MiniMax-H3-Image 対 Qwen-Image 3.0：Qwenが残したオープンな隙間

アリババの画像モデル群はかつて、モデルを借りるのではなく所有したいと考える人にとって気楽な推奨先だった。重みをダウンロードし、実行し、料金表について論争するのをやめればよかった。Qwen-Image 3.0が8月にそれに終止符を打った。2026年7月22日に招待制で提供が始まり、8月4日にはQwen CloudとAlibaba Cloud Model StudioでStandardティアとProティアとして一般提供に到達したが、重みもモデルカードもパラメータ数も技術レポートも伴っていなかった。このファミリーのオープン系譜はQwen-Image-2.1で、2026年9月20日に非商用研究ライセンスで公開された。検査もファインチューニングも可能だが、製品として出荷することはできない。MiniMax-H3-Imageは、2026年11月10日14:50 UTCにHugging Faceで重みが公開され、それ以来この枠を埋める最初の本格的な画像モデルだ。それが本当の比較だ。どちらのモデルがより美しいかではなく、どちらが出口を残してくれるかである。

かつては1つだった2つの購入経路

3.0以前は、「Qwenか、それとも別の何か」は品質に関する問いだった。なぜなら、ライセンスに関する答えは常に同じだったからだ。今では、2つのモデルはあらゆるベンチマークよりも重要な線の反対側に位置している。つまり、ベンダーが値上げする、ティアを廃止する、あるいは厳しい週を迎えたらどうなるか、という線だ。

Qwen-Image 3.0は、十分に文書化されたインターフェースと公開された料金表を備えたホステッドサービスです。MiniMax-H3-Imageは、ホステッドサービスであると同時に、MiniMax-H3-Image Community License Agreementに基づく、ダウンロード可能な68.65 GBのトランスフォーマーであり、さらにMiniMax-H3の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でもあります。このライセンスはApache 2.0ではなく、商用展開の前に法務側の誰かが読むべきですが、それは自分たちが保有するファイルに対するライセンスであり、料金表とは根本的に別物です。

見落としやすい実務上の帰結が一つある。その離脱の代償はディスクだけではない。MiniMax-H3-Image のサンプラーは6ステップに固定されており、classifier-free guidance もネガティブプロンプトも使えず、API はそれ以外のステップ数やガイダンス値を HTTP 400 で拒否する。6回のフォワードパスがあるからこそ、1600万画素で330億パラメータの Transformer をレンタルハードウェア上で実用的に動かせるのであり、それは通常のセルフホスティング向けチューニングループが存在しないことも意味する。チューニング対象になるのはプロンプトと参照画像だ。

Qwen-Image 3.0が自分自身について実際に語っていること

ドキュメントが示唆するほどではない。AlibabaはQwen-Image 3.0のベンチマーク数値を公表していない——Qwen-Image-Benchはもちろん、どこにも——し、アーキテクチャも公表していない。したがって唯一の独立した指標はArtificial Analysisだけで、その現在のリーダーボードでは、Qwen-Image-3.0-Proがテキストから画像生成で6,691サンプル、1094 Elo、Qwen-Image-3.0が1074で、トップ5がすべてOpenAIモデルのボード上で19位と20位になっている。編集では、Proが約1,085、Standardが約1,062。これらは目立たない順位であり、存在する数値はこれらだけだ。

MiniMax-H3-Imageは、2026年11月11日時点でどちらのボードにも行がありません——弱い行ですらない、皆無です。したがって、どちらのモデルも独立したスコアによって互いを順位付けすることはできず、一方が品質で他方を上回るという主張は、比較の衣をまとった誰かの印象にすぎません。比較できるのは、インターフェース、解像度、価格、そして出口です。

両者が大きく乖離する次元

• 解像度 — 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20 MP。Qwen-Image 3.0：Alibaba自身の公表値では最大2048×2048、およそ4.2メガピクセル。

