MiniMax-H3-Image vs MAI-Image 2.7 Preview: de één is een bestand, de ander een preview

Geef je MAI-Image 2.7 Preview een tekstprompt, dan komt er niets terug, omdat het niet vanuit tekst genereert. Het bewerkt. Die ene zin verklaart het grootste deel van het verschil tussen dit model en MiniMax-H3-Image, en dat is precies het punt waarop elke vergelijking van de twee naast elkaar de plank misslaat, want de twee modellen lossen niet hetzelfde probleem op: het ene is een uniforme checkpoint voor tekst-naar-afbeelding en referentiebewerking met downloadbare gewichten, het andere is de preview van Microsoft AI die alleen kan bewerken, bereikbaar via een playground en een leaderboard en niet veel meer.

Beide zijn recent. M​iniMax heeft de gewichten van MiniMax-H3-Image op 10 november 2026 om 14:50 UTC gepubliceerd; de preview van Microsoft circuleert sinds eind oktober en het onafhankelijke board waarop hij staat, laat zien dat hij in beweging is. Wat volgt is geen lijst met functies — het is een poging om de enige vraag te beantwoorden die ertoe doet als je moet kiezen: welke van deze kun je daadwerkelijk in een pipeline zetten, tegen welke kosten, en wat lever je in door daarvoor te kiezen.

Het eerste verschil is een capaciteit, niet een benchmark.

MiniMax-H3-Image doet twee taken vanuit één checkpoint. Het genereert een afbeelding op basis van een prompt, en het bewerkt een of meer referentieafbeeldingen die positioneel worden doorgegeven als <Picture 1> tot en met <Picture 16>. Dezelfde gewichten dienen beide; er is geen apart bewerkingsendpoint om te configureren en geen tweede model om voor te betalen.

MAI-Image 2.7 Preview vervult de tweede taak. Het is een bewerkingsmodel: je geeft het een afbeelding en een instructie, en het retourneert een herziene afbeelding. Er is geen tekst-naar-afbeelding-modus om in te schakelen. Voor een team wiens workflow is "een productfoto genereren en die vervolgens itereren", betekent dat dat het model van Microsoft de helft van de iteratie kan dekken en het eerste frame niet, dus het is nooit een directe vervanging voor MiniMax-H3-Image. Het is op zijn best een tweede model in een keten.

Die asymmetrie is het waard om duidelijk te benoemen, omdat ze verandert wat een vergelijking zelfs maar kan betekenen. Je kunt ze vergelijken op de kwaliteit van bewerken. Je kunt ze niet vergelijken op genereren, omdat een van beide dat niet doet.

De een overhandigt je gewichten, de ander een preview-badge.

MiniMax-H3-Image wordt geleverd onder de MiniMax-H3-Image Community License Agreement, die niet Apache 2.0 is en die het verdient om vóór commerciële inzet door een advocaat te worden gelezen, maar het is een downloadbaar artefact: 68,65 GB aan diffusietransformator, VAE en configuratie, plus een tekstencoder van 66,7 GB die is overgenomen uit de MiniMax-H3-videorepository. Je kunt het op je eigen hardware draaien via SGLang, vLLM-Omni, diffusers of ComfyUI, en het team van vLLM leverde op de releasedag vanaf dag één ondersteuning voor zowel NVIDIA als AMD. Je kunt het ook aanroepen via de eigen API van MiniMax, met als modelidentificatie MiniMax-H3-Image en een Highspeed-tier hanteert dezelfde limieten bij een hogere outputsnelheid.

MAI-Image 2.7 Preview is gesloten in de gebruikelijke zin: geen gewichten, geen licentie om te lezen, geen modelkaart met een aantal parameters of een architectuur. Microsoft heeft geen prijs per afbeelding gepubliceerd, geen maximale resolutie, geen maximum aantal referentieafbeeldingen, geen maskerinterface en geen Foundry-vermelding met een endpoint dat een ontwikkelaar vandaag zou kunnen aanroepen. Wat bestaat, is de MAI Playground, een verschijning op Arena en een vermelding op Artificial Analysis. Dat is genoeg om een mening over het model te vormen, maar niet genoeg om er een budget op te baseren.

Dit is het verschil dat de meeste echte beslissingen bepaalt. Een open-weightmodel zonder benchmarkscore is een technisch risico dat je kunt wegnemen door het te draaien. Een gesloten model zonder prijs is een doodlopende weg voor de inkoop, hoe goed de voorbeelden er ook uitzien.

