MiniMax-H3-Image 대 MAI-Image 2.7 Preview: 하나는 파일이고, 하나는 미리보기입니다
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 99 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-07212 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 123 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 230 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100만 토큰당 · 39 tok/s
- OrcaNEWOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 123 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 104 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 62 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100만 토큰당 · 429 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228지능
MAI-Image 2.7 Preview에 텍스트 프롬프트를 건네면 아무것도 돌아오지 않습니다. 텍스트로부터 생성하지 않기 때문입니다. 이 모델은 편집을 합니다. 그 한 문장이 이 모델과 MiniMax-H3-Image의 차이 대부분을 설명하며, 두 모델을 나란히 비교할 때마다 틀리는 바로 그 부분입니다. 두 모델은 같은 문제를 풀고 있지 않기 때문입니다. 하나는 다운로드 가능한 가중치를 갖춘 통합 텍스트-이미지 및 참조 편집 체크포인트이고, 다른 하나는 플레이그라운드와 리더보드 정도로만 접근할 수 있는 Microsoft AI의 편집 전용 프리뷰입니다.
둘 다 최근의 일이다. MiniMax는 2026년 11월 10일 14:50 UTC에 MiniMax-H3-Image의 가중치를 공개했다. Microsoft의 프리뷰는 10월 말부터 이미 실제 환경에 풀려 있었고, 그것이 올라가 있는 독립 보드에서도 움직이는 모습이 보인다. 이어지는 내용은 기능 목록이 아니다. 선택을 앞두고 있다면 중요한 유일한 질문, 즉 이 중 어느 것을 실제로 파이프라인에 넣을 수 있는지, 비용은 얼마인지, 그리고 그것을 선택함으로써 무엇을 포기하게 되는지에 답하려는 시도다.
첫 번째 차이는 벤치마크가 아니라 역량입니다.
MiniMax-H3-Image는 하나의 체크포인트로 두 가지 작업을 수행합니다. 프롬프트로 이미지를 생성하고, <Picture 1>부터 <Picture 16>까지 위치 기반으로 전달된 하나 이상의 참조 이미지를 편집합니다. 동일한 가중치가 두 작업 모두에 사용되므로, 설정할 별도의 편집 엔드포인트도 없고 비용을 지불할 두 번째 모델도 없습니다.
MAI-Image 2.7 Preview는 두 번째 역할을 담당합니다. 이는 편집 모델로, 이미지와 지시를 주면 수정된 이미지를 반환합니다. 활성화할 텍스트-이미지 모드가 없습니다. 워크플로가 "제품 사진을 생성한 뒤 이를 반복 개선하는" 팀에게 이는 Microsoft의 모델이 반복 개선 단계는 커버할 수 있지만 첫 프레임은 커버할 수 없다는 뜻이며, 따라서 MiniMax-H3-Image를 즉시 대체할 수 있는 모델은 결코 아닙니다. 기껏해야 체인 내의 두 번째 모델일 뿐입니다.
그 비대칭성은 분명히 짚고 넘어갈 가치가 있습니다. 왜냐하면 그것은 비교가 애초에 무엇을 의미할 수 있는지를 바꾸기 때문입니다. 편집 품질에서는 둘을 비교할 수 있습니다. 생성에서는 비교할 수 없습니다. 왜냐하면 둘 중 하나는 생성 자체를 하지 않기 때문입니다.
한쪽은 당신에게 가중치를 건네고, 다른 쪽은 미리보기 배지를 건넵니다.
MiniMax-H3-Image는 MiniMax-H3-Image 커뮤니티 라이선스 계약에 따라 배포됩니다. 이 계약은 Apache 2.0이 아니며 상업적 배포 전에 변호사의 검토가 필요하지만, 다운로드 가능한 아티팩트입니다. 68.65GB의 디퓨전 트랜스포머, VAE 및 구성에 더해 MiniMax-H3 비디오 저장소에서 가져온 66.7GB의 텍스트 인코더로 이루어져 있습니다. SGLang, vLLM-Omni, diffusers 또는 ComfyUI를 통해 자체 하드웨어에서 실행할 수 있으며, vLLM 팀은 출시 당일 NVIDIA와 AMD 모두에 대한 지원을 바로 제공했습니다. MiniMax 자체 API에서도 호출할 수 있으며, 모델 식별자는 MiniMax-H3-Image이고 Highspeed 티어는 동일한 한도에서 더 높은 출력 속도로 실행됩니다.
