MiniMax-H3-Image vs FLUX 3: Współrzędne czy piksele — dwie różne koncepcje kontroli

Postaw te dwa modele przed tym samym briefem, a zawiodą w przeciwnych kierunkach. MiniMax-H3-Image daje ci szesnaście megapikseli, szesnaście obrazów referencyjnych i sześciokrokowy sampler, ale nie daje żadnego sposobu określenia, gdzie co ma trafić, poza prozą. FLUX 3 w swoim poziomie obrazowym daje ci pole ograniczające dla każdego elementu na siatce 0–1000 zapisane jako [y_min, x_min, y_max, x_max], pozwala edytować jedno pole naraz bez ruszania reszty kadru i zaczyna swoją drabinkę rozdzielczości od 768 pikseli. Jeden model sprzedaje pojemność; drugi sprzedaje kierunek. Jeśli twoim problemem jest zdjęcie produktowe, które musi przetrwać przycięcie do billboardu, MiniMax-H3-Image jest jedynym z tych dwóch, który może wygenerować plik. Jeśli twoim problemem jest to, że logo klienta ma być w lewym górnym rogu przy dokładnie 12% szerokości kadru, FLUX 3 jest jedynym, który przyjmie tę instrukcję.

Both are recent, and neither is a launch in this article. FLUX 3 was announced by Black Forest Labs on 23 July 2026 as a unified video, image, audio and action model; the image tier that this comparison is about went live with a published rate card on 1 October 2026. MiniMax-H3-Image's weights landed on Hugging Face on 10 November 2026 at 14:50 UTC, with a one-line card in M​iniMax's API release notes and no blog post anywhere on the company's site. So this is a comparison between a model that has had six weeks of paying traffic and one that had its first full day in public yesterday. That asymmetry runs through everything below, and it is the reason the honest answer at the end is conditional rather than a winner.

Co każde z nich pozwala określić

Powierzchnia sterowania FLUX 3 jest przestrzenna i to najbardziej „zdecydowana” rzecz w całym modelu. Płótno zawsze stanowi znormalizowaną siatkę 0–1000 na obu osiach, więc prompt układu jest niezależny od rozdzielczości: opisujesz globalną scenę w podpisie, a następnie wymieniasz elementy z identyfikatorem, ramką i opisem oraz przywołujesz te identyfikatory w podpisie. Model planuje rozmieszczenie — BFL dokumentuje tryb agenta, w którym LLM tworzy układ — a potem każda ramka pozostaje edytowalna. Możesz opisać ramkę na nowo, zastąpić ją lub przesunąć, a regiony, których nie dotknąłeś, pozostają nienaruszone. Referencje to numerowane tokeny, ref_image_0 i kolejne, maksymalnie dziesięć, i są one składane w jedną scenę, a nie układane jako kandydaci.

Powierzchnia sterowania MiniMax-H3-Image ma charakter pozycyjny i tekstowy. Tekst promptu wprowadza się jako do 32 000 znaków, z których efektywnie działa mniej więcej pierwsze 4 096 tokenów. Obrazy referencyjne wprowadza się jako maksymalnie szesnaście obrazów adresowanych kolejnością wysyłania — <Picture 1>, <Picture 2> — bez żadnego wpisywania: nic w API nie informuje modelu, które odniesienie to postać, które to produkt, a które tło. Cała edycja jest wyrażona językiem. Nie ma drugiego przebiegu, zamaskowanego obszaru ani układu współrzędnych.

Ta różnica nie oznacza luki w funkcjach w jedną stronę. Szesnaście nieokreślonych slotów daje więcej możliwości niż dziesięć numerowanych referencji, a opis, który określa relację — „kobieta z obrazka 3, w kurtce z obrazka 7, w pomieszczeniu z obrazka 1” — niesie informacje, których nie przekaże ramka ograniczająca. Ale ramka ograniczająca niesie precyzję, której nie przekaże opis, a MiniMax-H3-Image nie ma odpowiednika.

Liczby, wymiar po wymiarze

• Maksymalna rozdzielczość wyjściowa — FLUX 3 Image: 4K, publikowana jako 5456×3072, około 16,8 MP. MiniMax-H3-Image: około 16 MP przy każdym współczynniku proporcji, od 4096×4096 przy 1:1 do 6272×2688 przy 21:9, ograniczona przez API do 20 MP.

• Dolna granica rozdzielczości wyjściowej — FLUX 3 Image: 768×768. MiniMax-H3-Image: karta podaje około 4 MP jako praktyczne minimum, bez żadnego poziomu dla małych obrazów.

• Cena przy 1K — FLUX 3 Image: $0.048. MiniMax-H3-Image: $0.02179.

• Cena przy 2K — FLUX 3 Image: 0,10 USD. MiniMax-H3-Image: 0,02333 USD.

• Cena w 4K — FLUX 3 Image: 0,607 USD. MiniMax-H3-Image: 0,06879 USD według cennika, 0,03439 USD w ramach zniżki, która wygasa 17 listopada 2026 r. o 16:00 UTC.