Wat de onafhankelijke raad werkelijk zegt

Op 11 november 2026 staat MAI-Image 2.7 Preview vierde op de AA-Image-Editing v2.1-ranglijst van Artificial Analysis met een Elo van 1123, achter GPT Image 2.6 Sunburst met 1209, GPT Image 2.6 Flare met 1206 en GPT Image 2.5 Sunburst met 1126. Het aantal samples bedraagt 5.280, een echt aantal samples en geen plaatsvervanger. Toen Microsoft de preview op 27 oktober 2026 aankondigde, beschreef het bedrijf het model als tweede op die ranglijst met 1.193 Elo, zes punten achter GPT Image 2.5 Sunburst. Sindsdien heeft de ranglijst zich gevuld met nieuwere OpenAI-inzendingen en staat het nu vierde met 1123 — wat er nu eenmaal gebeurt met een rangschikking in een snelle maand, en een reden om elke Elo te lezen met de datum van vastlegging erbij in plaats van als een permanent feit. De eigen weergave van de leverancier van de deelscores (op redenering gebaseerde bewerkingen en scène- en stijlbewerkingen die van de zevende naar de eerste plaats gaan, tekst- en symboolbewerkingen van de zesde naar de eerste plaats, een voorsprong van 24 Elo bij scène en stijl) blijft een leverancierskarakterisering van gegevens van derden: een betere categorie bewering dan een eigen benchmark, en nog steeds geen meting die je kunt reproduceren.

MiniMax-H3-Image staat niet op dat bord, en ook niet op AA-Image-T2I v2.1. Niet laag — helemaal niet. Het is uitgebracht op 10 november, het verzamelen van samples voor een pairwise-preference-bord kost tijd, en er is geen getal om te citeren. Iedereen die je vertelt dat het ene model het andere verslaat op een onafhankelijke score, vergelijkt een gerangschikt model met een ongerangschikt model, en dat is geen vergelijking.

Dus de eerlijke scorepositie is: MAI-Image 2.7 Preview staat op de vierde plaats wat bewerkingsscore betreft op een ranglijst waarvan de top wemelt van de O​penAI-modellen, en MiniMax-H3-Image heeft helemaal geen score. Dat is geen argument dat het model van M​iniMax beter of slechter is. Het is een argument dat de enigen die weten hoe goed het is, degenen zijn die het hebben gedraaid.

Dimensie voor dimensie

• Wat het doet — MiniMax-H3-Image: tekst-naar-afbeelding en referentiebewerking in één checkpoint. MAI-Image 2.7 Preview: alleen bewerken; geen tekst-naar-afbeeldingmodus.

• Uitvoergrootte — MiniMax-H3-Image: ongeveer zestien megapixels bij elke beeldverhouding, van 4096×4096 bij 1:1 tot 6272×2688 bij 21:9, met een API-maximum van 20 MP. MAI-Image 2.7 Preview: niet gepubliceerd; de voorganger kwam niet boven ongeveer 2,36 megapixels uit.

• Referenties — MiniMax-H3-Image: tot 16, aangeduid op basis van hun positie in de uploadvolgorde. MAI-Image 2.7 Preview: geen gedocumenteerd maximum.

• Gewichten — MiniMax-H3-Image: 68,65 GB plus een tekstencoder van 66,7 GB, onder een communitylicentie die niet Apache 2.0 is. MAI-Image 2.7 Preview: geen, en geen signaal dat er een komen.

• Prijs — MiniMax-H3-Image: $0,02179 voor een 1K-afbeelding, $0,02333 voor 2K, $0,06879 als lijstprijs voor 4K en $0,03439 met 50% korting die eindigt op 17 november 2026 om 16:00 UTC. MAI-Image 2.7 Preview: helemaal geen gepubliceerde prijs.

• Onafhankelijke score voor beeldbewerking — MAI-Image 2.7 Preview: 1123 Elo, vierde op AA-Image-Editing v2.1. MiniMax-H3-Image: geen rij op een van beide ranglijsten per 11 november 2026.

• Sampling — MiniMax-H3-Image: vastgezet op zes stappen, geen classifier-free guidance, geen negatieve prompts; elk ander aantal stappen wordt geweigerd met HTTP 400. MAI-Image 2.7 Preview: niet bekendgemaakt.

• Waar je het kunt aanroepen — MiniMax-H3-Image: M​iniMax' eigen API plus self-hosting via vier gedocumenteerde frameworks. MAI-Image 2.7 Preview: de MAI Playground, en waar Microsoft het hierna ook aanbiedt.

Een bewerking, geprijsd aan de zijde die een prijs heeft

MiniMax-H3-Image factureert input- en outputtokens in plaats van afbeeldingen, en de uitgewerkte voorbeelden op de kaart zijn de leesbare versie: een bewerking van 1.024×1.024 met één 1K-referentie komt uit op $0,02654, omdat je bovenop de output $1,50 per miljoen input-afbeeldingstokens betaalt. Een 2K-generatie kost $0,02333 en een 4K-generatie $0,06879 volgens de lijstprijs. Verwerk je duizend 2K-bewerkingen in batch, elk met één referentie, dan kom je uit op ongeveer $26 tot $30, afhankelijk van hoeveel het kost om de referentie te encoderen — een getal dat je vandaag in een spreadsheet kunt zetten.