MAI-Image 2.7 Preview는 일반적인 의미에서 비공개다. 가중치도, 열람 가능한 라이선스도, 파라미터 수나 아키텍처가 적힌 모델 카드도 없다. Microsoft는 이미지당 가격, 최대 해상도, 참조 이미지 상한, 마스크 인터페이스, 또는 개발자가 오늘 바로 호출할 수 있는 엔드포인트가 포함된 Foundry 목록을 공개하지 않았다. 존재하는 것은 MAI Playground, Arena에서의 등장, 그리고 Artificial Analysis의 항목뿐이다. 그것만으로 모델에 대한 의견은 형성할 수 있지만, 그것을 기반으로 예산을 세우기에는 충분하지 않다.
이것이 대부분의 실제 결정을 좌우하는 차이입니다. 벤치마크 점수가 없는 오픈 웨이트 모델은 직접 실행해 보면 걸러낼 수 있는 엔지니어링 리스크입니다. 반면 가격이 없는 클로즈드 모델은 샘플이 아무리 좋아 보여도 조달 단계에서 막다른 길입니다.
독립 이사회가 실제로 말하는 것
2026년 11월 11일 기준, MAI-Image 2.7 Preview는 Artificial Analysis의 AA-Image-Editing v2.1 리더보드에서 1123 Elo로 4위에 올라 있으며, GPT Image 2.6 Sunburst(1209), GPT Image 2.6 Flare(1206), GPT Image 2.5 Sunburst(1126)에 뒤져 있습니다. 표본 수는 5,280으로, 자리표시자가 아닌 실제 표본 수입니다. 마이크로소프트가 2026년 10월 27일 이 프리뷰를 발표했을 때, 이 모델을 해당 리더보드에서 1,193 Elo로 2위, GPT Image 2.5 Sunburst에 6점 뒤진 것으로 설명했습니다. 그 후 리더보드에는 더 새로운 OpenAI 항목들이 채워졌고, 현재 순위는 1123으로 4위입니다. 이는 빠르게 변하는 한 달 동안 순위에 일어나는 일이며, 모든 Elo를 영구적인 사실이 아니라 측정 시점을 함께 붙여 읽어야 하는 이유입니다. 하위 점수에 대한 공급업체 자체의 설명(추론 기반 편집과 장면 및 스타일 편집이 7위에서 1위로, 텍스트 및 기호 편집이 6위에서 1위로 상승, 장면 및 스타일에서 24 Elo 우위)은 제3자 데이터에 대한 공급업체의 설명일 뿐입니다. 자체 벤치마크보다 더 나은 범주의 주장이지만, 여전히 재현할 수 있는 측정값은 아닙니다.
MiniMax-H3-Image는 그 보드에 행이 없고, AA-Image-T2I v2.1에도 행이 없습니다. 낮은 점수가 아니라 아예 없는 것입니다. 11월 10일에 출시되었고, pairwise-preference 보드의 샘플 수집에는 시간이 걸리며, 인용할 숫자가 없습니다. 어떤 모델이 다른 모델을 독립적인 점수에서 앞선다고 말하는 사람은 순위가 매겨진 모델과 매겨지지 않은 모델을 비교하는 것이며, 그것은 비교가 아닙니다.
정직한 점수상 위치는 이렇습니다. MAI-Image 2.7 Preview는 상위권이 OpenAI 모델들로 가득한 보드에서 편집 점수 4위이고, MiniMax-H3-Image는 점수가 전혀 없습니다. 그것은 MiniMax의 모델이 더 낫거나 나쁘다는 주장이 아닙니다. 그것은 그 모델이 얼마나 좋은지 아는 유일한 사람들은 직접 실행해 본 사람들이라는 주장입니다.
