MiniMax-H3-Image vs Nano Banana 2: vrije gewichten, gesloten grenzen

Het verrassende aan MiniMax-H3-Image is niet zijn score. Het is de kaart in de licentie. De checkpoint verscheen op 10 november 2026 op Hugging Face — een repository van 68,65 GB, waarvan 66,28 GB de diffusietransformer is, plus een tekstencoder van 66,7 GB die hij leent van het H3-videomodel — en het bestand dat erop van toepassing is, de MiniMax-H3-Image Community License Agreement, verleent rechten "wereldwijd, met uitzondering van de Uitgesloten Gebieden," die het vervolgens definieert als de Europese Unie, het Verenigd Koninkrijk, de Republiek Korea en de Verenigde Staten van Amerika. Nano Banana 2, Googles gemini-3.1-flash-image, is sinds 28 mei 2026 algemeen beschikbaar en vraagt niets van je behalve een creditcard. De eerlijke formulering van deze vergelijking is dus niet open versus gesloten. Het is een model dat je kunt downloaden maar niet legaal mag inzetten waar je woont, tegenover een model dat je nooit kunt downloaden maar overal vandaan kunt aanroepen. Al het andere — de zestien megapixels, de prijsladder, de posities op de ranglijst — is daaraan ondergeschikt, en de rest van dit stuk laat zien wat er verandert zodra je dat accepteert.

Wat de licentie daadwerkelijk toestaat

Gelezen op 14 november 2026: sectie IV van de MiniMax-licentie is kort en ongewoon specifiek. Twee dingen activeren de verplichting om voorafgaande schriftelijke toestemming te verkrijgen via de licentieconsole van MiniMax: een geannualiseerde omzet van meer dan US$ 1 miljoen voor u of uw gelieerde ondernemingen, of het aanbieden van een gehoste dienst aan derden. Aan geen van beide triggers zijn royalty's verbonden. Voor beide moet u toestemming aanvragen. Sectie IV legt ook een naamsvermeldingsplicht op — elk commercieel product dat het model gebruikt, moet 'MiniMax-H3-Image' duidelijk zichtbaar in de interface weergeven. Dat is een andere verplichting dan de gebruikelijke 'built with'-badge, omdat deze de modelnaam vermeldt, niet de bedrijfsnaam.

De territoriale clausule is de lastigere, en het is geen detail. De verlening zelf is beperkt tot het toepasselijke grondgebied, en de overeenkomst zegt ronduit dat gebruik daarbuiten "niet door deze Overeenkomst wordt gemachtigd". Dat is geen beperking op herdistributie; het is een beperking op het überhaupt draaien van de gewichten in de vier genoemde rechtsgebieden. MiniMax' eigen modelkaart verwijst iedereen in die regio's naar een apart licentietraject, waarbij "robuuste controles en guardrails" worden genoemd als onderdeel van wat een dergelijke regeling zou omvatten. Voor een studio in Berlijn, een startup in Seoul, of — belangrijker voor de meeste lezers van een Engelstalige modelblog — waar dan ook in de Verenigde Staten, is het praktische antwoord dat open gewichten een onderzoeksartefact zijn dat je kunt inspecteren, benchmarken en waarover je kunt schrijven, en geen productieafhankelijkheid.

Nano Banana 2 heeft geen equivalente puzzel. Het is een G​oogle Cloud-product: je roept het aan, je krijgt een afbeelding, je levert het op, en de voorwaarden zijn de standaard API-voorwaarden. Er is geen omzetdrempel, geen territoriale uitzondering, geen naamsvermeldingsclausule en geen onderhandeling over gehoste diensten. Wat je opgeeft voor die eenvoud is het bestand. Als G​oogle de prijs wijzigt, de identifier intrekt of storing heeft, heb je een migratieticket in plaats van een fallback.

Die symmetrie — het ene model geeft je het artefact met een onbruikbare licentie, het andere geeft je een bruikbare licentie zonder artefact — is de eigenlijke beslissing. De meeste vergelijkingspagina's slaan dat over, omdat het licentiebestand saai is en de benchmarktabel niet.

