MiniMax-H3-Image vs Nano Banana 2: Darmowe wagi, zamknięte granice

Zaskakujące w MiniMax-H3-Image nie jest jego wynik. Jest nim mapa w jego licencji. Checkpoint pojawił się na Hugging Face 10 listopada 2026 r. — repozytorium o rozmiarze 68,65 GB, z czego 66,28 GB to transformer dyfuzyjny, plus 66,7 GB enkodera tekstu pożyczonego z modelu wideo H3 — a plik, który go reguluje, MiniMax-H3-Image Community License Agreement, przyznaje prawa „na całym świecie, z wyłączeniem Terytoriów Wyłączonych”, które następnie definiuje jako Unię Europejską, Zjednoczone Królestwo, Republikę Korei i Stany Zjednoczone Ameryki. Nano Banana 2, gemini-3.1-flash-image od G​oogle, jest powszechnie dostępny od 28 maja 2026 r. i nie wymaga od ciebie niczego poza kartą kredytową. Uczciwe ujęcie tego starcia to więc nie otwarty kontra zamknięty. To model, który możesz pobrać, ale którego nie wolno ci legalnie wdrożyć tam, gdzie mieszkasz, w zestawieniu z modelem, którego nigdy nie możesz pobrać, ale możesz go wywołać z dowolnego miejsca. Wszystko inne — szesnaście megapikseli, drabinka cenowa, pozycje w rankingach — jest wobec tego drugorzędne, a reszta tego tekstu pokazuje, co się zmienia, gdy to zaakceptujesz.

Co licencja tak naprawdę pozwala

Czytane 14 listopada 2026 r. Sekcja IV licencji MiniMax jest krótka i nietypowo konkretna. Dwie rzeczy uruchamiają wymóg uzyskania uprzedniej pisemnej zgody za pośrednictwem konsoli licencyjnej MiniMax: roczny przychód powyżej 1 mln USD w przypadku Ciebie lub Twoich podmiotów stowarzyszonych albo świadczenie usługi hostowanej na rzecz osób trzecich. Żaden z tych czynników nie wiąże się z opłatą licencyjną. Oba wymagają wystąpienia z wnioskiem. Sekcja IV nakłada również obowiązek podania autorstwa — każdy produkt komercyjny wykorzystujący model musi „w widoczny sposób wyświetlać »MiniMax-H3-Image«” w swoim interfejsie, co jest innym obowiązkiem niż zwykła plakietka „built with”, ponieważ wskazuje nazwę modelu, a nie firmy.

Klauzula terytorialna jest trudniejsza i nie jest to niuans. Samo udzielenie licencji ogranicza się do właściwego terytorium, a umowa mówi wprost, że korzystanie poza nim „nie jest dozwolone na mocy niniejszej Umowy”. To nie jest ograniczenie redystrybucji; to ograniczenie uruchamiania wag w ogóle w czterech wymienionych jurysdykcjach. Sama karta modelu M​iniMax kieruje każdego, kto znajduje się w tych regionach, do odrębnej rozmowy o licencjonowaniu, wspominając o „solidnych kontrolach i zabezpieczeniach” jako części tego, co wiązałoby się z takim rozwiązaniem. Dla studia w Berlinie, startupu w Seulu albo — co istotniejsze dla większości czytelników anglojęzycznego bloga o modelach — gdziekolwiek w Stanach Zjednoczonych praktyczna odpowiedź brzmi: otwarte wagi to artefakt badawczy, który można zbadać, poddać benchmarkom i opisać, a nie zależność produkcyjna.

W przypadku Nano Banana 2 nie ma analogicznego dylematu. To produkt G​oogle Cloud: wywołujesz go, otrzymujesz obraz, wdrażasz go, a warunki są standardowymi warunkami API. Nie ma progu przychodowego, wyłączenia terytorialnego, klauzuli atrybucji ani negocjacji w sprawie usługi hostowanej. Ceną tej prostoty jest plik. Jeśli G​oogle zmieni cenę, wycofa identyfikator lub nastąpi u niego awaria, czeka cię zgłoszenie migracyjne zamiast rozwiązania zapasowego.

