
MiniMax-H3-Image: wat de lanceerpost beweerde, en wat vLLM-Omni daadwerkelijk heeft geleverd
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 90 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 96 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 88 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 mln tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 mln tokens · 221 tok/s
Drie beweringen kwamen samen met MiniMax-H3-Image binnen, en het loont ze te scheiden, want er zit heel verschillend veel papierwerk achter. Het model is een 33,1B single-stream diffusietransformer die afbeeldingen van ongeveer zestien megapixel genereert en bewerkt, gedistilleerd tot zes samplingstappen zonder classifier-free guidance, en de gewichten verschenen op 10 november 2026 om 14:50 UTC op Hugging Face. In de post waarin het werd aangekondigd, stond dat het model het nummer één open-weightmodel voor beeldbewerking op Artificial Analysis was, dat NVIDIA Vera Rubin-ondersteuning voor MiniMax-H3-Image naar vLLM-Omni werd gebracht, en dat native 4K-generatie in 0,87 seconden draaide. De eerste klopt, maar alleen binnen een open-weightcohort en alleen binnen een betrouwbaarheidsband die tien rangen breed is; de tweede beschrijft papierwerk dat op een ander model is gericht en zonder samenvoeging is gesloten; de derde is een echt gemeten getal dat hoort bij een canvas dat een kwart zo groot is als de zin suggereert.
Niets daarvan maakt het model slechter. Het maakt de aankondiging moeilijker te gebruiken, want een lezer die alle drie voor waar aanneemt, zou een 4K-pipeline plannen rond een latencycijfer dat bij een 4-megapixelvariant hoort.
Het getal van 0,87 seconde staat in de repo, en het is gekoppeld aan een canvas van 2048 pixels.
vLLM-Omni's eigen recept voor MiniMax-H3-Image bevat een tabel met gemeten latency voor acht GPU-indelingen, en de waarde die de vergelijking met het lanceringsbericht doorstaat, is deze: op vier H200's met Ulysses-sequentieparallelisme over alle vier kost een 2048×2048 tekst-naar-afbeelding-verzoek 0,88 seconden, en een 2048×2048-bewerking 1,35 seconden. Dat zijn medianen van drie verzoeken na één warm-up bij concurrency één, met een vaste seed, end-to-end aan de clientzijde gemeten.
Dezelfde rij meet het grootste verzoek dat de auteurs hebben geprobeerd — 4736×3552, dat is 16,8 megapixels en het dichtst bij een 4K-plaat in de tabel — op 3,84 seconden. De eerlijke versie van de snelheidsclaim is dus dat een afbeelding van 4 megapixels ongeveer negen tienden van een seconde kost op een node met vier GPU's, en dat de afbeelding van 16 megapixels waarvoor het model is ontworpen ongeveer vier kost. Het cijfer 0,87 ligt binnen de meetruis van het cijfer 0,88; het is het canvas dat veranderd is, niet het model.
Wat dit meer maakt dan een klacht over afronding, is dat verzoeken onder 2048×2048 niet daadwerkelijk op hun nominale grootte worden uitgevoerd. Het serving-pad genereert alles wat kleiner is op een canvas van ten minste 2048×2048 met dezelfde beeldverhouding en schaalt het daarna terug met on-device Lanczos. Daarom kost 1024×1024 0,77 seconden en 2048×2048 0,88 — het is dezelfde hoeveelheid werk met een andere hoeveelheid nabewerking qua formaat. Het recept stelt de ondergrens beschikbaar als min_generation_area, aanpasbaar van 32² tot 4096² pixels, dus een deployment die echt goedkope thumbnails nodig heeft, moet daar expliciet voor kiezen.
De rest van de tabel is het nuttige deel voor iedereen die hardware wil dimensioneren:
Vier H200s, Ulysses SP 4 — 81,3 GiB piek per GPU, 0,88 s voor een afbeelding van 2048², 3,84 s bij 4736×3552, 1,35 s voor een bewerking van 2048².
• Vier H200's, DiT tensorparallel 4 — 36,2 GiB per GPU, 1,00 s en 4,01 s, en bewerkingen blijven binnen 38,3 dB PSNR van de sequence-parallelreferentie.
• Vier H200's, TP 2 × SP 2 — 52,2 GiB per GPU, 1,09 s en 4,07 s, 37,1 dB ten opzichte van dezelfde referentie.