• Referencje — FLUX 3 Image: do 10, numerowane, bezpłatnie. MiniMax-H3-Image: do 16, pozycyjne, rozliczane jako tokeny obrazu wejściowego po 1,50 USD za milion.

• Edycja — FLUX 3 Image: ograniczona do prostokąta, wiele prostokątów na żądanie, nietknięte obszary zachowane. MiniMax-H3-Image: cały obraz, opisywany w prompcie, do 16 referencji w jednym wywołaniu.

• Wagi — FLUX 3 Image: nieudostępnione; komercyjne licencjonowanie wag jest sprzedawane firmom na dużą skalę przez sprzedaż BFL, a szkielet FLUX 3 Dev wciąż ma status „wkrótce”. MiniMax-H3-Image: do pobrania już dziś, 68,65 GB plus 66,7 GB enkodera zapożyczonego z MiniMax-H3.

• Próbkowanie — MiniMax-H3-Image: na stałe sześć kroków, brak classifier-free guidance, inne wartości są odrzucane z kodem HTTP 400. FLUX 3 Image: brak podanej liczby kroków lub kontroli guidance; warstwa obrazowa jest dostępna wyłącznie przez API.

• Niezależna ocena — FLUX 3 Image: Elo 1116 w rankingu text-to-image Artificial Analysis, 16. miejsce na 108, na podstawie ponad 6457 próbek; Elo 1119 w rankingu edycyjnym, 17. miejsce, na podstawie ponad 5256 próbek. MiniMax-H3-Image: brak wpisu w obu rankingach i brak tabeli ocen producenta.

Różnica w cenie jest większa niż różnica w rozdzielczości i wskazuje w przeciwnym kierunku.

Przy 1K MiniMax-H3-Image kosztuje 0,02179 USD, a FLUX 3 Image 0,048 USD — nieco ponad połowę. Przy 2K proporcja zwiększa się do około czterech do jednego. Przy 4K wynosi prawie dziewięć do jednego: 0,607 USD wobec 0,06879 USD, czyli dwanaście do jednego wobec obniżonej ceny 0,03439 USD. Ta krzywa to najważniejszy pojedynczy fakt w tym porównaniu i warto zrozumieć, dlaczego ma taki kształt, zamiast zakładać, że któryś z dostawców windowuje ceny.

FLUX 3 Image's ladder — $0.041, $0.048, $0.07, $0.10, $0.607 — is close to proportional to pixels up to 2K and then jumps hard at 4K. M​iniMax's ladder is nearly flat: $0.02179, $0.02333, $0.06879. Sixteen times the pixels for a little over three times the money. M​iniMax meters tokens and the token count does not scale with area the way a naive model would predict; BFL appears to price the 4K tier as a premium product. Whatever the reasoning on either side, the practical consequence is that at the resolution both models were built for, the open-weight one is nearly an order of magnitude cheaper.

That is also where the comparison stops being symmetrical. If you only ever generate 1K images, the price difference is two and a half cents and FLUX 3's layout control is probably worth more than the saving. The 4K tier is the only tier where the arithmetic changes a decision, and it is exactly the tier where M​iniMax's discount is temporary.

Co można zyskać dzięki sześciu tygodniom ruchu, a czego nie da jeden dzień

FLUX 3 Image został oceniony. Artificial Analysis umieszcza go na 16. miejscu w kategorii text-to-image z Elo 1116 na podstawie 6457 próbek i na 17. miejscu w edycji z Elo 1119 na podstawie 5256 — w środku tabeli, powyżej FLUX.2 [max] i poniżej większości obecnych modeli z rodziny Nano Banana i MAI, przy podanej cenie 48 USD za tysiąc obrazów. Możesz zestawić to z wynikiem konkurenta i podjąć decyzję. Możesz też obserwować, jak zmienia się wraz z napływem kolejnych próbek — co spotkało kilka modeli powyżej niego.

MiniMax-H3-Image nie ma nic porównywalnego. To nie jest niska ocena — to brak oceny. Karta dostawcy głosi, że model „najlepiej przestrzega instrukcji wśród modeli open-source”, nie podając tabeli, a siatka prezentacyjna na stronie modelu jest jedynym istniejącym dowodem na wyniki. Jeden dzień publicznej dostępności to za mało czasu, by ślepa arena zgromadziła próbki dla modelu, którego jedna generacja zajmuje dziesięć sekund, więc brak ten jest oczekiwany, a nie podejrzany. To nadal brak, a to oznacza, że argument za jakością MiniMax-H3-Image jest obecnie argumentem z architektury i z ceny.

Argument dotyczący architektury nie jest bezpodstawny. Gęsty transformer dyfuzyjny o 33,1 mld parametrów, destylowany do sześciu kroków bez prowadzenia, to świadoma decyzja dotycząca kosztu obsługi, a sześć kroków sprawia, że generowanie 16 MP jest pojedynczym żądaniem, a nie zadaniem wsadowym. Samo ujęcie na karcie — 16 MP „przy praktycznym koszcie obliczeniowym” — jest twierdzeniem o FLOPs i jest spójne ze wszystkim w repozytorium. Po prostu nie jest to twierdzenie o jakości, a te dwie rzeczy są mylone w każdym wpisie o premierze.

