MiniMax-H3-Image vs Qwen-Image 2.1：2つのオープンなチェックポイント、2つの異なるロック

これらのモデルはいずれもダウンロード可能ですが、どちらも「無料」という言葉が通常意味するような形で無料で使えるわけではありません。MiniMax-H3-Image は 68.65 GB のダウンロードで、トランスフォーマーだけで 66.28 GB、さらに 66.7 GB のテキストエンコーダーを伴うもので、重みは 2026年11月10日に公開されました。コミュニティライセンスの下で提供されており、その許諾から欧州連合、英国、大韓民国、米国が除外され、年間換算収益が 100万米ドルを超える場合、またはあらゆるホスト型サービスについては MiniMax の書面による許諾が必要です。Qwen-Image 2.1 は、Alibaba の Qwen チームが 2026年9月20日に公開したもので、ダウンロードサイズはその約4分の1にあたる 33.13 GB です。こちらは Qwen Research License Agreement の下で提供され、その第2条(a)は「非商用目的に限り」権利を許諾し、第2条(b)は別途ライセンスなしでの商用利用を禁じています。一方の錠は地理的なもので収益の調整弁が付き、もう一方は絶対的です。製品に組み込めるモデルを選ぼうとしてここへ来たのであれば、ライセンスファイルがすでに答えを出しています。この比較の残りは、その答えがなお選択の余地を残す、はるかに狭い用途についての話です。

エンジニアリング面の対照も同じくらい鮮明で、しかもそれはパラメータ数から示唆されることとは逆方向に進んでいる。Qwen-Image 2.1 は 70 億パラメータのビジュアル生成器で、40 ステップでノイズ除去を行う。MiniMax-H3-Image は 331 億パラメータの密なトランスフォーマーで、6 ステップに蒸留されている。一方はワークステーションに収まるように作られ、もう一方はホスト型リクエストを瞬時に感じさせるように作られている。1,000 枚あたりどちらが安いかを見極めるのは、パラメータに何かを掛け算する話ではない。それぞれのコストが実際にどこに位置するかの話なのだ。

各ライセンスにおいて「オープン」が意味するもの、条項ごとに

Q​wenから始めましょう。二つのうちその条件はより単純で、通常のケースではより制限的だからです。Hugging Faceのカードは、ライセンスにotherと共にlicense_name: qwen-researchというタグを付けています。また、リポジトリ内のLICENSEファイルは、2026年9月20日付のQ​wen Research License Agreementです。運用上の文言は曖昧ではありません。権利は非商業目的に限って付与され、「Non-Commercial」は研究または評価と定義されており、何かを出荷したいと考える人は、契約書が指定する宛先にライセンスを申請しなければなりません。収益の閾値も、地域ごとの除外も、小規模企業が自動的に適格となり得る道筋も本文には書かれていません。それは研究目的の許諾であり、それ以上の何ものでもありません。

MiniMaxの契約は、原則としてはより寛容で、実際にはより風変わりだ。許諾は全世界に及ぶが、4つの法域を名指しで除外している。商用利用は禁止ではなく想定されており、事前の書面による許可を必要とする2つのトリガーと、商用製品がそのインターフェース上で「MiniMax-H3-Image」を「目立つように表示」することを義務付ける帰属表示条項に服する。この契約はさらに、出力を生成するあらゆるサービスに対して保護措置——実装、維持、テスト、定期的な見直し——を求めている。これは、コンプライアンスチームなら義務として読むが、個人開発者なら定型文として読む類の条項だ。

並べて置くと、この二つの文書は奇妙な地図を描き出す。東京のスタジオは、閾値を超える許諾があれば MiniMax-H3-Image を商用利用できるが、Qwen-Image 2.1 は商用利用がまったくできない。カリフォルニアのスタジオはどちらも使えない。MiniMax は地域を完全に除外し、Qwen は用途を禁止している。どこであれ研究グループは両方を使える。研究は Qwen が認めるものであり、MiniMax の非商用解釈が対象に含むものだからだ。この最後の一文こそが、2026年11月のオープンウェイト画像分野の正直な要約であり、どんなベンチマーク表もそれを変えない。