Je kunt die rekensom niet maken voor MAI-Image 2.7 Preview, en dit is het punt waarop de ontbrekende prijs ophoudt een documentatiehlaat te zijn en een planningsprobleem wordt. Een preview zonder gepubliceerd tarief kun je niet budgetteren, niet vergelijken en er geen toezegging op doen, ongeacht waar die op een ranglijst staat. Als het model van Microsoft echt beter is in bewerken — en een vierde plaats met 1123 Elo is een respectabele plek — dan zijn de kosten om daarachter te komen geen prijs per afbeelding, maar een week integratie tegen een interface die mogelijk verandert voordat het model uitkomt.

OrcaRouter routeert geen van beide modellen, en dit artikel gaat niet doen alsof dat anders is. Wat we wél routen is beeldgeneratie die je met dezelfde sleutel kunt aanroepen als al het andere — gpt-image-2.5-sunburst, gpt-image-2, de G​emini-afbeeldingspreviews, Imagen 4 in drie niveaus, G​rok Imagine Image — tegen de lijstprijs van de provider met 0% markup doorgegeven, dus wanneer een leverancier een tarief wijzigt, wijzigt je factuur dezelfde dag. Voor een team dat een prototype bouwt voor een afbeeldfunctie terwijl het wacht tot de bewerkingskwaliteit van M​iniMax is gemeten of de preview van Microsoft een prijskaartje krijgt, is dat een manier om de pipeline draaiende te houden zonder een tweede contract. Het vervangt geen van beide modellen, en dat verschil is belangrijk.

Zestien referenties tegenover een ongedocumenteerd plafond

De meest onderschatte regel in de specs van MiniMax-H3-Image is het aantal referenties. Zestien afbeeldingen, positioneel geadresseerd, zijn genoeg om een bewerking in één aanroep te conditioneren op een personageblad, een product, drie hoeken van een ruimte, een kleurreferentie en een stijlboard. Zeer weinig beeldmodellen documenteren die capaciteit, en vrijwel geen van de gesloten modellen documenteert die überhaupt — MAI-Image 2.7 Preview doet dat niet, dus een workflow die van veel referenties afhankelijk is, moet empirisch worden gevalideerd voordat je er een ontwerp omheen kunt maken.

Eén voorbehoud bij dat aantal, want dat gaat iemand nog opbreken: de modelkaart vermeldt 16 referenties, terwijl het release-recept van vLLM-Omni voor dezelfde gewichten maximaal 9 afbeeldingen per verzoek documenteert. Beide cijfers kunnen tegelijkertijd kloppen — de batchinglimiet van een serving-stack en de getrainde capaciteit van een model zijn verschillende dingen — maar als je workflow twaalf referenties nodig heeft, is de eerlijke positie dat je het op je eigen servingpad moet testen in plaats van een van beide documenten te vertrouwen.

Wat te doen met dit, deze week

Als je generatie op hoge resolutie nodig hebt met de mogelijkheid tot zelf hosten, gaat de keuze niet echt tussen deze twee modellen; MAI-Image 2.7 Preview doet daar niet aan mee. Neem MiniMax-H3-Image, met een prijs van $0.02333 voor 2K en $0.06879 voor 4K, beslis vóór 17 november of de 4K-korting je plan verandert, en lees de licentie vóór de download, niet erna.

Als je de beste beschikbare bewerking nodig hebt en bereid bent binnen een preview te werken, dan is de vierde plaats van MAI-Image 2.7 Preview op een onafhankelijke bewerkingsranglijst een echt signaal, en het ontbreken van een prijs is een echte hinderpaal. Vraag Microsoft om Foundry-toegang en een tariefkaart. Zolang een van die twee niet bestaat, is een bewerkingspijplijn die erop is gebouwd een prototype, geen product.

Waar je op moet letten is niet de volgende leaderboard-verversing. Het is of MAI-Image 2.7 Preview een prijs en een endpoint krijgt, want daardoor verandert dit van een vergelijking van een open model met een gesloten demo in een echte keuze tussen twee koopbare dingen. En of MiniMax-H3-Image een score krijgt, want op dit moment is het model met gewichten het enige van de twee waarvan je de kwaliteit zelf kunt meten — wat, voor iedereen die door een preview is teleurgesteld, wel eens de waardevolste van de twee onbekenden zou kunnen zijn.