Gdzie każdy z nich zawodzi na produkcji

Ograniczeniem FLUX 3 jest jego najmniejsza rozdzielczość wyjściowa. Dolna granica 768 pikseli i górna 4K sprawiają, że model czuje się komfortowo w zakresie, w którym powstaje większość prac komercyjnych, ale nie da ci materiału o szerokości 6000 pikseli. Jest też zamknięty: nie możesz go pobrać, nie możesz przypiąć konkretnego checkpointu, a strona licencyjna BFL sprzedaje self-hosting firmom na dużą skalę, a nie osobom indywidualnym. Jeśli BFL zmieni stawkę albo wycofa taryfę, twój pipeline zmieni się razem z nim. Sześć tygodni ruchu to dorobek, a nie gwarancja.

MiniMax-H3-Image's limit is the licence, and it is stricter than “open weight” suggests. The MiniMax-H3-Image Community License Agreement excludes the European Union, the United Kingdom, the Republic of Korea and the United States by definition; requires separate written authorisation above one million US dollars of annualised revenue; requires the same for any hosted service with no revenue floor; requires the model's name displayed prominently on commercial interfaces; and forbids using outputs to train other models. If you are in one of those territories and building a product, the open weights are not available to you on these terms, and the hosted API — which M​iniMax sells — is the path that remains.

Istnieje trzecie ograniczenie wspólne dla obu modeli, o którym nie wspomina żaden wpis premierowy: pętla ewaluacji. Żaden z modeli nie daje sposobu, by stwierdzić, czy dany prompt zadziała, inaczej niż przez jego wygenerowanie. Boksy FLUX 3 zawężają przestrzeń możliwych błędów do rozmieszczenia, które można sprawdzić w kodzie. Błędy MiniMax-H3-Image mają charakter semantyczny, co oznacza, że człowiek musi na nie spojrzeć. W przypadku potoku generującego tysiące obrazów dziennie ta różnica w koszcie weryfikacji może przewyższyć różnicę w koszcie generowania.

Do kogo zadzwonić?

Jeśli efekt ma być duży — plansza do druku, tło, które zostanie przycięte do trzech proporcji, kluczowe ujęcie 4K, które musi zachować szczegóły przy 100% — MiniMax-H3-Image to jedyna strona tego zestawienia, która tworzy plik, a przy $0,06879 za klatkę jest też zdecydowanie tańsza. Wybierz ją, planuj budżet według ceny katalogowej, a nie kwoty po rabacie, i przeczytaj licencję, zanim zbudujesz na niej produkt.

Jeśli rezultat ma charakter kompozycyjny — układ, który musi być dokładny, edycja, która musi pozostawić wszystko inne bez zmian, system marki, w którym rozmieszczenie jest sednem — FLUX 3 jest jedyną opcją z kontrolą, a przy tym jest oceniany, co oznacza, że można przewidzieć, co się kupuje. Dwa i pół centa więcej przy 1K nie jest tam decydującą liczbą.

Jeśli potrzebujesz obu, podejściem, które faktycznie działa, jest podzielenie zadania zamiast opowiadania się po jednej stronie: komponuj i edytuj w rozdzielczości obsługiwanej przez FLUX 3, a następnie powiększ lub wygeneruj ponownie zatwierdzoną klatkę w 16 MP. To dwa wywołania i dwa rachunki zamiast jednego, a mimo to wciąż taniej niż odkrycie po stu generacjach, że twój model nie potrafi utrzymać logo w rogu.

Neither model is on OrcaRouter's catalogue today — FLUX 3 Image is a direct Black Forest Labs call, and MiniMax-H3-Image is M​iniMax's own API or your own GPUs — so nothing here is a routing recommendation. What we do carry is the video half of M​iniMax's H3 family, minimax/minimax-h3, alongside the image routes we do host, under one key with 0% markup on provider list price. The reason that matters in a comparison like this one is failover: when a 16 MP request takes longer than your client's timeout, a second route under the same interface is worth more than a better per-image price. Long, billed-on-timeout generations are precisely the workload where a fallback earns its keep, and M​iniMax charges for a timeout rather than refunding it.

Pytanie, które to rozstrzygnie

Tym, czego brakuje w tym porównaniu, nie jest specyfikacja. Jest nią liczba próbek. Kiedy MiniMax-H3-Image pojawi się na arenie obrazów z kilkoma tysiącami głosów w ciemno, różnica cen przestaje być głównym argumentem i staje się wymianą: pewna ilość zmierzonej jakości za pewną ilość pieniędzy. Do tego czasu FLUX 3 jest modelem, o którym można rozumować, a MiniMax-H3-Image to model, który trzeba przetestować, a koszt jego przetestowania jest wystarczająco niski — kilka dolarów i popołudnie — że każdy, kto ma dostarczyć materiał w 4K, powinien po prostu przeprowadzić test, zamiast czekać na czyjś.