40ステップ対6、そしてそれが請求書に及ぼす影響

サンプラーの違いは、この対決における最も重大なエンジニアリング上の事実です。なぜなら、それがコストに関する他のすべてを左右するからです。

• ステップ — Qwen-Image 2.1は、ベースチェックポイントではデフォルトで40のデノイズステップにおいてオイラー離散スケジューリングを用いたFlow Matchingを実行し、ベースリポジトリに蒸留版はありません。2026年10月9日に公開された別個のQwen-Image 2.1 Turboチェックポイントは、それを8ステップに短縮し、CFGは1、スケジュールはチェックポイント内に保存されています。MiniMax-H3-Imageは6ステップで動作し、Classifier-Free Guidanceは一切使用しません — これはデフォルトではなく制約です。提供APIは他のステップ数やガイダンス値に対してHTTP 400を返し、ネガティブプロンプトを拒否します。

• サイズ — Qwen の視覚生成コンポーネントは、32 の単一ストリーム DiT 層にわたる 7B パラメータで、ブロック因果アテンションを備えています。テキストと指示にはトークンレベルの因果マスクが、画像生成にはチャンクレベルの双方向マスクが適用されます。MiniMax のものは 33.1B のデンスモデルで、50 層、隠れ次元 5,376、56 ヘッド、FFN 14,336 を持ち、3D マルチモーダル RoPE と、トークンあたり 32×32 ピクセルをカバーする 2×2 の潜在パッチを備えています。

• ダウンロード — Qwen-Image 2.1 は合計 33.13 GB（約 20.5 GB が transformer と VAE で、残りは Qwen3-VL 8B テキストエンコーダー）。M​iniMax は何も生成する前に約 135 GB。

掛け算してみると、直感は覆る。33Bモデルを6ステップで動かすと1画像あたり約199Bパラメータステップ分の作業を行い、7Bモデルを40ステップで動かすと約280Bになる。大きいモデルが自動的に高コストというわけではない——これこそが蒸留の狙いであり、仕様表の「33B」が画像1枚にかかるコストをほとんど教えてくれない理由でもある。ただし、固定されたカード上では、16メガピクセルで収まらないかもしれないのは33Bチェックポイントの方であり、MiniMaxは、収まるかどうかを教えてくれるレイテンシの数値もハードウェア構成もメモリの目安も、リリース資料のどこにも公開していない。Qwenは代わりに固定プリセットを公開している。1:1なら2048×2048、4:3なら2400×1792、16:9なら2752×1536、およびその転置——最大でも約4.2メガピクセルで、MiniMaxの主張の4分の1だ。

その解像度の差は、コスト比較にとって偶然の副産物ではない。MiniMaxの4Kまでの価格ラダーが異常なほど平坦なのは、課金単位がトークンであり、トークン数が直感に反して面積に応じて増えないためだ——ローンチ割引で最上位ティアが半額になる前の価格は、1Kで0.02179ドル、4Kで0.06879ドル。Qwenには比較できるラダーがない。購入できるホスト型ベースモデルが存在しないからだ。Artificial AnalysisはQwen-Image-2.1を価格なしで掲載しており、その一覧ではAPIがないことを意味する。Alibabaが実際にホストしているProおよびTurboティアはまったく別の行で、画像1,000枚あたり35.33ドルと16ドルだ。