Waar de twee modellen elkaar kruisen op de dashboards

Artificial Analysis beoordeelt nu beide op beide van zijn image-arena's, wat niet het geval was toen MiniMax-H3-Image uitkwam. Afgelezen op 14 november 2026 beschrijven de cijfers een echte kruising in plaats van een kloof:

• Tekst naar afbeelding — Nano Banana 2 staat 11e van de 114 rijen op Elo 1.143 (95%-interval 1.133–1.153). MiniMax-H3-Image staat 25e op 1.066 (1.051–1.080). Dat is 77 Elo, en de intervallen komen niet eens in de buurt van elkaar.

• Beeldbewerking — MiniMax-H3-Image staat 13e van 84 met Elo 1.138 (1.122–1.154). Nano Banana 2 staat 17e met 1.126 (1.114–1.138). MiniMax ligt 12 Elo voor; de intervallen overlappen elkaar met een paar punten, dus beschouw dit als een kleine voorsprong in plaats van een afstraffing, maar het is wel de richting die de ranglijst laat zien.

• De Highspeed-variant — MiniMax-H3-Image Highspeed, die alleen bestaat op de eigen API van M​iniMax — wordt apart gerangschikt: 24e bij tekst naar afbeelding met 1.072 en 14e bij bewerken met 1.134. Hij kost per generatie op 4K ongeveer 1,7× zoveel als de standaardvariant en levert op geen van beide ranglijsten een betere score op. Wat hij oplevert, is latentie, die de ranglijsten niet meten.

De eigen samenvatting van de resultaten door Artificial Analysis, gepubliceerd op 13 november 2026, voegt de framing toe die MiniMax zou willen: op hun boards is MiniMax-H3-Image de hoogst gerangschikte rij met de open-weights-markering in beide categorieën. Die claim is van hen en hangt af van hun classificatie van welke rijen als open weights tellen — verschillende modellen boven H3-Image bij tekst-naar-afbeelding, waaronder de FLUX 3 Image-rij op 1.119, zijn niet duidelijk downloadbaar, dus de markering doet echt werk. Citeer het als een uitspraak van de leverancier van het leaderboard, niet als een feit dat je alleen uit de weights kunt verifiëren.

De vorm om vast te houden: het model van M​iniMax is beter in de bewerkingstaak en duidelijk slechter in de lege-paginataak. Dat past bij het ontwerp. Zestien referentieslots en een sampler die is afgestemd op referentie-intensief werk stuwen het bewerken; een gedistilleerde sampler met zes stappen zonder guidance is eerder een controleverhaal dan een getrouwheidsverhaal, en de tekst-naar-beeldkloof is wat dat kost.

De prijsladder, en een korting die nog drie dagen geldt

M​iniMax rekent af per token in plaats van per afbeelding, waardoor het getal in de kop misleidend is totdat je de uitgewerkte voorbeelden leest. Standaardniveau: $2,30 per miljoen tokens voor ingevoerde tekst, $1,50 per miljoen tokens voor ingevoerde afbeeldingen, $3,80 per miljoen tokens voor uitvoerafbeeldingen. Highspeed: hetzelfde tekstarief, $3,00 voor beeldinvoer, $7,60 voor uitvoer.

• Tekst naar afbeelding, standaard — $0.02179 bij 1K, $0.02333 bij 2K en $0.03439 bij 4K zolang de introductiekorting geldt, tegen een lijstprijs van $0.06879.

• Bewerken met één referentie — $0.02654 bij 1K, $0.02658 bij 2K, $0.03656 bij 4K (lijstprijs $0.07312).

• Bewerken met drie referenties — $0.03563 bij 1K, $0.04177 bij 2K, $0.03957 bij 4K (lijstprijs $0.07914).

• Hogesnelheid, tekst naar afbeelding — $0.03529 bij 1K, $0.03622 bij 2K, $0.06501 bij 4K (lijstprijs $0.13001).