• Twee H200s, Ulysses SP 2 — 94,6 GiB per GPU, 1,48 s en 6,82 s. Dit is de indeling die bijna de hele kaart nodig heeft.
• Eén H200 waarbij de tekstencoder is offloaded — 73,4 GiB, 3,18 s en 12,39 s voor dezelfde twee groottes.
• Eén H200 met laagsgewijze offload van zowel de DiT als de tekstencoder — 14,7 GiB, 8,30 s en 12,85 s.
De laatste twee rijen zijn commercieel gezien de interessante, want dat is wat één gehuurde kaart je oplevert. Bij 14,7 GiB past het model ruim en doet het er acht seconden over voor iets wat een node met vier GPU's in minder dan één seconde doet — een verhouding van ongeveer negen tegen één in latentie voor een verhouding van ongeveer vier tegen één in hardware. Offloadprofielen worden begrensd door host-naar-device-kopieën, dus hun latentie groeit nauwelijks met de beeldgrootte: het verschil tussen een 2048²- en een 16,8 MP-aanvraag op het single-GPU-DLO-pad is 8,30 seconden tegenover 12,85. Als je workload uit grote afbeeldingen bestaat en je hebt één kaart, is offload niet de ramp die de ruwe latentie doet vermoeden.

Waarom de eerste afbeelding meer kost dan de gewichten van het model suggereren
De checkpoint die mensen downloaden is niet hetzelfde als wat er draait. De repository van 68,65 GB bevat de BF16-diffusietransformer, maar om die te serveren is ook de volledige Qwen3-VL-tekstencoder nodig, overgenomen uit MiniMax-H3 — een tweede artefact van ongeveer 66,7 GB — plus een VAE van 0,58B, en de parametertelling van het recept zelf telt alle drie op tot 67B. Dat is het getal achter de 73,4 GiB single-GPU-configuratie met de tekstencoder in het geheugen, en achter de tweegpu-opstelling met alles resident, die 94,6 GiB per kaart nodig heeft.
Het gevolg is een rekenkundig probleem voor de lanceringsdag. Een 16-megapixel beeldmodel waarvan de gewichten als twee grote downloads aankomen en waarvan de goedkoopste snelle deployment vier datacenter-GPU's vereist, is geen weekendproject, en de frameworks die claimen ondersteuning vanaf dag één te bieden, claimen ondersteuning voor de pijplijn, niet voor je bureau. Het recept is expliciet over welke hardware daadwerkelijk is gemeten en welke alleen is geconfigureerd: H200, RTX PRO 6000 Blackwell met twee en vier kaarten, en MI325X en MI350X zijn als geverifieerd gemarkeerd, terwijl de recepten voor H100, B200 en B300 alleen configuratie zijn. Het afzonderlijke single-RTX-4090-recept bestaat en is aangeduid als een community-deployment in plaats van een door de leverancier gekwalificeerde.
De Vera Rubin-bewering wijst naar het videomodel, en de pull request is gesloten.
Dit is de bewering die het meeste uitzoekwerk vereiste, omdat het werk echt is en de vorm ervan niet overeenkomt met wat het bericht beschreef. Er is een pull request in vLLM-Omni met nummer 10108, geopend op 10 november 2026 om 11:10 UTC, getiteld "[Doc] Add MiniMax-H3 Rubin recipe and inference results". Deze voegt 1.972 regels toe over vier bestanden, documenteert een offline recept voor vier GPU's op NVIDIA VR NVL72-hardware met 286.524 MiB per kaart op een aarch64-host, en rapporteert echte metingen: een tekst-naar-video-verzoek van 1344×768, vijf seconden, 24 FPS duurde mediaan 19,811 seconden met TRTLLM-attentie en eager execution, tegenover 110,039 seconden met SDPA. Varianten met eerste/laatste keyframe en gemengde referentie kwamen uit op 21,535 en 21,461 seconden.
Al die taken zijn video. T2VA, FL2VA en Ref2VA zijn taaknamen van MiniMax-H3, niet van MiniMax-H3-Image, en de beschrijving van de pull request zelf zegt dat de bestaande MiniMax-H3-gids geen gekwalificeerde Rubin-omgeving had. De receptenindex van de repo bevestigt dit: MiniMax-H3-Image heeft recepten voor H200, H100, B200, B300, RTX PRO 6000, MI325X en MI350X, Intel Arc Pro B70, Ascend Atlas, RTX 4090 en MUSA, en niets voor Rubin.
