MiniMax-H3-Image vs Seedream 5.5：1600万画素、アルファチャンネルなし

同じ商品写真を両方のモデルに渡しても、返ってくるファイルの種類は異なる。MiniMax-H3-Imageは4,096ピクセルの正方形——約16メガピクセルの不透明なラスター——を返し、MiniMax自身のAPIリファレンスには、淡々と「透明背景：非対応」と記されている。Seedream 5.5は本物のアルファチャンネルを備えた2K画像を返し、指示していないフレーム部分をピクセル単位で固定したままにし、100回改訂してもずれないように作られている。このうち一方は、仕上げに使うファイルだ。もう一方は、作業を続けるファイルだ。その違いは、今週どちらのベンダーがベンチマークとして公表したものよりも大きく、しかもどちらも、独立して検証できる数字を公表していない。

比較を公平にしているのはタイミングだ。ByteDanceは2026年11月9日にSeedream 5.5を発表した。MiniMaxは11月10日14:50 UTCにMiniMax-H3-Imageの重みをHugging Faceに公開し、15:40にそのモデルについて投稿した。2日間で2つのローンチ、1つの重複するジョブ。対称でないのは、開発者が各モデルのどこまで実際に利用できるかだ。MiniMax-H3-Imageには公開モデル識別子、計算例付きの料金表、ダウンロード可能な68.65 GBの重みがあり、さらに別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もある。Seedream 5.5にはByteDanceの5つのサーフェス、Volcano Arkエンドポイントが「今週」に開設されると述べるプレスリリースの一文があり、ModelArkのドキュメントのどこにもモデル識別子がない。そこには依然として5-0-pro、5-0-flash、5-0-lite、4-5、4-0が記載されている。そして2026年11月11日時点で、どちらのモデルもArtificial Analysisの画像ボードに行を持たない——低い行ですらない、まったくない。

各仕様書にある、もう一方では答えられない項目

MiniMax-H3-Imageは解像度重視の設計で、その点について異例なほど忠実だ。出力ジオメトリはどのアスペクト比でもおよそ1600万画素——1:1で4096×4096、4:3で4736×3552、3:2で5024×3360、16:9で5472×3072、21:9で6272×2688——で、経路中に別途のアップスケーラーはなく、APIの上限は20メガピクセルだ。1600万画素あれば、印刷版、ビルボード用のクロップ、あるいは3つの配置を切り出す際にディテールを保持しなければならない背景としても十分だ。ただ、アルファチャンネルは備えていない。APIリファレンスではプレビュー画像、マスク編集、透明背景がまとめて非対応と記載されており、それを覆すような発表も見当たらない。コンポジットのワークフローにとって、これは小さな欠落ではない。透明背景モデルならマット処理を省けるが、それのない4Kモデルは、レイヤー化する前に切り抜きが必要な1600万画素を渡してくるだけだ。

Seedream 5.5は、ちょうど裏返しの存在だ。100ラウンド編集という主張に次ぐ2つ目の目玉機能は、ネイティブRGBA出力だ。透明性をファーストクラスの出力として扱い、合成向けに設計されたエッジ処理を備える。後処理で切り抜くのではない。中国語でのローンチ記事は、アセットあたり最大100枚の透明レイヤーという上限を伝えている。これはベンダー公称値であり、誰かがデザインツールでレイヤーファイルを開き、マットを検証するまでは確認できない話だが、方向性は明快だ。ByteDanceが売っているのは、レイアウトにそのまま収まるファイルであって、書き出してから整えるファイルではない。その代償は解像度だ。公表されているSeedream 5.5の数値はすべて2Kで語られており、4Kティアは発表されていない。2K参照サイズなら、一辺2000ピクセルはWebヒーローやカタログタイルには十分だが、印刷納品物にはならない。

つまり、この2つのモデルは同じピクセル予算を奪い合っているわけではまったくありません。MiniMaxが「何が得られるか」に対して示す答えは面積です。ByteDanceの答えはチャネル数です。

次元ごとに

• 出力上限 — MiniMax-H3-Image：すべてのアスペクト比で約16MP、1:1で4096×4096、21:9で最大6272×2688、API上限は20MP。Seedream 5.5：2Kは基準サイズであり、価格が提示されるサイズでもある。4Kティアは発表されていない。

• 透過性 — MiniMax-H3-Image: APIリファレンスによると未対応。Seedream 5.5: ネイティブRGBA、ベンダー公称値でアセットあたり最大100枚の透過レイヤー。

• 編集で保持されるもの — MiniMax-H3-Image：何もロックされず、すべての編集は渡した参照に条件付けられた新規生成です。Seedream 5.5：編集していない領域を「ピクセルレベルで」保持し、色ずれを排除、1枚の画像で100ラウンド — いずれもベンダー報告によるものです。

