MiniMax-H3-Image vs GPT Image 2.5: 둘 다 16개의 참조를 받아들이지만, 유사점은 거기서 끝이다

The number sixteen appears on both spec sheets, and it means two different things. MiniMax-H3-Image accepts up to sixteen reference images in a single edit, addressed by upload order as <Picture 1> through <Picture 16>, with the request body capped by nothing except a 32,000-character prompt. GPT Image 2.5 — the Sunburst and Flare pair that O​penAI shipped on 8 September 2026 — accepts up to sixteen input images too, and its documentation is explicit about what happens when you send more than one: markup and masks apply to the first image, and everything after it is a reference. Sixteen slots against sixteen slots, one of which is the whole control surface and the other of which is a parameter you will probably never fill.

그 우연은 이 두 모델을 나란히 놓는 일에서 가장 유용한 부분이다. 왜냐하면 두 모델의 다른 모든 측면은 말하기는 쉽지만 아무리 강조해도 지나치지 않을 만큼 비대칭적이기 때문이다. GPT Image 2.5는 Artificial Analysis의 text-to-image 보드에서 세계에서 두 번째이자 네 번째로 좋은 이미지 모델이며, 각 순위에는 13,000표의 블라인드 투표가 뒷받침한다. MiniMax-H3-Image는 순위가 전혀 없다. 그 가중치는 이 글을 쓴 날 하루 전인 2026년 11월 10일 14:50 UTC에 Hugging Face에 공개되었고, 어떤 아레나도 아직 점수를 매길 시간이 없었다. 따라서 이것은 동등한 조건의 두 후보를 비교하는 것이 아니다. 측정된 모델과 측정되지 않은 모델을 비교하는 것이며, 유용한 질문은 측정되지 않은 모델이 알아볼 가치가 있다고 정당화할 만한 무엇을 제공하느냐이다.

두 호출이 실제로 어떻게 보이는지

O​penAI's side is two model ids doing one job between them. gpt-image-2.5-sunburst is positioned for detailed compositions and precise editing; gpt-image-2.5-flare is the fast everyday variant. Both share the same snapshot date, the same endpoint surface and the same rate, and the split is latency against precision rather than capability against capability. There is no bare gpt-image-2.5 alias — you pick a variant. Generation goes to v1/images/generations, edits to v1/images/edits as multipart form data, and Batch is supported at half the output rate. Quality is a dial with six settings — low, medium, high, xhigh, max and auto, with auto the default.

M​iniMax's side is one model with two service tiers. MiniMax-H3-Image is a 33.1B dense diffusion transformer — 50 layers, hidden size 5,376, 56 attention heads, FFN width 14,336, 3D multimodal RoPE — distilled to six sampling steps with no classifier-free guidance. The served API enforces that: num_inference_steps must be 6 and guidance_scale must be 1, or you get an HTTP 400, and negative prompts are refused. Highspeed is the same weights at a higher per-token rate. There is no quality dial, no step count to raise, no second variant with different behaviour. You send a prompt and up to sixteen pictures and you get one image back, in a fixed number of passes.

Read those two paragraphs next to each other and the design philosophies separate cleanly. O​penAI gives you knobs and expects you to find the setting that fits the job. M​iniMax gives you one setting and expects the model to be good enough at it. The first is a tool; the second is an appliance.

크기는 격차가 가장 큰 부분이며, 그 차이는 근소하지 않다

GPT Image 2.5 tops out at 3840×2160 — 8.29 megapixels — with dimensions required to be multiples of 16, an aspect ratio between 1:3 and 3:1, and anything above 2560×1440 flagged as experimental in O​penAI's own documentation. The recommended presets are 1024×1024, 1536×1024 and 1024×1536, and the custom-size path allows a pixel budget from 655,360 up to that 8,294,400 ceiling.

MiniMax-H3-Image's ceiling is roughly double that, and its floor is higher than O​penAI's ceiling-to-floor gap. The card claims about 16 megapixels at every aspect ratio — 4096×4096 at 1:1, 4736×3552 at 4:3, 5024×3360 at 3:2, 5472×3072 at 16:9, 6272×2688 at 21:9 — with the API capping output area at 20 megapixels and the practical working range described as 4 to 20 MP. There is no upscaler in the path; the model regenerates detail rather than enlarging it.

