MiniMax-H3-Image vs MAI-Image 2.7 Preview: jeden to plik, drugi to wersja zapoznawcza

Wpisz prompt tekstowy w MAI-Image 2.7 Preview i nic nie wraca, ponieważ nie generuje on na podstawie tekstu. On edytuje. To jedno zdanie wyjaśnia większość różnicy między nim a MiniMax-H3-Image i to jest ta część, którą każde porównanie obu modeli obok siebie przedstawia błędnie, ponieważ oba modele nie rozwiązują tego samego problemu: jeden to zunifikowany checkpoint do generowania obrazu z tekstu i edycji referencyjnej z wagami do pobrania, drugi to wyłącznie edycyjny preview Microsoft AI, dostępny przez playground i leaderboard i niewiele więcej.

Oba są niedawne. M​iniMax opublikował wagi MiniMax-H3-Image 10 listopada 2026 r. o 14:50 UTC; wersja zapoznawcza Microsoftu jest dostępna od końca października, a niezależna tablica wyników, na której się znajduje, pokazuje, że pnie się w górę. To, co następuje, nie jest listą funkcji — to próba odpowiedzi na jedyne pytanie, które ma znaczenie, jeśli wybierasz: który z nich możesz faktycznie wdrożyć w pipeline, jakim kosztem i co poświęcasz, wybierając go.

Pierwsza różnica to zdolność, a nie wynik benchmarku

MiniMax-H3-Image wykonuje dwa zadania z jednego checkpointu. Generuje obraz na podstawie promptu i edytuje jeden lub więcej obrazów referencyjnych przekazywanych pozycyjnie od <Obraz 1> do <Obraz 16>. Te same wagi obsługują oba zadania; nie ma osobnego punktu końcowego do edycji, który trzeba skonfigurować, ani drugiego modelu, za który trzeba płacić.

MAI-Image 2.7 Preview wykonuje drugie zadanie. To model edycyjny — podajesz mu obraz i instrukcję, a on zwraca poprawiony obraz. Nie ma trybu text-to-image do włączenia. Dla zespołu, którego proces pracy polega na „wygenerowaniu zdjęcia produktu, a następnie iterowaniu na nim”, oznacza to, że model Microsoftu może pokryć połowę iteracyjną i nie może pokryć pierwszej klatki, więc nigdy nie jest gotowym zamiennikiem MiniMax-H3-Image. W najlepszym razie jest drugim modelem w łańcuchu.

Ta asymetria zasługuje na wyraźne podkreślenie, ponieważ zmienia to, co porównanie może w ogóle oznaczać. Można je porównać pod względem jakości edycji. Nie można ich porównać pod względem generowania, ponieważ jedno z nich tego nie robi.

Jeden wręcza ci ciężary, drugi wręcza ci odznakę podglądu.

MiniMax-H3-Image jest dostarczany na podstawie MiniMax-H3-Image Community License Agreement, która nie jest licencją Apache 2.0 i zasługuje na przeczytanie przez prawnika przed wdrożeniem komercyjnym, ale jest artefaktem do pobrania: 68,65 GB transformatora dyfuzyjnego, VAE i konfiguracji oraz 66,7 GB enkodera tekstu zapożyczonego z repozytorium wideo MiniMax-H3. Możesz uruchomić go na własnym sprzęcie za pomocą SGLang, vLLM-Omni, diffusers lub ComfyUI, a zespół vLLM zapewnił wsparcie od pierwszego dnia zarówno dla NVIDIA, jak i AMD w dniu premiery. Możesz go również wywołać przez własne API MiniMax, gdzie identyfikatorem modelu jest MiniMax-H3-Image, a poziom Highspeed oferuje te same limity przy wyższym tempie wyjściowym.

MAI-Image 2.7 Preview jest zamknięty w zwykłym sensie: brak wag, brak licencji do wglądu, brak karty modelu z liczbą parametrów lub architekturą. Microsoft nie opublikował ceny za obraz, maksymalnej rozdzielczości, limitu obrazów referencyjnych, interfejsu masek ani wpisu w Foundry z punktem końcowym, który deweloper mógłby wywołać dziś. Istnieje MAI Playground, obecność na Arena i wpis w Artificial Analysis. To wystarcza, by wyrobić sobie opinię o modelu, ale nie wystarcza, by planować wokół niego budżet.

To jest różnica, która rozstrzyga większość rzeczywistych decyzji. Model z otwartymi wagami bez wyniku benchmarku to ryzyko inżynieryjne, które można wyeliminować, uruchamiając go. Zamknięty model bez ceny to ślepy zaułek w procedurze zakupowej, niezależnie od tego, jak dobre wydają się próbki.