Ta symetria — jeden model daje ci artefakt z bezużyteczną licencją, drugi daje użyteczną licencję bez artefaktu — to jest właśnie ta decyzja. Większość stron porównawczych to pomija, bo plik licencji jest nudny, a tabela benchmarków nie.

Gdzie oba modele przecinają się na deskach

Artificial Analysis ocenia teraz oba z nich na obu swoich arenach obrazowych, co nie miało miejsca, gdy MiniMax-H3-Image trafił na rynek. Odczytane 14 listopada 2026 r. liczby opisują prawdziwe przecięcie, a nie lukę:

• Tekst na obraz — Nano Banana 2 zajmuje 11. miejsce spośród 114 wierszy z wynikiem Elo 1,143 (95% przedział 1,133–1,153). MiniMax-H3-Image zajmuje 25. miejsce z wynikiem 1,066 (1,051–1,080). To 77 punktów Elo, a przedziały wcale się nie stykają.

• {{1}}Edycja obrazów{{/1}} — {{2}}MiniMax-H3-Image{{/2}} zajmuje 13. miejsce na 84 z wynikiem Elo 1,138 (1,122–1,154). {{3}}Nano Banana 2{{/3}} zajmuje 17. miejsce z wynikiem 1,126 (1,114–1,138). MiniMax wyprzedza o 12 punktów Elo; przedziały pokrywają się o kilka punktów, więc traktuj to jako niewielką przewagę, a nie pogrom, ale taki kierunek pokazuje tabela.

• Wariant Highspeed — MiniMax-H3-Image Highspeed, który istnieje tylko w API samego MiniMax, jest klasyfikowany osobno: 24. miejsce w kategorii tekst na obraz z wynikiem 1,072 i 14. miejsce w edycji z wynikiem 1,134. Kosztuje około 1,7× stawki standardowej za generację w 4K i nie daje lepszego wyniku na żadnej z list. Daje opóźnienie, którego listy nie mierzą.

Własne podsumowanie wyników Artificial Analysis, opublikowane 13 listopada 2026 r., dodaje ramę, jakiej chciałby MiniMax: na jego rankingach MiniMax-H3-Image to najwyżej sklasyfikowany wiersz noszący znacznik otwartych wag w obu kategoriach. To ich twierdzenie i zależy ono od ich klasyfikacji tego, które wiersze liczą się jako otwarte wagi — kilka modeli powyżej H3-Image w kategorii tekst na obraz, w tym wiersz FLUX 3 Image z 1,119, nie jest oczywiście do pobrania, więc znacznik odgrywa tu istotną rolę. Cytuj to jako oświadczenie dostawcy rankingu, a nie fakt, który można zweryfikować wyłącznie na podstawie wag.

Sedno, które warto zapamiętać: model M​iniMax radzi sobie lepiej z zadaniem edycji, a wyraźnie gorzej z zadaniem pustej kartki. To pasuje do jego konstrukcji. Szesnaście slotów referencyjnych i sampler dostrojony do pracy z dużą liczbą referencji wzmacniają stronę edycji; sześciokrokowy destylowany sampler bez guidance to opowieść o kontroli, a nie o wierności, a luka w text-to-image jest tego kosztem.

Drabinka cenowa i rabat ważny jeszcze przez trzy dni

M​iniMax rozlicza według tokenów, a nie według obrazów, przez co główna liczba może wprowadzać w błąd, dopóki nie przejrzysz przykładowych wyliczeń. Poziom standardowy: 2,30 USD za milion tokenów tekstu wejściowego, 1,50 USD za milion tokenów obrazu wejściowego, 3,80 USD za milion tokenów obrazu wyjściowego. Highspeed: ta sama stawka za tekst, 3,00 USD za obraz wejściowy, 7,60 USD za obraz wyjściowy.

