imagen 4、Grok Imagine Image — プロバイダーの定価で、0% のマークアップをそのまま反映するため、ベンダーが料金を変更すれば請求額も同日に変わります。画像機能を試作中のチームが、MiniMax の編集品質が測定されるのを、あるいは Microsoft のプレビューに価格が付くのを待つ間、これは2つ目の契約なしでパイプラインを動かし続ける方法になります。どちらのモデルの代替ではなく、その違いは重要です。

文書化されていない上限に対する16件の参照

MiniMax-H3-Imageの仕様書で最も過小評価されている記述は、参照数です。位置で指定される16枚の画像は、キャラクターシート、製品、部屋の3アングル、色参照、スタイルボードに基づいて編集を1回の呼び出しで条件付けするのに十分です。その容量を明記している画像モデルはごくわずかで、クローズドモデルではほとんどまったく明記していません。MAI-Image 2.7 Previewは明記していないため、多数の参照に依存するワークフローは、それを前提に設計する前に実証的に検証する必要があります。

その数字には注意点が一つあります。後で誰かが痛い目を見るからです。モデルカードには16個の参照と記載されていますが、同じ重みに対するvLLM-Omniのリリースレシピでは、1リクエストあたり最大9枚の画像が記載されています。両方の数字が同時に正しいことはあり得ます。サービングスタックのバッチ処理上限と、モデルの学習済みキャパシティは別物だからです。ただし、ワークフローで12個の参照が必要なら、どちらのドキュメントも信じるのではなく、自分のサービング経路でテストするのが正直なところです。

これ、今週どうする？

高解像度での生成とセルフホストの選択肢が必要なら、判断は実質的にこの2モデルの間ではありません。MAI-Image 2.7 Preview はその競争には入っていません。MiniMax-H3-Image を選び、価格は2Kが$0.02333、4Kが$0.06879であることを踏まえ、4K割引で計画が変わるかどうかを11月17日までに判断し、ライセンスはダウンロード後にではなく前に読んでください。

最高の編集機能が必要で、プレビュー内で作業することをいとわないなら、MAI-Image 2.7 Preview が独立系の編集リーダーボードで4位に入っていることは確かなシグナルであり、価格が示されていないことは現実の障害です。Microsoft に Foundry へのアクセスと料金表を求めてください。そのどちらかが存在するまでは、それに基づいて構築された編集パイプラインは製品ではなく試作品です。

注目すべきは、次のリーダーボード更新ではない。MAI-Image 2.7 Preview に価格とエンドポイントが付くかどうかだ。それが付けば、これはオープンモデルとクローズドなデモの比較から、購入可能な2つのものの間での真の選択へと変わる。そして、MiniMax-H3-Image にスコアが付くかどうか。というのも現時点では、重みを持つモデルは、この2つのうち品質を自分で測れる唯一のものであり、プレビューに痛い目に遭わされた人にとっては、2つの未知のうちより価値があるのはこちらかもしれない。