Q​wenにはあってM​iniMaxにはない唯一の能力

ネイティブな透過性。Qwen-Image 2.1のVAEは64チャンネルのRGBAオートエンコーダーで、空間圧縮率は16×です。そのため、アルファチャンネルは後段の背景除去パスからではなく、モデル自体から出力されます。これは、合成して使われるアセット——商品の切り抜き、スプライト、レイヤー化されたデザインファイル——を制作する人にとって、ワークフロー上の実質的な違いであり、MiniMax-H3-Imageにプロンプトで生成させられるものではありません。そのリポジトリ、モデルカード、ライセンスのいずれにもアルファチャンネルについての言及はなく、VAEは24層のViTデコーダーと24個の潜在チャンネルを備えたCNNエンコーダーと説明されています。

能力一覧の残りの部分は、紙面上ではM​iniMaxに有利であり、注意深く読む価値があります。その大半はベンダーによる主張だからです：

• 解像度 — ここで33Bが明確な目的を持つように見えてきます。MiniMax-H3-Imageは、あらゆるアスペクト比で最大約16メガピクセル（4096×4096から6272×2688まで）をネイティブ生成でき、APIの上限は20メガピクセル、アップスケーラーを介しません。一方、Q​wenのドキュメントに記載されたプリセットは最大でも約4.2メガピクセルです。

• 参照 — MiniMax-H3-Image は最大16点まで受け付け、スロットで指定します。プロンプトで<Picture 3>と書くと、アップロードした3番目のファイルを意味します。Qwen-Image 2.1 は最大10点まで受け付け、そのショーケースには6枚のポートレートから組み上げた集合写真が含まれています。

• 指示追従性 — MiniMaxのカードは「オープンソースモデルの中で最も強い指示追従性」と主張しているが、その文の裏付けとなる評価表はない。QwenはVDEBenchの数値として、3,506サンプルにわたるローカル0.81、グローバル0.83を公開しており、これは実サンプル数を伴う実在の数値ではあるが、依然としてベンダー自身のハーネスで計算されたベンダー数値である。

• {{1}}プロンプト長{{/1}} — {{2}}MiniMax{{/2}}は提供APIで32,000文字を受け付け、おおよそ最初の4,096トークンが有効になります。{{3}}Qwen{{/3}}のカードと例は、長いプロンプトではなく短い構造化された指示を中心に書かれており、その混合粒度アテンションは、指示と条件画像を一度キャッシュして各ステップで再利用するよう明示的に設計されています。これは容量ではなく効率性に関する主張です。

独立した取締役会が今示しているもの

両モデルは2026年11月14日時点でArtificial Analysisの2つの画像アリーナの両方でスコア付けされており、これにより、双方が比較可能な第三者エビデンスを持つ数少ないオープンウェイト対決の一つとなっている。テキスト画像生成ボードはほぼ互角だ。MiniMax-H3-Imageは114行中25位でElo 1,066、区間は1,051〜1,080、Qwen-Image-2.1は28位で1,047、1,035〜1,059となっている。区間がかろうじて重なる程度の20 Eloはリードであって差ではなく、誰もそれだけを理由にパイプラインを切り替えるべきではない。

編集ボードこそが両者を分ける。MiniMax-H3-Image は Elo 1,138（1,122–1,154）で84件中13位、Qwen-Image-2.1 は 1,084（1,071–1,097）で30位だ。これはまったく重なりのない54 Elo であり、この比較の中で第三者による証拠が、コストやライセンスではなく品質について決定的なことを示している唯一の箇所である。

バリアントは形状を変えずに親モデルに追随する。MiniMax-H3-Image Highspeed は text to image で24位（1,072）、editing で14位（1,134）にランクインしており、より高速に提供されるティアは両ボードで標準ティアに近い。Q​wen 側では、ホスト版の Pro 兄弟モデルが 1,059 と 1,068、Turbo が 1,025 と 1,062 に位置し、いずれもベースチェックポイントの editing スコアを下回っている。これは予想外の事態ではなく、8ステップスケジュールの想定コストだ。