Co tak naprawdę mówi niezależny zarząd

Na dzień 11 listopada 2026 r. MAI-Image 2.7 Preview zajmuje czwarte miejsce na tablicy AA-Image-Editing v2.1 Artificial Analysis z wynikiem 1123 Elo, za GPT Image 2.6 Sunburst (1209), GPT Image 2.6 Flare (1206) i GPT Image 2.5 Sunburst (1126). Liczba próbek wynosi 5 280 i jest to rzeczywista liczba próbek, a nie wartość zastępcza. Kiedy Microsoft ogłosił wersję zapoznawczą 27 października 2026 r., opisał model jako drugi na tej tablicy z wynikiem 1193 Elo, sześć punktów za GPT Image 2.5 Sunburst. Od tego czasu tablica zapełniła się nowszymi pozycjami OpenAI, a pozycja to teraz czwarte miejsce z 1123 — co jest normalne dla rankingu w szybko zmieniającym się miesiącu i jest powodem, by każdy wynik Elo czytać wraz z datą jego pozyskania, a nie jako trwały fakt. Własny opis podwyników przez dostawcę (edycje oparte na rozumowaniu oraz edycje scen i stylu przesuwające się z siódmego na pierwsze miejsce, edycje tekstu i symboli z szóstego na pierwsze, 24-punktowa przewaga Elo w scenach i stylu) pozostaje charakterystyką danych zewnętrznych sporządzoną przez dostawcę: to lepsza kategoria twierdzenia niż własny benchmark, ale wciąż nie jest to pomiar, który można odtworzyć.

MiniMax-H3-Image nie ma wiersza na tej tablicy ani nie ma go w AA-Image-T2I v2.1. Nie niskiego — żadnego. Został wydany 10 listopada, zbieranie próbek do tablicy preferencji parami wymaga czasu, a nie ma liczby, którą można by przytoczyć. Każdy, kto twierdzi, że jeden model bije drugi w niezależnym wyniku, porównuje model sklasyfikowany z niesklasyfikowanym, co nie jest porównaniem.

Uczciwe stanowisko w kwestii ocen jest więc takie: MAI-Image 2.7 Preview ma czwarty wynik w edycji na tabeli, w której czołówce roi się od modeli OpenAI, a MiniMax-H3-Image nie ma żadnego wyniku. To nie jest argument, że model MiniMax jest lepszy albo gorszy. To argument, że jedynymi osobami, które wiedzą, jak dobry jest, są ci, którzy go uruchomili.

Dimension by dimension

• Co robi — MiniMax-H3-Image: generowanie obrazów z tekstu i edycja na podstawie referencji w jednym checkpoincie. MAI-Image 2.7 Preview: tylko edycja; brak trybu generowania obrazów z tekstu.

• Rozmiar wyjściowy — MiniMax-H3-Image: około szesnastu megapikseli przy każdej proporcji, od 4096×4096 przy 1:1 do 6272×2688 przy 21:9, z limitem 20 MP w API. MAI-Image 2.7 Preview: nie opublikowano; jego poprzednik był ograniczony do około 2,36 megapiksela.

• Materiały referencyjne — MiniMax-H3-Image: do 16, wskazywane na podstawie pozycji w kolejności przesyłania. MAI-Image 2.7 Preview: brak udokumentowanego limitu.

• Wagi — MiniMax-H3-Image: 68,65 GB oraz 66,7 GB enkodera tekstu, na licencji społecznościowej innej niż Apache 2.0. MAI-Image 2.7 Preview: brak, podobnie jak brak sygnałów, że jakiekolwiek są w drodze.

• Cena — MiniMax-H3-Image: 0,02179 USD za obraz 1K, 0,02333 USD za 2K, 0,06879 USD za 4K według cennika i 0,03439 USD w ramach 50% zniżki kończącej się 17 listopada 2026 r. o 16:00 UTC. MAI-Image 2.7 Preview: brak jakiejkolwiek opublikowanej ceny.

• Niezależna ocena edycji — MAI-Image 2.7 Preview: 1123 Elo, czwarte miejsce w AA-Image-Editing v2.1. MiniMax-H3-Image: brak pozycji w żadnym z rankingów na dzień 11 listopada 2026 r.

• Próbkowanie — MiniMax-H3-Image: ustalone na sześć kroków, bez classifier-free guidance, bez promptów negatywnych; każda inna liczba kroków jest odrzucana z HTTP 400. MAI-Image 2.7 Preview: nie ujawniono.

• Gdzie można go wywołać — MiniMax-H3-Image: własne API MiniMax oraz self-hosting poprzez cztery udokumentowane frameworki. MAI-Image 2.7 Preview: MAI Playground i wszędzie tam, gdzie Microsoft umieści go w przyszłości.

Edycja, wyceniona po tej jednej stronie, która ma cenę

MiniMax-H3-Image rozlicza tokeny wejściowe i wyjściowe, a nie obrazy, a przykładowe obliczenia na karcie są czytelną wersją: edycja 1,024×1,024 z jednym odniesieniem 1K kosztuje $0.02654, ponieważ płacisz $1.50 za milion wejściowych tokenów obrazu dodatkowo do kosztu wyjścia. Generowanie 2K to $0.02333, a generowanie 4K to $0.06879 z cennika. Przetwórz wsadowo tysiąc edycji 2K, każda z jednym odniesieniem, a znajdziesz się w przedziale $26–$30, w zależności od kosztu zakodowania odniesienia — liczba, którą możesz dziś wpisać do arkusza kalkulacyjnego.