• 参照画像 — MiniMax-H3-Image: 最大16枚まで。アップロード順に <Picture 1> から <Picture 16> として位置で指定され、入力画像トークン100万あたり1.50ドルで課金されます。Seedream 5.5: 公開されたリクエストスキーマが存在しないため、公開された参照画像の上限はありません。

• 2Kでの価格 — MiniMax-H3-Image：$0.02333。Seedream 5.5：編集1回あたり約¥0.28、およそ$0.039。

• 4K時の価格 — MiniMax-H3-Image: 定価 $0.06879、50%割引適用で $0.03439（割引は2026年11月17日16:00 UTCに終了し、納品画像が16,600,000ピクセル以上の場合にのみ適用）。Seedream 5.5: 提供なし。

• サンプリング — MiniMax-H3-Image: 6ステップに固定され、分類器フリーガイダンスは使用されません。その他の値を指定すると HTTP 400 で拒否されます。Seedream 5.5: ステップ数とガイダンスは非公開です。

• プロンプト長 — MiniMax-H3-Image：32,000文字を受け付け、そのうち最初の約4,096トークンが有効になります。Seedream 5.5：未指定。

• 呼び出せる場所 — MiniMax-H3-Image: モデルID MiniMax-H3-Image は M​iniMax 自社のAPI、同一の制限を持つHighspeedティア、およびオープンウェイト。Seedream 5.5: Doubao、Doubao Work、Dreamina、BytePlus AI Playground、Dola で、開発者APIはVolcano Arkで提供が約束されているが、まだ特定されていない。

• 独立スコア — どちらでもない。両モデルとも、両方のボードは空です。

メガピクセルが実際にいくらかかるのか、計算してみた

見出し価格は提示されたままでは比較できない。一方は{{1}}2K{{/1}}で提示され、もう一方は{{2}}三段階のラダー{{/2}}だからだ。提供面積で割れば比較可能になり、その答えは{{3}}料金表{{/3}}が示唆するものとは異なる。

Seedream 5.5は2Kスクエアで約0.039ドル、これは1メガピクセルあたり約0.0093ドルに相当します。MiniMax-H3-Imageは同じ2Kスクエアで0.02333ドル、1メガピクセルあたりおよそ0.0056ドル——同じ公称成果物に対して、ピクセルあたり約40%安い計算です。MiniMax-H3-Imageを4Kに上げると、曲線はさらに傾きます。約16.8メガピクセルで0.06879ドルは1メガピクセルあたり0.0041ドルで、自身の2Kティアより1.5倍弱お得、Seedream 5.5の2Kよりピクセルあたり約2.3分の1のコストです。ローンチ割引の適用下では1メガピクセルあたり0.00205ドルになります——しかしその数字は11月17日に失効し、それに基づいて予算を組んだパイプラインはプロモーションに基づいて予算を組んでいることになります。

正直に読めば、M​iniMaxの料金設定はほぼ横ばいだ。課金がトークン単位で、トークン数は直感が予想するようには面積に比例して増えないからだ。1Kで0.02179ドル、2Kで0.02333ドル、4Kで0.06879ドル。4Kではピクセル数が16倍になるが、価格は1Kの3倍強で済む。ByteDanceの課金体系は性質が異なる——入力画像と出力画像で課金し、テキストトークンは無料——ため、Seedreamの編集は小さな変更でも大きな変更でも同じコストになる。これは、生成ではなく修正を製品とするモデルにふさわしい形だ。

ピクセル単位の計算も、この比較では不利な側をよく見せてしまいます。誰もメガピクセルを買うのではなく、成果物を買うのです。必要なのが2Kなら、MiniMax-H3-Imageは画像1枚あたり約40%安価ですが、これは同モデルが生成できないアルファチャンネルを得るために依然として実行が必要な切り抜き処理を数える前の話です。その切り抜きは実際の費目であり、数百SKUのカタログでは、プロジェクトを左右する費目になります。

100発は100枚の画像とは別の買い物だ

Seedream 5.5の中心的な主張は耐久性です。1枚の画像が100回の編集ラウンドを経ても、未編集領域はそのまま保たれ、色ずれも蓄積しません。1ラウンド¥0.28で、1つの素材に対して100ラウンドのセッションを丸ごと行うと約¥28、およそ$3.89となり、各ラウンドは同じフレームへのパッチ適用です。それがByteDanceの売り込むワークフローであり、2段階の課金体系を説明しています。料金は画像を送って1枚受け取ることに支払うのであって、新しい画像を生成することに支払うのではありません。