차원별로
• 기능 — MiniMax-H3-Image: 텍스트-투-이미지와 참조 편집을 하나의 체크포인트에서 제공합니다. MAI-Image 2.7 Preview: 편집 전용이며 텍스트-투-이미지 모드는 없습니다.
• 출력 크기 — MiniMax-H3-Image: 모든 화면 비율에서 약 1,600만 화소, 1:1에서 4096×4096부터 21:9에서 6272×2688까지이며, API 상한은 20MP입니다. MAI-Image 2.7 Preview: 공개되지 않음; 이전 모델은 약 236만 화소로 제한되었습니다.
• 참조 — MiniMax-H3-Image: 최대 16개이며, 업로드 순서상의 위치로 지정됩니다. MAI-Image 2.7 Preview: 문서화된 상한 없음.
• 가중치 — MiniMax-H3-Image: 68.65 GB에 66.7 GB 텍스트 인코더가 더해지며, Apache 2.0이 아닌 커뮤니티 라이선스 하에 제공됩니다. MAI-Image 2.7 Preview: 없음, 그리고 앞으로 제공될 조짐도 없습니다.
• 가격 — MiniMax-H3-Image: 1K 이미지당 $0.02179, 2K는 $0.02333, 4K 정가는 $0.06879이며, 2026년 11월 17일 16:00 UTC에 종료되는 50% 할인 적용 시 $0.03439입니다. MAI-Image 2.7 Preview: 공개된 가격이 전혀 없습니다.
• 독립 편집 점수 — MAI-Image 2.7 Preview: 1123 Elo, AA-Image-Editing v2.1에서 4위. MiniMax-H3-Image: 2026년 11월 11일 기준 두 보드 모두에 해당 행이 없습니다.
• 샘플링 — MiniMax-H3-Image: 6단계로 고정되며, classifier-free guidance와 네거티브 프롬프트는 없습니다. 다른 단계 수는 HTTP 400으로 거부됩니다. MAI-Image 2.7 Preview: 공개되지 않음.
• 어디에서 호출할 수 있나 — MiniMax-H3-Image: MiniMax의 자체 API와 네 가지 문서화된 프레임워크를 통한 셀프 호스팅. MAI-Image 2.7 Preview: MAI Playground, 그리고 앞으로 Microsoft가 이를 제공하는 모든 곳.
가격이 있는 한쪽에만 가격이 책정된 편집
MiniMax-H3-Image는 이미지가 아니라 입력 및 출력 토큰으로 과금하며, 카드에 정리된 계산 예시가 더 읽기 쉬운 버전입니다. 1K 참조 이미지 하나를 사용하는 1,024×1,024 편집은 $0.02654인데, 출력 위에 입력 이미지 토큰 100만 개당 $1.50를 지불하기 때문입니다. 2K 생성은 $0.02333, 4K 생성은 정가 $0.06879입니다. 각각 참조 이미지 하나씩을 사용하는 2K 편집 1,000건을 배치로 처리하면 참조 이미지를 인코딩하는 비용에 따라 대략 $26에서 $30 사이이며, 이는 오늘 바로 스프레드시트에 넣을 수 있는 숫자입니다.
MAI-Image 2.7 Preview에 대해서는 그 계산을 할 수 없으며, 바로 이 지점에서 누락된 가격은 문서상의 공백을 넘어 계획 수립의 문제가 됩니다. 공개된 요금이 없는 프리뷰는 리더보드에서 어디에 위치하든 예산을 책정할 수도, 비교할 수도, 도입을 확정할 수도 없습니다. Microsoft의 모델이 편집에서 정말로 더 뛰어나다면—1123 Elo의 4위라는 것도 존중할 만한 위치입니다—그 사실을 확인하는 비용은 이미지당 요금이 아니라, 출시 전에 바뀔 수 있는 인터페이스에 대한 일주일간의 통합 작업입니다.
