MiniMax-H3-Image 対 Nano Banana 2.1：価格はほぼ同じ、証拠は比べものにならない

2つの画像モデルはどちらも1枚あたり約3セントで、MiniMax-H3-ImageとNano Banana 2.1のどちらを選ぶかは価格では決まらない。1024×1024では、オープンウェイトの新参モデルは1回の生成あたり$0.02179、Go​ogleのNano Banana 2.1は$0.0336で、差は約1セント。4096×4096では差は$0.06879対$0.113に広がる。つまり安いほうは確かに、3分の1から半分ほど安い。しかし今、どんな価格でも買えないのは、安いほうの品質主張を信じる理由だ。M​iniMaxの外では誰もそれを測定していないからだ。Nano Banana 2.1はArtificial Analysisの両方の画像ボードで4位につけ、各順位には数千のサンプルがある。MiniMax-H3-Imageはどちらのボードにも、どの順位にも、どのサンプル数でも登場しない。この非対称性こそが比較のすべてであり、スペック表の算術をいくら重ねても埋まらない。

先へ進む前に日付を具体的にしておく価値があります。というのも、この2つのモデルは同じライフサイクル段階にはないからです。Nano Banana 2.1 は 2026年10月6日から一般提供されており、そのモデル名はgemini-nano-banana-2.1で、これが置き換えたのはgemini-3.1-flash-imageです。G​oogle は後者を 2026年10月29日を停止日として非推奨にしました。ですから、古い方を使っていたなら、すでに移行を済ませているはずです。MiniMax-H3-Image のウェイトは 2026年11月10日 14:50 UTC に Hugging Face で公開され、同日付の M​iniMax の API リリースノートには簡潔なカードが載っているだけで、付随するブログ投稿はありませんでした。一方のモデルには1か月分の本番トラフィックの実績があり、もう一方はダウンロード可能になってからまだ1日しか経っていません。それに応じて判断してください。

それぞれが実際にもたらしてくれるもの

Nano Banana 2.1は、G​oogleのAPIを通じてのみ販売されるGemini 3.6 Flashの派生モデルです。解像度は1K、2K、4Kの3段階で、512ピクセルのオプションはありません。アスペクト比は通常のセットから選択でき、入力コンテキストは131,072トークン、出力は32,768トークンです。1回のリクエストで最大14枚の参照画像を受け付け、G​oogleによって10枚のオブジェクト参照と4枚のキャラクター参照に分類されます。また、生成内容をG​oogle検索または画像検索の結果に基づかせることができます。Thinkingはデフォルトでmediumに設定されており、minimalとhighも利用できますが、APIからは完全に無効化できません。すべての出力にはSynthID透かしが入ります。

MiniMax-H3-Imageは、VAEにCNNエンコーダーと24層ViTデコーダーを備えた33.1Bの密な拡散トランスフォーマーで、MiniMax独自のコミュニティライセンスのもとで提供されています。テキストから画像への生成と編集はどちらも1組のエンドポイントで実行され、編集では1〜16枚の参照画像をアップロード順に<Picture 1>から<Picture 16>として位置指定で受け付けます。また、このモデルはclassifier-free guidanceなしで6サンプリングステップに蒸留されており、提供されるAPIはnum_inference_steps=6とguidance_scale=1以外を渡すとHTTP 400を返します。API経由では出力面積が20,000,000ピクセルに上限設定されており、面積ティアは1K、2K、4Kで、デフォルトは4Kです。カードには、すべてのアスペクト比で約16メガピクセルと記載されています。リポジトリやライセンスのどこにも、検索グラウンディング、思考予算、ウォーターマーク方式についての記載はありません。

機能リストは、各製品が誰向けなのかにきれいに対応する形で分かれている。G​oogleはオーケストレーションを投入した。参照、検索、推論予算、来歴マークだ。M​iniMaxは解像度と制御を投入した。16個の参照スロット、2000万画素の上限、そして自分のハードウェアで正確に再現できる固定6ステップのサンプラーだ。

割引適用期間を明記した価格ラダー

Nano Banana 2.1は出力画像トークン100万あたり30ドルで従量課金され、Google自身のドキュメントでは1K画像1枚あたり0.0336ドル、2K画像1枚あたり0.0504ドル、4K画像1枚あたり0.113ドルに換算されます。入力画像は100万トークンあたり1.50ドル、テキスト出力は100万トークンあたり7.50ドルで請求されます。待機可能なジョブ向けに、これらの出力料金の半額となるバッチ階層があり、Artificial Analysisは実効1K料金を1,000画像あたり33.60ドルと記載しています — 同じ数値を大量単位で表したものです。

MiniMax-H3-Imageも原則としては同じように課金されますが、結果は大きく異なります。スタンダードティア：入力テキストトークン100万あたり$2.30、入力画像トークン100万あたり$1.50、出力画像トークン100万あたり$3.80。ベンダー自身の例で計算すると：