これらの数値をもとに調達の根拠を組み立てる前に、二つ注意点がある。第一に、Elo は解像度、アルファ処理、ステップ数遵守の測定ではなく、ブラインドのペアワイズ投票から得られる。あなたのコンポジットパイプラインを見られない取締役会は、自社にとって重要なものを評価できない。第二に、Qwen-Image-2.1 の行は、プロンプトを向けるホスト型のベースエンドポイントが存在しないため、人々が自ら重みを実行して生成したものである一方、MiniMax の行には同社 API に対するトラフィックが含まれている。異なる母集団、同じリーダーボード——そして Artificial Analysis はその違いを隠すのではなく、自ら明示している。

OrcaRouterが適する場面と、適さない場面

これらのモデルはどちらもOrcaRouterのカタログにはなく、それを埋もれさせるのではなく率直に言うべきでしょう。2026年11月14日時点で、MiniMax-H3-ImageやQwen-Image 2.1へのルートはここにはなく、上記のライセンス分析は、ホスト型カタログが重みリポジトリとは別のビジネスである理由の大きな部分を占めています。このプラットフォームが画像系で実際にルーティングしているのは、GoogleおよびOpenAIのファミリー——Geminiの画像モデルやGPT Imageラインを含む——であり、テキストモデルと同じキーを使い、プロバイダーの定価に0%のマークアップを上乗せしてそのまま提供しています。

そのうち、この比較で実際に役立つ部分はルーティング DSLです。印刷ジョブ用に16メガピクセルのプレートを必要とし、出品用に1メガピクセルのサムネイルを必要とするパイプラインは、一つのモデルに同じ価格で両方をやらせたくはありませんし、そのためにベンダー契約を二つ結びたくもありません。呼び出しを組み合わせる——重い生成には一つのルート、安価な派生版には別のルート、その両方を一つのエンドポイントの背後に置く——ことは、ルーターが存在する理由そのものであり、研究ライセンスのチェックポイントをアプリケーションに直接組み込むのではなく内部サービスとして置くべきだというのと同じ論法です。

その決定を、それが値する限り狭く述べると

研究グループ、評価チーム、あるいは成果物が商用として出荷されることのない人にとって、Qwen-Image 2.1 はより適したダウンロードです。サイズは3分の1で、プリセットは文書化され、サンプル数付きの評価値が公開され、反復したいときには8ステップのTurboが使え、コンポジット作業があるならネイティブのアルファも利用できます。また、今日の午後には自分のハードウェア上でその挙動を特徴づけられるモデルでもあります。

4つの除外法域の外にある商用チームにとって、MiniMax-H3-Imageは、この2つのうち合法的に提供できる唯一のモデルであり、取締役会が決断できるほどの差をつけて、より強力な編集モデルです。ダウンロード費用を予算に計上し、売上高が100万を超える場合はMiniMaxとの交渉が必要になる見込みを立て、帰属表示の要件はローンチ後にではなくローンチ前にインターフェースへ組み込む計画を立ててください。

それらの法域内の商用チームにとって、答えはどちらでもない。釈然としないが、正確ではある。オープンウェイトの画像分野は、興味深い問いが「どのチェックポイントがより高いスコアを出すか」ではなく「あなたの弁護士がどれを実行させてくれるか」になった段階に到達している。そしてその問いについて、この2つは「オープン」がどれほど多くの異なる意味を持つようになったかを示す有用な例だ。

何があればこれを動かせるだろうか

どちらか一方でライセンスが改定されれば、どのポイントリリースよりも比較の内容が大きく変わるだろう。M​iniMaxの対象地域リストはコンプライアンス上の既定値のように見え、同社は以前にもモデルのライセンスを変更したことがある。Q​wenの研究用ライセンスは2.1系以降このファミリーの標準であり、ベースウェイト向けの商用階層（ホスト型のProおよびTurboエンドポイントとは別）が用意されれば、モデル成果物を求める人にとって明白な選択肢になるだろう。それらのどちらかが実現するまでは、これら2モデル間の技術的な違いは現実のもので、十分に文書化されており、製品を出荷しようとする人にとっては主に学術的なものだ。