OrcaRouter는 이 두 모델 중 어느 것도 라우팅하지 않으며, 이 글은 그렇지 않은 척하지 않습니다. 우리가 라우팅하는 것은 다른 모든 것과 동일한 키로 호출할 수 있는 이미지 생성입니다 — gpt-image-2.5-sunburst, gpt-image-2, Gemini 이미지 프리뷰, 세 가지 티어의 Imagen 4, Grok Imagine Image — 공급자 정가에 0% 마크업이 그대로 전달되어, 벤더가 요금을 변경하면 청구서도 같은 날 변경됩니다. MiniMax의 편집 품질이 측정되기를, 또는 Microsoft의 프리뷰에 가격표가 붙기를 기다리면서 이미지 기능을 프로토타이핑하는 팀에게 이는 두 번째 계약 없이 파이프라인을 계속 돌리는 방법입니다. 그것은 두 모델 중 어느 것의 대체품이 아니며, 그 차이는 중요합니다.
문서화되지 않은 상한에 맞선 열여섯 개의 참조
MiniMax-H3-Image의 사양표에서 가장 과소평가된 항목은 참조 이미지 수입니다. 위치 기반으로 지정되는 16개의 이미지면 한 번의 호출로 캐릭터 시트, 제품, 방의 세 각도, 색상 참조, 스타일 보드에 맞춰 편집을 조건화하기에 충분합니다. 그런 수용력을 문서화한 이미지 모델은 매우 드물고, 클로즈드 모델 중에서는 아예 문서화하지 않는 경우가 거의 전부입니다 — MAI-Image 2.7 Preview도 문서화하지 않으므로, 많은 참조에 의존하는 워크플로는 그에 맞춰 설계하기 전에 경험적으로 검증해야 합니다.
그 수치에는 한 가지 유의점이 있는데, 누군가에게는 실제 문제가 될 수 있습니다. 모델 카드에는 참조 16개라고 되어 있지만, 동일한 가중치에 대한 vLLM-Omni의 릴리스 레시피에는 요청당 최대 9개 이미지로 문서화되어 있습니다. 두 수치가 동시에 맞을 수 있습니다. 서빙 스택의 배칭 한도와 모델의 학습된 용량은 서로 다른 것이기 때문입니다. 하지만 워크플로에 참조가 열두 개 필요하다면, 어느 문서도 믿기보다 자체 서빙 경로에서 테스트해 보는 것이 솔직한 입장입니다.
이걸로 이번 주에 뭘 해야 할까
고해상도 생성이 필요하고 자체 호스팅 옵션도 원한다면, 선택은 사실 이 두 모델 사이가 아닙니다. MAI-Image 2.7 Preview는 그 경쟁에 없습니다. MiniMax-H3-Image를 선택하고, 2K는 $0.02333, 4K는 $0.06879로 책정하며, 4K 할인이 계획을 바꾸는지 11월 17일 전에 결정하고, 다운로드 후가 아니라 전에 라이선스를 읽으세요.
최고의 편집 기능이 필요하고 프리뷰 환경에서 작업할 의향이 있다면, MAI-Image 2.7 Preview가 독립적인 편집 리더보드에서 4위를 차지한 것은 실질적인 신호이며, 가격이 없다는 점은 실질적인 장애물입니다. Microsoft에 Foundry 액세스와 요금표를 요청하세요. 그중 하나라도 마련되기 전까지, 이를 기반으로 구축한 편집 파이프라인은 제품이 아니라 프로토타입입니다.
주목해야 할 것은 다음 리더보드 갱신이 아니다. MAI-Image 2.7 Preview가 가격과 엔드포인트를 갖게 되는지 여부다. 그것이 이 일을 오픈 모델 대 클로즈드 데모의 비교에서 구매 가능한 두 제품 사이의 진짜 선택으로 바꿔 놓기 때문이다. 그리고 MiniMax-H3-Image가 점수를 받는지 여부다. 지금은 가중치가 공개된 모델이 둘 중 품질을 스스로 측정할 수 있는 유일한 모델이기 때문이다 — 프리뷰에 한 번 데인 적이 있는 사람이라면, 이것이 두 미지수 중 더 가치 있는 쪽일 수 있다.