De korting waardoor de 4K-kolom wordt gehalveerd, loopt tot 17 november 2026, 16:00 UTC, en geldt alleen voor geleverde afbeeldingen van minstens 16.600.000 pixels. Daarna verdubbelt het 4K-tarief ongeveer, terwijl elk lager niveau gelijk blijft — wat de vorm van de aanbeveling verandert, want de vlakke ladder is juist de reden om dit model überhaupt te gebruiken. Tegen listprijs kost een 4K MiniMax-afbeelding ongeveer hetzelfde als een 4K Nano Banana 2-afbeelding en onderbiedt die niet langer.

Aan Google-kant is het een overzichtelijke tabel per afbeelding: 1.120 tokens voor een 1K-afbeelding en 2.520 voor 4K, tegen $60 per miljoen outputtokens voor afbeeldingen. Dat komt neer op $0,045 bij 512px, $0,067 bij 1024×1024, $0,101 bij 2048×2048 en $0,151 bij 4096×4096, waarbij tekst en thinking afzonderlijk worden gefactureerd tegen $3 per miljoen outputtokens en inputs tegen $0,50 per miljoen. Voor dit model is geen batchniveau vermeld, anders dan bij de Lite-variant. Let op de asymmetrie in wat "op resolutie" betekent: een afbeelding van Nano Banana 2 op 4K is 4096×4096, en een afbeelding van MiniMax op 4K is ook 4096×4096, zodat de twee prijstrappen bovenaan direct vergelijkbaar zijn en onderaan uiteenlopen, waar Google een 512px-niveau verkoopt dat MiniMax niet heeft.

Tienduizend afbeeldingen per maand, elk met één referentie, 2K-uitvoer: ongeveer $266 op MiniMax standaard tegen het huidige tarief en ongeveer $1,010 op Nano Banana 2. Dat is de enige plek waar de cijfers niet dicht bij elkaar liggen, en het is ook de plek waar de licentie je het meest waarschijnlijk zal tegenhouden.

Wat de een kan doen wat de ander niet kan

De capaciteitenlijsten zijn minder symmetrisch dan de scores. Beide modellen genereren en bewerken via één enkel endpointpaar, beide accepteren referentieafbeeldingen en beide leveren bestanden van meerdere megapixels op. Daarbuiten lopen ze op vrijwel elke as uiteen:

• Referenties — MiniMax-H3-Image accepteert 1 tot 16 afbeeldingen, die in de prompt positioneel worden aangeduid als <Picture 1> tot en met <Picture 16> in uploadvolgorde. Nano Banana 2 accepteert er 14, maar splitst ze: tot 10 objectreferenties voor getrouwheid en tot 4 personagereferenties voor consistentie.

• Uitvoer — MiniMax claimt ongeveer 16 megapixels bij elke beeldverhouding, van 4096×4096 vierkant tot 6272×2688 ultrawide, met een API-plafond van 20 megapixels en geen upscaler in het proces. Nano Banana 2 komt niet verder dan 4096×4096, maar voegt de extreme vormen 1:4, 4:1, 1:8 en 8:1 toe, plus een 512px-niveau voor thumbnails.

• Grounding — Nano Banana 2 kan een generatie baseren op resultaten van Google Search of Image Search. MiniMax-H3-Image heeft helemaal geen retrieval; alles komt uit de prompt en de referenties.

• Herkomst — elke output van Nano Banana 2 bevat een SynthID-watermerk en C2PA-metadata. De MiniMax-repository en -licentie vermelden geen watermerkschema; dat is afhankelijk van je rechtsgebied een functie of een complianceprobleem, en in de EU is het dat laatste.

• Redeneerinstellingen — Nano Banana 2 biedt thinking op minimaal of hoog, standaard op minimaal, en thinking kan niet via de API worden uitgeschakeld; die tokens worden gefactureerd, of je ze nu leest of niet. MiniMax biedt helemaal geen redeneeroppervlak, alleen een vaste sampler.

• Sampler — M​iniMax is gedistilleerd tot zes stappen zonder classifier-free guidance. De API retourneert HTTP 400 als je een ander aantal stappen of een andere guidance-waarde doorgeeft, en hij weigert negatieve prompts. Je stemt alleen de prompt en de referenties af, en niets anders. Het model van G​oogle heeft de gebruikelijke parameterset.