• 2Kでの価格 — MiniMax-H3-Image：生成画像1枚あたり$0.02333、4Kティアはリスト価格$0.06879を含む。Qwen-Image 3.0：Standardは1Kまたは2Kで1枚$0.03、編集は入力リファレンス1点あたり約$0.003で課金。Proは1Kで$0.04、2Kで$0.075。

• 重み — MiniMax-H3-Image：利用可能、コミュニティライセンス、NVIDIAおよびAMDにおけるデイゼロのvLLM-Omniサポートを含む4つの文書化されたサービング経路。Qwen-Image 3.0：なし、1.0および2.0からの後退。QwenファミリーのオープンなメンバーはQwen-Image-2.1で、非商用のみ。

• 画像内のテキスト — Qwen-Image 3.0：プロンプトは最大4,500トークン、テキストは約10ピクセルまで判読可能、12のネイティブ言語、20以上のフォント、1回の呼び出しで最大6つの出力、サーバー側でのプロンプト書き換え。MiniMax-H3-Image：32,000文字のプロンプトのうち、最初の約4,096トークンが有効。テキストレンダリングに関する公表された主張はなし。

• 参照 — MiniMax-H3-Image：最大16枚で、アップロード順に位置で指定されます。ただし、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9枚と記載されています。Qwen-Image 3.0：公開されている参照上限はありません。3.0 は重みのリリースではなく、スキーマが文書化されたホスト型エンドポイントです。

• 独立スコア — Qwen-Image 3.0：AA-Image-T2I v2.1で1074、Proは1094、Proは編集で約1,085。MiniMax-H3-Image：どちらのボードにも行なし。

プリントするなら、1600万画素は贅沢ではない

400万画素は、Web用のヒーロー画像、カタログのタイル、プレゼン用画像に相当する。1600万画素は、印刷用の版、ビルボード用のクロップ、あるいはそこから3つの配置を切り出す際にもディテールを保たねばならない背景に相当する。Qwen-Image 3.0の2048×2048という上限は欠陥ではない——それはこのモデルが何のためにあるかについての決定であり、大多数のホスト型画像モデルが下したのと同じ決定だ。しかし、それはつまり、パッケージ、OOH、高DPIの製品写真を制作する人にとって、MiniMax-H3-ImageはQwen-Image 3.0とまったく競合していないということだ。競合しているのは、Qwenの出力に後付けするであろうアップスケーラーであり、アップスケーラーはネイティブの1600万画素生成ほどにはディテールを追加しない。

とはいえ、Qwen-Image 3.0 で興味深いのは解像度ではない。テキストだ。約10ピクセルまで判読できるテキスト、12言語、20以上のフォント、そしてモデルが目にする前にプロンプトを再形成するサーバー側の書き換えステップ——これは、ポスター、パッケージのコピー、UIモックアップ、図表をまさに狙った一連の主張であり、そこでの誰もが知る失敗パターンは、美しく描画された画像に一語だけ文字化けが含まれることだ。実際に触った人たちの報告では、UIモックアップや図表に強く、ときどき小さな文字が文字化けするといい、これはベンダーの主張がおおむね予測するとおりだ。MiniMax-H3-Image はモデルカードで同等のテキストに関する主張をしておらず、第三者による測定もない。

一対一の比較にしては、住み分けが異例なくらい明確だ。用途が、構成されたレイアウト内の密度の高いテキストであれば、Qwen-Image 3.0 が、記録に裏打ちされた賭けができるモデルだ。用途が、大きく精細なフォトリアルな1フレームであれば、MiniMax-H3-Image は、両者が提供するサイズにおいて、1画像あたりより低コストで4倍のピクセル数を備えている。