• 1K テキスト・トゥ・イメージ — Nano Banana 2.1 $0.0336 対 MiniMax-H3-Image $0.02179。

• 2K テキストからの画像生成 — $0.0504 対 $0.02333。

• 4Kテキスト画像生成 — $0.113 対 $0.06879、またはMiniMaxの期間限定50%割引で$0.03439。

• 参照画像1枚で編集 — G​oogleはこれらの料金階層で画像1枚あたりの編集価格を公表していません；M​iniMaxは1Kで$0.02654、2Kで$0.02658、4Kで$0.07312を請求します。

• 3つの参照で編集 — M​iniMaxでは1Kで$0.03563、2Kで$0.04177、4Kで$0.07914。

その料金階段には、見落としやすく計算を変える2つの詳細がある。第一に、M​iniMaxの割引は、提供される画像が少なくとも16,600,000ピクセルである場合にのみ適用され、2026年11月17日16:00 UTCに終了する——重みが公開されてから6日後だ。パイプラインを割引後の4Kの数字で見積もると、プロモーション価格で見積もっていることになる。第二に、M​iniMaxの料金階段は異例なほどフラットだ。16倍のピクセル量を3倍強の料金で得られる。計量単位がトークンであり、トークン数は表示価格が示唆するほど面積に比例して増えないからだ。G​oogleの料金階段はより比例に近い。オープンウェイトモデルが向けて作られた解像度である4Kでは、そのフラットさこそが実際の節約が生まれるところだ。

ここでルーティングレイヤーが真価を発揮するのは、その2つのメーターのどちらを使っているかを気にしなくて済む点です。 OrcaRouter はプロバイダーの定価を 0% のマークアップでそのまま通します。つまり、ベンダーの価格変更 — MiniMax のようなプロモーションやその期限切れも含めて — は、請求システムの移行を待たずに当日中に当社側で反映されます。この比較に登場するどちらのモデルも当社のカタログにはありません。MiniMax-H3-Image は登場から1週間で、ホスト型のルートはありません。Nano Banana 2.1 は Google 自身の API 経由で利用するものです。その系統で当社が実際に提供しているのは前世代、google/gemini-3.1-flash-image-previewで、OpenAI の画像ルートや MiniMax の H3 向け動画ルートも提供しています。あえて明言する理由は、未測定のオープンウェイトのチェックポイントとスコア付きのクローズドモデルを比較する記事が、新しいチェックポイントがキー1回で使えるかのように装うべきではないからです。

これの片側だけにスコアボードがある

Artificial Analysisは、Nano Banana 2.1をテキストから画像を生成するボードでElo 1160、4位、6,055以上のサンプル、画像編集ボードでElo 1137、こちらも4位、5,968以上のサンプルと評価しています。どちらの順位も、どの区間を見るかによって4位から6位の範囲になります。これらは独立してサンプリングされたものであり、ボード上の他のすべてのモデル——すでにお使いのモデルも含めて——と比較可能です。

MiniMax-H3-Imageはどちらのボードにもエントリーがない。低い順位ですらない。まったくないのだ。ベンダーの製品カードはこれを「主要なオープンウェイト画像モデル」と呼び、リポジトリのショーケースグリッドが、存在する出力品質の唯一の証拠である。そしてそれはまさに、よく見えるように設計された種類の証拠だ。ベンダーの評価表もない — GenEvalもDPG-Benchも、人間の選好度の数値もなく、競合他社が公開した評価と比較できるものは何もない。1か月後には状況が変わっているかもしれない。今日時点で正直にまとめるなら、安価なモデルは安価であり、測定されたモデルは測定されているということで、この2つの事実は別の事柄についてのものだから緊張関係にはない。

1枚あたりの価格が完全に隠している二次的なコストがあり、それは本記事で最大の数字です。BF16とFP32で68.65 GBの拡散トランスフォーマーとVAE、さらにテキストエンコーダーはリポジトリにはまったく含まれていません。MiniMax-H3-Image は text_encoder/ を MiniMax-H3 動画モデルの 66.7 GB の Qwen3-VL から読み込むため、最初のローカル生成は2つのリポジトリにまたがる約135 GBのダウンロードになります。さらにGPUも加えます：vLLM-Omni に関する M​iniMax 自身のサービングガイダンスでは H200、RTX PRO 6000 Blackwell、AMD Instinct MI350X が挙げられており、マルチGPUシーケンス並列化 — --ulysses-degree を SGLang で、--usp を vLLM-Omni で使うことが — フル解像度で許容できるレイテンシを得るための文書化された方法です。1K画像1枚あたり$0.02179では、APIは非常に長い間、電気代よりも安く済みます。オープンウェイトの価値は、制御とライセンス条件にあり、小規模でのユニットエコノミクスにあるのではありません。

品質よりも多くのデプロイを左右する制約

解像度の上限が明らかな差で、しかも接戦ですらない。Nano Banana 2.1は4Kで止まる。MiniMax-H3-ImageはAPI経由で20メガピクセル、カードの作例では約16メガピクセルに達する——1:1で4096×4096、21:9で6272×2688、4K 16:9で5472×3072だ。納品物が印刷サイズの版や、大きくクロップされる背景なら、クローズドモデルは品質の議論に入る前に候補から外れ、本記事の2モデルはそもそも競争にならない。