MiniMax-H3-Imageには、仕様上、同等のものは存在しません。マスクも領域ロックも2パス目もなく、編集は最大16枚の位置指定参照画像と最大4,096実効トークンのプロンプトを条件とする完全生成です。4K定価で100回改訂すると約$6.88——Seedreamの100ラウンドより高く、しかも構造的に異なるコストです。なぜなら37回目は1～36回目へのパッチではなく、フレーム全体の新たなサンプルだからです。それが重要かどうかは、レビュアーがロゴの位置を確認しているのか、全体像を確認しているのかによります。「ラベルを2ミリ左に動かし、それ以外は何も変えない」という依頼なら、再生成して期待するループは適切な道具ではなく、プロンプトをどれだけ詳細にしても適切な道具には変わりません。

今朝、コードから呼び出せるのはそのうち1つだけです。

実際の評価の大半を決めるのはこの部分であり、画像品質とは何の関係もありません。MiniMax-H3-Image は今すぐ呼び出せます。実在するモデル識別子、固定6ステップサンプラーを備えた文書化されたスキーマ、PNG・JPEG・WebP 出力があり、自分で実行したい場合にはオープンウェイトもあります。セルフホスティングの算数は厳しく、68.65 GB のウェイトに 66.7 GB のエンコーダーを加えると、1件のリクエストも処理する前に 135 GB になります。一方、API では 4K フレームが $0.06879 です。それでも選択肢として存在しており、それは相手側が提供している以上のものです。

それを和らげているのはライセンスです。重みはMiniMax-H3-Image Community License Agreementの下で提供され、その除外地域には欧州連合、英国、韓国、米国が含まれます。これらのいずれかの地域に拠点を置くチームにとって、重みをダウンロードすることはAPIを回避する手段ではなく、結末が不確かな法的レビューとなります。Hugging Faceのページはこれをすべてlicense: otherと要約しており、それは正確ですが、何も教えてくれません。

Seedream 5.5はその反対で、開発者向けの入り口がまだない完成品です。今日、ByteDance自身のアプリで使用でき、Volcano Arkのエンドポイントが公開されれば、ベンダー自身のAPIや複数のサードパーティプラットフォーム経由で利用できますが、11月11日時点では、設定ファイルに記入するモデルIDも、レート制限表も、スキーマも、¥0.28という消費者向け価格が従量制APIで請求される額になるという説明もありません。プレイグラウンドの価格と従量制APIの価格は異なることがよくあります。

どちらのモデルもOrcaRouterのカタログには存在しないため、ここでの内容はどちらについてもルーティングの推奨ではありません。当社が提供しているのは、同じファミリーの動画側 — minimax/minimax-h3 に加え、1つのキーで200以上の他のルートも提供しています。プロバイダーの定価を0%のマークアップでそのまま適用し、プロバイダーに障害が発生した場合は自動フェイルオーバーします。これがこの比較にも当てはまる理由は、これらのモデルが現在どちらも単一プロバイダーへの賭けだからです。1ベンダー、1キュー、フォールバックなし。2つ目のルートが存在するまで、フェイルオーバーという利点は購入できないものであり、実務的な対応はモデル識別子をコードではなく設定に保持することです。そうすればそれが登場した日は文字列の変更で済みます。

誰がどれを選ぶべきか

成果物が大きく不透明なもの——印刷版、4Kヒーロー画像、1つの背景を3つの配置に切り抜いたもの——であれば、MiniMax-H3-Image は2つのうちファイルを生成する唯一のもので、$0.06879 はその内容にしては安い。予算は割引価格ではなく定価で組み、アルファチャンネルはまだ対応すべき工程として扱うこと。

成果物がレイアウト内の1レイヤー——商品の切り抜き、パッケージの合成、4人がそれぞれ手を加えるアセット——であるなら、2つのうちそれを解決しているのはSeedream 5.5だけであり、ピクセル単位の編集保持によって、40回目の変更も1回目と同じコストで済む。今週中にDreaminaかDoubaoで使ってみてほしい。モデルIDが存在するようになるまでは、それを前提に統合を計画しないように。

両方が必要ななら、この分業は小賢しいというより正直だ。プレートは16メガピクセルで生成し、透過は、信頼できるマットを出してくれるモデルから取ればいい。ツールが2つ、請求書が2通になるが、それでも、40ラウンド目になって画像がずれてきたことに気づくより、印刷所でヒーロー画像が2Kだと気づくより安く済む。

これを解決するのは3つの点であり、そのいずれもベンチマークではない。Volcano Arkのモデル識別子、そして従量課金価格が¥0.28の近くに収まるかどうか。MiniMax-H3-Imageのアルファチャンネル——現在そのドキュメントでは、ロードマップではなく未サポートとして記載されている。そして、どちらか一方のモデルについての最初の独立したEloだ。というのも現時点では、双方の品質に関する議論のすべてがショーケース用のグリッドとベンダーのパネルに依存しており、ショーケース用のグリッドはよく見えるように設計されているからだ。