1,000枚の画像で数値を検証する

2Kの商品画像1,000枚のバッチを、参照画像なしの生成のみで処理するとします。Qwen-Image 3.0 Standardは$0.03で$30になります。MiniMax-H3-Imageは$0.02333で$23.33です。出力ごとに参照画像を1枚追加する場合——一貫した商品を求めるカタログ更新でよくあるケース——、Qwenでは入力トークンとしておよそ$3が加算され、$33近くになります。一方、MiniMaxの入力画像料金は100万トークンあたり$1.50で、同程度の割合が加算されても、依然として$30未満にとどまります。4Kティアでは、同じ1,000枚に対してMiniMaxの定価は$68.79、2026年11月17日16:00 UTCまで実施される期間限定50%割引では$34.39です。ただし、配信される各画像が少なくとも16,600,000ピクセルであることが条件です。Qwen-Image 3.0には価格を設定できる4Kティアがありません。

これらの差は絶対値で見れば小さく、どちらかのモデルを選ぶ理由にはなりません。MiniMax-H3-Imageを選ぶ理由は、$23のAPI利用料と、自社ハードウェアでの画像1枚あたり$0の限界コストが別のビジネスであり、将来にわたってモデル化できるのはそのうち片方だけだからです。Qwen-Image 3.0を選ぶ理由は、文書化されたテキストパイプラインと、今日の午後には統合できるインターフェースがあることです。

どちらのモデルもOrcaRouter上にはなく、本稿もそれを装うつもりはありません。私たちが提供できるのはもっと限定的な内容で、正確に述べておく価値があります。私たちがルーティングする画像モデル—— gpt-image-2.5-sunburst、gpt-image-2、Geminiの画像プレビュー、3つの階層すべてのImagen 4、Grok Imagine Image——はプロバイダーの定価で請求され、マークアップ0%がパススルーされます。また、最初のプロバイダーが失敗したときは、ルーティングルールによって2番目のプロバイダーへフォールスルーできます。とはいえ、これはMiniMax-H3-ImageとQwen-Image 3.0のどちらを選ぶべきかの助けにはなりません。役に立つのは、評価をやめて実際に出荷を始めたその日に、選んだモデルが調子の悪い午後を迎えてしまったときです。

ライセンスの問いが実際にどれほどのコストを伴うのか

「オープンウェイト」は MiniMax-H3-Image については正確であり、「オープンソース」はチームをトラブルに巻き込む表現だ。コミュニティライセンス契約は、あなたの製品に付随し得る条件を含む文書であり、責任ある唯一の助言は、要約ではなく実際のファイルを読むことだ——この文章も含めて。同じことは、より強く Qwen-Image-2.1 にも当てはまる。非商用研究ライセンスとは、検証できるプロトタイプと、おそらく事前の話し合いなしには出荷できない製品を意味し、少なくとも1つの比較サイトは依然として Qwen Image 3.0 を Apache-2.0 と記載しているが、それは単純に誤りであり、1週間を無駄にする類の誤りだ。

実用的な見極めは短い。あなたの計画では、データレジデンシー、大量利用時のコスト、またはファインチューニングのために、モデルの重みを自社の管理境界内に置く必要があるか。必要なら、この2つのうち唯一の候補は MiniMax-H3-Image であり、約135 GBのアーティファクトとライセンスレビューという現実的な出口がある。不要なら、ライセンスの問題は意味をなさず、判断は、ベンダー外部の誰も独立に品質を測定していない2つのモデルについて、解像度に対するテキスト描画性能の比較に縮約される。

注目に値するのは、次にリーダーボードが更新されることではない。どちらのモデルも、何かを決着させる形でリーダーボードに載っているわけではないからだ。見るべきは、Alibabaがクローズド化を撤回し、3.x系の重みを公開するかどうか——それが実現すれば、1年ぶりに2つのオープンな高解像度画像モデルが同じ市場に並ぶことになる。そしてもう一つは、MiniMax-H3-Imageがスコアを獲得するかどうか。現時点で、それがどれほど優れているかを教えてくれる唯一の存在は、あなた自身であり、あなた自身のプロンプトの上でしか分からない。それがこの比較において最も誠実な立場なのか、それとも最も厄介な立場なのかは、あなたの一週間にどれだけ余裕があるか次第だ。