参照の扱いは逆です。G​oogleの14個の参照は型付けされていて——10個がオブジェクト、4個がキャラクター——その型付けが役割を果たしています。各画像がどんな役割を担うかをモデルに伝えるのです。M​iniMaxの16個は位置で指定される型なしのスロットで、余地はより大きく、構造はより少ない。ワークフローが「この人物にこのジャケットを着せ、この背景に置く」なら、G​oogleの型付けが強みです。「16枚のフレームを渡して、そのすべてで同一性を保つ」なら、M​iniMaxの上限の高さが強みです。どちらもスーパーセットではありません。

プロンプトの予算は3つ目です。Nano Banana 2.1は131,072トークンの入力コンテキストを利用できます。MiniMax-H3-Imageは提供APIでは最大32,000文字を受け付けますが、プロンプト拡張をオフにすると最初の約4,096トークンしか有効にならず、ローカルのSGLang経路では4,096トークンで完全に切り捨てられます。指示追従性を売りにするモデルにとってこれは厳しい予算であり、だからこそMiniMaxは相棒を投入しました。MiniMax-H3-Image-PEはQwen3.8-27Bの27B FP4ファインチューンで、短いリクエストを長いキャプションとアスペクト比の推奨に書き換え、スキーマに沿ったJSONとして出力します。約19 GiBのVRAMに収まります。その編集側の部分はプロンプトのみと説明され、まだ開発中であるため、現在このエクスパンダーはテキストから画像への生成には役立ちますが、それ以外にはあまり役立ちません。

さらにライセンスですが、Google側にはライセンスすべきものが何もないため、対応するものはありません。MiniMaxのコミュニティ契約では、年間換算売上高が100万米ドルを超える場合、またはホスト型サービスを提供する場合には、事前に別途書面による許諾を得る必要があります。また、それを使用するあらゆる商用インターフェース上で「MiniMax-H3-Image」という文言を目立つように表示することを求め、使用を特定の地域に限定し、出力を他のモデルの訓練や改善に使用することを禁じています。Googleの条件は標準的なAPI契約です。ここでいう「オープンウェイト」とは、読まなければならないライセンスという意味であり、無視できるライセンスという意味ではありません。

実際の1か月で、2つの請求書がどのようになるか

月20,000枚の画像を2Kで生成するとします。{{1}}Nano Banana 2.1{{/1}}は定価で$1,008、ジョブをキューに積めるならバッチ枠で$504です。{{2}}MiniMax-H3-Image{{/2}}はMiniMaxのAPI経由の定価で$466.60——あるいはセルフホストなら、そのGPUを2〜4台、かかる時間分使うコスト次第で、ほとんどのチームではむしろ高くつきます。代わりに月2,000枚の画像を4Kで生成し、割引期間が終了しているとします：{{3}}G​oogle{{/3}}なら$226、{{4}}M​iniMax{{/4}}なら$137.58。その節約は現実のもので、月に3桁であって5桁ではありません。それが得られる見返りの適切な規模であり、未測定のモデルがどこで破綻するかを誰よりも早く見つける立場になるコストと天秤にかけるべきです。

その非対称性は、勝者ではなく特定のパターンを支持している。本番経路はスコアボードのあるモデルに振り向け、トラフィックの一部は安価な方に送って自前の証拠を築く——固定のプロンプトセット、自分の目でのレビュー、2週間の比較。これこそフェイルオーバーが本来想定するケースだ。未知のモデルを置き換えではなく候補ルートとして扱い、ジョブが誤った結果で返ってきたときには実績のあるモデルをその後ろに置く。16メガピクセルでの6ステップのガイドなしサンプリングも、画像の基準では長いリクエストであり、MiniMax側では冪等ではない——クライアントのタイムアウトは課金され、OpenAI SDKは、max_retries=0を設定しない限りデフォルトで2回再試行する。タイムアウトで課金される長いリクエストこそ、2本目のルートを下に置いておきたいものだ。

これを約1か月で解決する問い

どちらのモデルも間違った選択ではありません。選択は、測定する側になる余裕があるかどうかによって決まります。成果物が意思決定より先にスコアボードを必要とするなら、この比較でそれを持っているのはNano Banana 2.1だけであり、4Kでは$0.113で、MiniMaxの$0.06879に対してです。その差は、社内で一度ならず議論することになるでしょう。成果物に16メガピクセルが必要なら、型付き参照は問題ではなく解像度が問題であり、それを提供しているのはMiniMax-H3-Imageだけです。

決着をつけるのは、まだ起きていないこと、つまり独立した順位付けだ。MiniMax-H3-Imageは公開されてまだ1日で、重みが登場してから数時間経ってもリポジトリのディスカッションスレッドではライセンス条件について質問が続いており、独自のプロンプトエクスパンダーもまだ作りかけだ。これがArtificial Analysisにサンプル数付きで登場すれば、価格差は代理指標の議論ではなく、実際のトレードオフになる。それまでは、リリースしなければならない仕事には実測済みのモデルを購入し、安い方は評価中の候補として扱うこと——置き換えを決定済みのものとして扱わないことだ。