• 최대 출력 — GPT Image 2.5: 3840×2160, 8.29MP. MiniMax-H3-Image: 약 16MP, API를 통해 최대 20MP.

• 최소 유용 출력 — GPT Image 2.5: 655,360픽셀이므로 768픽셀 썸네일은 지원되는 요청입니다. MiniMax-H3-Image: 약 4MP이며 소형 이미지 티어가 없습니다.

• Reference images — both up to 16; O​penAI types the first as the edit target and treats the rest as references, M​iniMax orders all sixteen positionally with no typing.

• 품질 관리 — GPT Image 2.5: 6가지 품질 설정과 자동. MiniMax-H3-Image: 없음; 6단계, 가이던스 없음, 강제 적용.

• 출력 형식 — GPT Image 2.5: 기본값은 PNG, JPEG 및 WebP 사용 가능, 압축 0–100, 투명 배경은 background: "transparent"로 지정. MiniMax-H3-Image: PNG는 data[0].b64_json에 있습니다.

이 차이들 중 하나는 다른 어떤 차이보다 더 많은 배포를 좌우합니다. 결과물이 4K 플레이트라면 GPT Image 2.5는 만들 수 없습니다. 품질을 낮춰도, 설정을 바꿔도 마찬가지입니다. 이 모델은 8.29메가픽셀에서 멈추고 나머지는 업스케일링입니다. 이는 이 모델에 대한 비판이 아니라, 이 제품이 무엇을 위한 것인지에 대한 설명입니다. 하지만 이는 요구 사항이 8.3MP를 넘는 순간 두 모델이 경쟁을 멈춘다는 뜻이며, 측정된 Elo가 아무리 높아도 그 격차를 메우지 못합니다.

둘 다 미터 토큰이며, 오직 하나만이 토큰으로 무엇을 살 수 있는지 공개한다.

O​penAI bills GPT Image 2.5 by tokens: $5 per million text input tokens ($1.25 cached), $8 per million image input tokens ($2 cached), and $30 per million image output tokens, halved to $15 on the Batch API. Text output is not charged because the model returns images rather than prose. Those rates are unchanged from GPT Image 2, which is worth knowing if you priced the previous generation.

The number that matters and does not appear in O​penAI's rate card is how many output tokens an image costs, and O​penAI does not publish it — per-image consumption was not documented at launch and is still not documented per size. The only per-image figure in circulation is Artificial Analysis's derived $210.72 per thousand images, which is about $0.21 a frame at 1024×1024 with default settings. That is a third-party derivation from measured usage, not an O​penAI price, and it should be treated as an estimate that moves with quality setting and resolution.

M​iniMax publishes the resolved number directly, because its output rate is low enough that the arithmetic is simple: $2.30 per million input text tokens, $1.50 per million input image tokens, $3.80 per million output image tokens. The vendor's own worked examples give $0.02179 for a 1K image, $0.02333 at 2K and $0.06879 at 4K — the last of which is $0.03439 while a 50% discount holds, and that discount expires on 17 November 2026 at 16:00 UTC and applies only when the delivered image is at least 16,600,000 pixels.

Put the two side by side and the shape of the trade is stark. At 1024×1024, roughly $0.21 against $0.02179 — about ten to one. At the sizes each model is designed for, the comparison gets harder to make honestly, because GPT Image 2.5 at 8.29 MP and MiniMax-H3-Image at 16 MP are not the same product. What can be said without hedging is that if you are generating at 1K in volume, M​iniMax's price is an order of magnitude lower and its quality is unmeasured; that is the entire bet, stated plainly.

Two billing details on the M​iniMax side are easy to miss. Input images are billed per token at $1.50 per million, so references are not free — going from one to three references lifts a 2K edit from $0.02658 to $0.04177 in the vendor's own example. And the API charges for a request that times out, so a client-side retry policy turns one generation into two or three billed generations. O​penAI's documented behaviour is the opposite for failed and moderated requests, which it does not charge for.

증거 기반은 한쪽으로 치우쳐 있으며, 그 치우침의 양쪽 모두가 중요합니다.

Artificial Analysis의 텍스트-투-이미지 리더보드에서 GPT Image 2.5 Sunburst는 13,370개 샘플에서 Elo 1228로 2위, Flare는 12,695개 샘플에서 1209로 4위입니다. 편집 리더보드에서 같은 두 모델은 3위와 5위입니다. Sunburst는 18,617개 샘플에서 1199, Flare는 19,498개 샘플에서 1181입니다. 이 수치들은 점추정치이며 신뢰구간은 Elo 수십 단위이므로, Sunburst와 Flare는 텍스트-투-이미지에서 서로 의미 있게 구분되지 않고 둘 다 5위 아래의 모든 항목보다 의미 있게 높습니다.