Nie da się wykonać tych obliczeń dla MAI-Image 2.7 Preview i właśnie w tym miejscu brakująca cena przestaje być luką w dokumentacji, a staje się problemem planistycznym. Wersji zapoznawczej bez opublikowanej stawki nie można ująć w budżecie, nie można jej porównać ani się do niej zobowiązać, niezależnie od tego, gdzie znajduje się w rankingu. Jeśli model Microsoftu jest rzeczywiście lepszy w edycji — a czwarte miejsce z wynikiem 1123 Elo to przyzwoita pozycja — kosztem przekonania się o tym nie jest opłata za obraz, lecz tydzień integracji z interfejsem, który może się zmienić przed premierą.

OrcaRouter nie routuje żadnego z tych modeli, a ten tekst nie zamierza udawać, że jest inaczej. To, co routujemy, to generowanie obrazów, które możesz wywołać za pomocą tego samego klucza co wszystko inne — gpt-image-2.5-sunburst, gpt-image-2, podglądy obrazów G​emini, Imagen 4 w trzech wariantach, G​rok Imagine Image — w cenie katalogowej dostawcy z 0% narzutu przekazywanego dalej, więc gdy dostawca zmieni stawkę, Twój rachunek zmienia się tego samego dnia. Dla zespołu prototypującego funkcję obrazów, który czeka, aż jakość edycji M​iniMax zostanie zmierzona albo podgląd Microsoftu doczeka się ceny, to sposób na utrzymanie pipeline'u w ruchu bez drugiej umowy. Nie zastępuje żadnego z tych modeli, a różnica ma znaczenie.

Szesnaście odniesień wobec nieudokumentowanego pułapu

Najbardziej niedocenianą pozycją w karcie specyfikacji MiniMax-H3-Image jest liczba referencji. Szesnaście obrazów, adresowanych pozycyjnie, wystarcza, aby w jednym wywołaniu uzależnić edycję od arkusza postaci, produktu, trzech ujęć pomieszczenia, referencji kolorystycznej i tablicy stylu. Niewiele modeli obrazów dokumentuje taką możliwość, a niemal żaden z modeli zamkniętych nie dokumentuje jej w ogóle — MAI-Image 2.7 Preview tego nie robi, więc przepływ pracy opierający się na wielu referencjach trzeba zweryfikować empirycznie, zanim będzie można go wokół nich zaprojektować.

Jedno zastrzeżenie do tej liczby, bo komuś to ugryzie: karta modelu mówi o 16 referencjach, podczas gdy przepis wydania vLLM-Omni dla tych samych wag dokumentuje do 9 obrazów na żądanie. Obie liczby mogą być jednocześnie poprawne — limit batchowania stosu serwującego i wytrenowana pojemność modelu to różne rzeczy — ale jeśli Twój workflow wymaga dwunastu referencji, uczciwa postawa jest taka, że powinieneś przetestować to na własnej ścieżce serwowania, zamiast ufać któremukolwiek z dokumentów.

Co zrobić z tym, w tym tygodniu

Jeśli potrzebujesz generowania w wysokiej rozdzielczości z opcją samodzielnego hostowania, wybór tak naprawdę nie dotyczy tych dwóch modeli; MAI-Image 2.7 Preview nie bierze udziału w tym wyścigu. Weź MiniMax-H3-Image, wycenionego na 0,02333 USD za 2K i 0,06879 USD za 4K, zdecyduj przed 17 listopada, czy rabat na 4K zmienia Twoje plany, i przeczytaj licencję przed pobraniem, a nie po nim.

Jeśli potrzebujesz najlepszej dostępnej edycji i jesteś gotów pracować w wersji zapoznawczej, czwarte miejsce MAI-Image 2.7 Preview na niezależnym rankingu edycyjnym to realny sygnał, a brak ceny to realna przeszkoda. Poproś Microsoft o dostęp do Foundry i cennik. Dopóki jedno z tych nie istnieje, zbudowany na nim potok edycyjny jest prototypem, a nie produktem.

Nie warto wypatrywać kolejnego odświeżenia rankingu. Chodzi o to, czy MAI-Image 2.7 Preview dostanie cenę i endpoint, bo to zamienia tę sytuację z porównania otwartego modelu z zamkniętym demem w prawdziwy wybór między dwoma produktami, które można kupić. I czy MiniMax-H3-Image otrzyma ocenę, bo obecnie model z wagami jest jedynym z tych dwóch, którego jakość można zmierzyć samodzielnie — co dla każdego, kto sparzył się już na wersji preview, może być cenniejszą z dwóch niewiadomych.