Daarna werd de pull request gesloten. Hij werd geopend om 11:10 UTC op 10 november en dezelfde dag om 12:05 gesloten, zonder te worden samengevoegd, nadat de geautomatiseerde reviewer de auteur om een zelfreviewcommentaar had gevraagd. De auteur was openhartig over de beperkingen in de beschrijving zelf: HTTP-startup mislukte met de geteste vLLM-nightly's, het recept legt die fouten vast in plaats van HTTP-ondersteuning te claimen, en inference op een nieuwere basisrevisie stond vermeld onder "not run". Een vandaag opgevraagde directory listing van main bevat voor geen van beide MiniMax-modellen een Rubin-recept.
De accurate uitspraak is dus dat een bijdrager een Rubin-recept voor MiniMax-H3 — het videomodel — heeft opgesteld en gemeten, en dat het concept niet is doorgegaan. Als er ondersteuning komt, zal die komen als een gemerged bestand onder de receptenindex, en dat is wat je in de gaten moet houden, niet een socialmediapost. De day-one-frameworks van MiniMax-H3-Image zijn daarentegen degenen met merge-commits erachter: de pull request voor modelondersteuning van vLLM-Omni werd op 11 november om 07:32 UTC gemerged, en de bijbehorende recept-pullrequest op 10 november om 14:53 — ongeveer zeventien uur eerder, wat laat zien hoe losjes "day one" op de documentatie wordt toegepast.
![A headless-Chromium screenshot of the vllm-project/vllm-omni pull request #10108, '[Doc] Add MiniMax-H3 Rubin recipe and inference results', opened by Lishunyang12, showing one commit, 4 files changed and +1,972 lines, and a visible contributor-intent questionnaire whose answers describe documenting a Rubin recipe with measured inference results. The pull request is closed and unmerged.](https://cms.orcarouter.ai/api/media/file/3-3995.png)
De bewering over de arena is waar en veel beperkter dan die klinkt.
Artificial Analysis beheert twee relevante ranglijsten: een image-arena-leaderboard voor tekst-naar-afbeelding en een leaderboard voor beeldbewerking, beide met Elo-scores, betrouwbaarheidsintervallen en steekproefgroottes, en MiniMax-H3-Image staat op beide. Op het bewerkingsleaderboard, AA-Image-Editing v2.1, staat het op 1.138 Elo op de twaalfde plaats, binnen een rangband van acht tot zeventien, op basis van ongeveer 3.200 steekproeven, tegen $26,54 per duizend afbeeldingen. De snellere variant, MiniMax-H3-Image Highspeed, staat één plaats lager op 1.134 in een band van negen tot twintig. Het commentaar bij het leaderboard zelf wijst het model aan als de hoogst geplaatste open-weight-deelnemer, vóór Fibo 2.0 op 1.085 en Qwen-Image-2.1 op 1.084. De bewering in het lanceringsbericht is dus juist zoals ze is geformuleerd — nummer één onder open-weight-modellen voor beeldbewerking — en het cijfer erachter is een echt, gestemd en publiekelijk controleerbaar cijfer.

Wat de zin weglaat, is de grootte van de kloof en de breedte van het interval. De koploper op dat bord is GPT Image 2.6 Sunburst met 1.210 Elo over zo'n 6.400 samples, met GPT Image 2.6 Flare op 1.206 en GPT Image 2.5 Sunburst op 1.201 — ongeveer zeventig Elo boven MiniMax-H3-Image, wat in Elo-termen een substantiële en waarschijnlijk duurzame scheiding is in plaats van ruis. De band van acht tot zeventien is de andere helft van het verhaal: bij dit aantal samples zou het model redelijkerwijs achtste of zeventiende kunnen zijn, en zijn eigen Highspeed-variant zit binnen dezelfde overlap. "Beste open-weightmodel voor bewerken" en "dicht bij het beste bewerkingsmodel" zijn verschillende claims, en alleen de eerste wordt ondersteund.
Tekst-naar-afbeelding is waar de bewering wankeler wordt. Op AA-Image-T2I v2.1 staat het model drieëntwintigste met 1.066 Elo, met Highspeed tweeëntwintigste met 1.070, tegenover Sunburst 2.6 met 1.261 op de eerste plaats over 5.282 samples. Dat is een gat van tweehonderd Elo, en dezelfde open-weight-voorsprong geldt — Qwen-Image-2.1 met 1.046 en FLUX 3 Image Klein met 1.042 staan erachter — maar "nummer één open-weight model voor beeldbewerking" moet niet worden gelezen als een algemene uitspraak over beeldkwaliteit. De bewerkingskracht van het model is echt en de generatiekracht zit in de middenmoot.