또한 GPT Image 2.5가 더 이상 자사 제품군 내에서 최상위가 아니라는 점도 주목할 만합니다. 2.6 변형인 Sunburst와 Flare는 이제 텍스트-이미지 리더보드에서 1위와 3위를, 편집에서는 1위와 2위를 차지하며 가격은 동일하게 1,000장당 $210.72입니다. 따라서 독자가 MiniMax-H3-Image와 GPT Image 2.5 중에서 선택하는 것은 측정되지 않은 신규 모델과 측정된 라인의 이전 세대 사이에서 선택하는 것이며, 그 라인의 현재 세대는 같은 가격에 모델 id 하나 차이로 존재합니다. 점수 때문에 2.5를 고르는 사람이라면 그 점수가 실제로 무엇과 상대적인지 살펴봐야 합니다.

MiniMax-H3-Image는 어느 보드에서도 점수가 없고 벤더 평가표도 없습니다. GenEval도, DPG-Bench도, 인간 선호도 수치도 없습니다. 모델 카드의 주장은 정성적입니다. “오픈소스 모델 중 가장 강력한 지시 수행 능력”이라고만 적혀 있고 비교표는 첨부되지 않았습니다. 쇼케이스 그리드가 존재하는 유일한 출력 증거인데, 쇼케이스 그리드는 선별된 결과물입니다. 이 글을 쓸 당시 해당 모델이 공개된 지 하루밖에 안 됐다는 점을 고려하면 이 중 의심스러운 것은 없습니다. 다만 이 글에서 모델을 옹호하는 모든 논거는 가격, 해상도, 아키텍처에 근거한 논거이며, 측정된 품질에 근거한 논거는 하나도 없다는 뜻입니다.

프롬프트 예산, 그리고 모델이 머릿속에 담을 수 있는 것

GPT Image 2.5 accepts a normal O​penAI prompt and, per O​penAI's documentation, up to sixteen input images; the practical constraint on complex edits is not a character count but the mechanics of the request — the mask must match the first image in size and carry an alpha channel, and the annotation layer for markup edits must match the first image's dimensions exactly. There is no published token ceiling for image prompts in the model's documentation, which means the ceiling you plan against is the API's, not the model's.

MiniMax-H3-Image publishes a specific and modest budget: 32,000 characters on the served API, of which only about the first 4,096 tokens take effect, and the local SGLang path truncates at 4,096 tokens outright. For a model whose pitch is instruction following, four thousand tokens is tight — a detailed brief with sixteen reference images referenced by position eats a large fraction of it. M​iniMax's answer is a companion model: MiniMax-H3-Image-PE, a 27B prompt expander that rewrites a short request into a long caption plus an aspect-ratio recommendation and emits it as JSON. It fits in about 19 GiB of VRAM. Its editing path is described as prompt-only, so it helps text-to-image today and not much else.

That asymmetry is worth naming because it changes what “prompt following” means for each. O​penAI's model takes the prompt you wrote. M​iniMax's takes the prompt you wrote, or a prompt another model rewrote for it, and either way it has less room to hold the instruction. If your workflow depends on long, structured briefs with many named references, that is a real constraint and it will show up before quality ever does.

라이선스, 보존 및 폐쇄의 비용

GPT Image 2.5 is closed. There are no weights, no self-hosting, no checkpoint to pin, and the commercial terms are an API contract. What O​penAI's developer documentation does state is that API data is not used for training unless you opt in, that the images endpoints are listed as not used for training, and that the models are Zero Data Retention compatible. Ownership and commercial-use terms live in separate policies, not in the developer docs.

MiniMax-H3-Image는 공개되었지만, 그 라이선스는 'open'이라는 단어가 시사하는 것보다 더 제한적이다. MiniMax-H3-Image 커뮤니티 라이선스 계약은 정의상 유럽연합, 영국, 대한민국 및 미국을 제외하며, 연환산 매출이 미화 100만 달러를 초과하면 별도의 서면 승인을 요구하고, 매출 하한 없이 모든 호스팅 서비스에도 동일한 승인을 요구하며, 상업용 인터페이스에 모델 이름을 눈에 띄게 표시하도록 요구하고, 출력을 다른 모델의 학습이나 개선에 사용하는 것을 금지한다. Hugging Face 페이지는 이 모든 내용을 license: other.