Het sampler-punt werkt twee kanten op. Het maakt de output van MiniMax exact reproduceerbaar op je eigen hardware, wat een echte eigenschap is voor regressietests, en het haalt de standaard kwaliteitsknop weg waar een team dat gewend is aan het afstellen van CFG als eerste naar zou grijpen wanneer een bewerking verkeerd uitpakt.

Als je van plan was om zelf te hosten, lees dit eerst

De reden dat de meeste mensen open gewichten willen, is niet ideologie; het is de optie om te stoppen met betalen per afbeelding. Bij dit model is die optie duur op een manier die de downloadgrootte doet vermoeden en de aankondiging niet. De transformer is 66,28 GB in BF16, de VAE 2,34 GB, en de tekstencoder is een aparte pull van 66,7 GB — de volledige Qwen3-VL van MiniMax-H3, ongewijzigd, waarvan de DiT de verborgen toestanden van de 50e laag leest. Dat is ongeveer 135 GB aan gewichten voordat je één afbeelding hebt, en het model is een dichte transformer met 33,1 miljard parameters, geen mixture-of-experts met een goedkoop actief pad.

Daar staat tegenover dat Qwen-Image 2.1 — de andere open optie waar mensen naar vragen — bij download ongeveer een kwart van de omvang heeft. Als je van plan bent één workstation of één gehuurde GPU te gebruiken, is de rekensom over deze checkpoint het eerste wat je moet maken, niet het laatste. M​iniMax' eigen modelcard geeft geen latentiecijfer en geen hardwarerecept, dus er staat niets in het releasemateriaal waarmee je kunt bepalen of zes stappen bij zestien megapixels op je kaart passen.

Welke, gezien dat alles?

Als je je buiten de EU, het VK, Zuid-Korea en de Verenigde Staten bevindt en je volume op 4K nodig hebt met veel referenties, is MiniMax-H3-Image op dit moment het betere en goedkopere bewerkingsmodel, en de voorsprong van 12 Elo bij bewerken is klein genoeg dat je het op je eigen prompts zou moeten testen in plaats van op de ranglijst te vertrouwen. Bevind je je in die gebieden, dan heeft de licentie de beslissing al voor je genomen, en wordt de interessante vraag of M​iniMax er een licentie voor zal verlenen — wat een commerciële kwestie is, niet een technische.

Als je tekstweergave, zoekgronding, herkomstmarkering of een onbegrensd contract aan de kant van de aanroeper nodig hebt, wint Nano Banana 2 op mogelijkheden en verliest het op prijs, en zijn 77-Elo-voorsprong bij tekst-naar-afbeelding is het grootste afzonderlijke getal in deze vergelijking.

Geen van beide modellen staat op 14 november 2026 in de catalogus van OrcaRouter, en deze pagina zal niet doen alsof dat anders is. Wat het platform in de beeldlijn wel aanbiedt, zijn de OpenAI- en Google-beeldmodellen die vandaag daadwerkelijk aanroepbaar zijn, tegen de lijstprijs van de provider, met 0% markup doorberekend — wat betekent dat wanneer de 4K-korting van MiniMax op 17 november afloopt, of wanneer Google een tarief aanpast, het getal in onze catalogus dezelfde dag meebeweegt in plaats van bij de volgende contractverlenging. De andere reden waarom de routeringslaag hier van belang is, is failover: een model zonder onafhankelijk latentiecijfer en met een zes dagen oude leaderboard-vermelding is precies het soort afhankelijkheid dat je achter automatische failover wilt hebben in plaats van direct aan een productiepad te koppelen.

Wat dit eindoordeel zou veranderen, is een wijziging van de licentie. M​iniMax heeft eerder modellen uitgebracht, geprezen en daarna opnieuw gelicentieerd, en de gebiedsclausule leest als een nalevingsstandaard in plaats van een weloverwogen beperking. Als de lijst met uitgesloten gebieden korter wordt, wordt de redactionele kant van deze vergelijking een eenvoudige aanbeveling op basis van prijs en score. Tot die tijd is het open model open in de zin dat je het kunt lezen, en gesloten in de zin die bepaalt of je het kunt gebruiken.