De modelkaart zelf beschrijft de kwaliteit in kwalitatieve bewoordingen — sterkste instructieopvolging onder open-sourcemodellen, zonder bijgevoegde vergelijkingstabel — en het enige outputbewijs dat de leverancier aandraagt, is een gecureerd showcase-raster. Dat was normaal voor een release die drie dagen oud was. Het betekent wel dat de onderbouwing voor het model nu bestaat uit een gemeten score met een breed interval plus een argument op basis van resolutie en prijs, in plaats van de bewering die het lanceringsbericht ervan maakte.
Wat is er echt opgeleverd, en hoe kun je het uitproberen zonder er een pipeline op te wagen?
Leg de aankondiging opzij en de kern is weinig glamoureus en echt. Een 33,1B-beeldmodel met een sampler van zes stappen, geen guidance scale om af te stellen, zestien referentieslots en een native uitvoer van 16 megapixel, uitgebracht onder een open licentie, een vLLM-Omni-pijplijn die de DiT en tekstencoder van het H3-videomodel hergebruikt, een officieel H200-recept met acht gemeten layouts, nog vier hardwarerecepten in verschillende stadia van kwalificatie, een diffusers-pad en een ComfyUI-integratie. De API dwingt de sampler af: een verzoek met num_inference_steps anders dan zes, of guidance_scale anders dan één, of een negatieve prompt, komt terug als een HTTP 400.
Voor teams die het willen evalueren in plaats van zich eraan vast te leggen, is de praktische opzet een deployment met offloading op één GPU van 14,7 GiB — traag, maar klein genoeg om naast al het andere op de kaart te passen — en pas een overstap naar de sequence-parallelle opzet met vier GPU's zodra de uitvoerkwaliteit de node rechtvaardigt. Het model is ook bereikbaar via de eigen API van MiniMax tegen tarieven per token, en verschillende platforms van derden bieden het aan; het staat niet in de catalogus van OrcaRouter.
Wat OrcaRouter wél levert, is het videomodel waarop deze image-checkpoint is gebaseerd: minimax/minimax-h3 is vandaag routeerbaar tegen de lijstprijs van de provider, zonder dat er een markup bovenop wordt doorberekend, wat uitmaakt als de reden dat je in MiniMax-H3-Image geïnteresseerd bent, is dat je al video genereert binnen dezelfde familie en liever één sleutel dan twee contracten hebt. De automatische failover van dezelfde routeringslaag is ook de minst dramatische manier om een ongemeten model in productie te testen — stuur een deel van het verkeer erheen, houd een gemeten fallback erachter en laat de routering beslissen op basis van fouten in plaats van op een leaderboardpositie die nog steeds een band van tien rangen is.
Wat zou het beslechten?
Drie dingen, in de volgorde van hoeveel ze het beeld zouden veranderen. Een smaller interval op het bewerkingsbord — het model staat op 1.138 in een band van acht tot zeventien bij ongeveer 3.200 samples, en meer stemmen zouden daar een echte rang van maken in plaats van een bereik. Een samengevoegd Rubin-recept voor het beeldmodel — niet dat voor video — zou de hardwareclaim waar maken op de enige plek die telt, namelijk de receptindex. En een tweede, onafhankelijke meting van de latentie bij 16 megapixel zou het mogelijk maken de kop van 0,87 seconde opnieuw te formuleren als wat hij is: vier megapixel op vier H200's, bij ongeveer negen tienden van een seconde, met de echte 4K-plaat op vier keer dat aantal.
Tot dan is de verdedigbare samenvatting beperkter dan het bericht en nuttiger: het model is snel op de formaten die de meeste mensen daadwerkelijk genereren, de 16-megapixelmodus is een bewerking van vier seconden op een node met vier GPU's in plaats van een bewerking van minder dan een seconde, de ondersteuning voor frameworks is echt voor de hardware waar merge commits achter staan, en de positie op de ranglijst is oprecht maar begrensd — eerste onder open gewichten, twaalfde in totaal, ergens tussen de achtste en zeventiende plaats, en ongeveer zeventig Elo achter het model waarvan het bericht suggereerde dat het dat had verslagen.