그래서 여기서는 통상적인 구도가 뒤집힙니다. 클로즈드 모델은 약관이 더 단순하고 락인이 더 약합니다. 떠날 수는 있지만 가중치를 가져갈 수는 없습니다. 오픈 모델은 약관이 더 까다롭고 락인이 더 강합니다. 네 개의 주요 시장을 배제하는 라이선스는 아무리 많은 가중치를 다운로드할 수 있어도 상쇄되지 않는 사업상 제약이기 때문입니다. 셀프 호스팅 경로 때문에 MiniMax-H3-Image를 보고 있다면, 모델 카드보다 라이선스를 먼저 읽으십시오.

측정되지 않은 쪽이 올바른 선택일 때

MiniMax-H3-Image가 점수판이 없음에도 분명한 선택이 되는 세 가지 경우가 있으며, 그중 어느 것도 “더 저렴하기 때문”은 아닙니다.

첫 번째는 해상도입니다. 한 번의 생성으로 8.29메가픽셀보다 더 필요한 경우 GPT Image 2.5는 경쟁에서 제외되며 비교는 끝입니다. 8.29MP 프레임을 업스케일링하는 것과 $0.06879에 16메가픽셀을 얻는 것은 근소한 차이가 아닙니다.

두 번째는 재현성입니다. 6단계, 가이던스 없음, 공개된 스케줄은 pdd_config.json에 있으며, 가중치는 다운로드할 수 있습니다. 1년 뒤 자체 하드웨어에서 동일한 입력으로 동일한 출력이 필요하다면 GPT Image 2.5는 이를 제공할 수 없고 MiniMax-H3-Image는 제공할 수 있습니다. 라이선스가 허용하는 경우에 한합니다.

세 번째는 작은 크기에서의 물량입니다. 1K에서 약 $0.21인 것과 비교해 $0.02179라면, 한 달에 십만 개의 썸네일을 생성하는 파이프라인은 수만 달러 규모의 차이를 보게 됩니다. 이는 일주일 동안 직접 블라인드 비교를 실행할 만큼 충분한 돈이며, 이 두 숫자 중 어느 것이든 의사결정으로 이어지게 하는 유일한 방법입니다.

Everything else points the other way. If you need a model that will not surprise you, GPT Image 2.5 has two board placements with thirteen thousand votes each and six weeks of paying traffic behind them; MiniMax-H3-Image has a day. If you need a quality dial, O​penAI has six settings and M​iniMax has none. If you need a small image, O​penAI goes down to 655,360 pixels and M​iniMax does not go below about 4 MP. And if you need the current best in that family rather than the previous generation, the 2.6 variants are the same price.

OrcaRouter routes both GPT Image 2.5 variants — gpt-image-2.5-sunburst and gpt-image-2.5-flare — under one key, at provider list price with 0% markup passed through, so a cut or a retirement on O​penAI's side is reflected the day it happens rather than the next time you migrate a billing integration. We do not serve MiniMax-H3-Image; it has no route on our catalogue, and the honest path to it today is M​iniMax's own API or the 135 GB of downloads. What we can do in a comparison like this is keep the measured side cheap to test and easy to fail over from, which is the part of the decision that does not depend on an arena score.

이것을 진짜 비교로 만들려면 무엇이 필요할까요?

Two things, and both are weeks rather than months away. The first is a MiniMax-H3-Image entry on an image arena with a few thousand samples, which will either confirm the price is a bargain or show it as what it currently is — an untested discount. The second is a per-image token figure from O​penAI at 2K and 4K, because the $0.21 estimate is a 1K number and the whole price argument shifts if the 4K multiplier is not what people assume.

둘 다 존재하기 전까지는 결정이 유난히 명쾌하다: 중간 해상도로 반드시 출시해야 하는 작업에는 검증된 모델을 사고, GPT Image 2.5가 구조적으로 할 수 없는 작업—1,600만 화소, 정확한 재현성, 또는 10대 1의 가격 차이가 평가 비용을 여러 번 충당하는 물량—에는 MiniMax-H3-Image를 후보로 취급하라.