• Tekst na obraz, standard — $0.02179 przy 1K, $0.02333 przy 2K i $0.03439 przy 4K, dopóki obowiązuje zniżka premierowa, w porównaniu z ceną katalogową $0.06879.

• Edycja z jednym odniesieniem — 0,02654 USD przy 1K, 0,02658 USD przy 2K, 0,03656 USD przy 4K (cena katalogowa 0,07312 USD).

• Edycja z trzema referencjami — $0.03563 przy 1K, $0.04177 przy 2K, $0.03957 przy 4K (cena katalogowa $0.07914).

• Highspeed, tekst na obraz — $0.03529 przy 1K, $0.03622 przy 2K, $0.06501 przy 4K (cena katalogowa $0.13001).

Zniżka, która o połowę obniża kolumnę 4K, obowiązuje do 17 listopada 2026 r., 16:00 UTC, i dotyczy wyłącznie dostarczonych obrazów o co najmniej 16 600 000 pikseli. Po tym terminie stawka za 4K mniej więcej się podwaja, a każdy niższy próg pozostaje bez zmian — co zmienia kształt rekomendacji, ponieważ płaska drabinka cenowa jest powodem, dla którego w ogóle warto używać tego modelu. W cenie katalogowej obraz 4K MiniMax kosztuje mniej więcej tyle samo co obraz 4K Nano Banana 2 i nie jest już od niego tańszy.

Po stronie Google'a mamy przejrzystą tabelę dla pojedynczego obrazu: 1120 tokenów dla obrazu 1K i 2520 dla 4K, przy 60 USD za milion tokenów wyjściowych obrazu. Przekłada się to na 0,045 USD przy 512 px, 0,067 USD przy 1024×1024, 0,101 USD przy 2048×2048 i 0,151 USD przy 4096×4096, przy czym tekst i „myślenie” są rozliczane osobno po 3 USD za milion tokenów wyjściowych, a dane wejściowe po 0,50 USD za milion. Dla tego modelu nie ma wymienionego poziomu wsadowego, inaczej niż w przypadku jego brata Lite. Warto zwrócić uwagę na asymetrię w znaczeniu „przy danej rozdzielczości”: obraz Nano Banana 2 w 4K to 4096×4096, a obraz MiniMax w 4K to również 4096×4096, więc obie drabiny porównują się bezpośrednio na górze i rozchodzą się na dole, gdzie Google oferuje poziom 512 px, którego MiniMax nie ma.

Dziesięć tysięcy obrazów miesięcznie, każdy z jednym odniesieniem, wynik 2K: około $266 w MiniMax standard przy obecnej stawce i około $1,010 w Nano Banana 2. To jedyne miejsce, w którym liczby nie są zbliżone, a jednocześnie miejsce, w którym licencja najprawdopodobniej cię powstrzyma.

Co jedno może zrobić, czego drugie nie może

Listy możliwości są mniej symetryczne niż wyniki. Oba modele generują i edytują przez jedną parę punktów końcowych, oba przyjmują obrazy referencyjne i oba zwracają pliki wielomegapikselowe. Poza tym różnią się niemal pod każdym względem:

• Odniesienia — MiniMax-H3-Image przyjmuje od 1 do 16 obrazów, adresowanych pozycyjnie w prompcie jako <Picture 1> do <Picture 16> w kolejności przesyłania. Nano Banana 2 przyjmuje 14, ale dzieli je: maksymalnie 10 odniesień obiektów dla wierności i maksymalnie 4 odniesienia postaci dla spójności.

Wyjście — MiniMax deklaruje około 16 megapikseli przy każdym współczynniku proporcji, od kwadratu 4096×4096 po ultrapanoramę 6272×2688, z limitem API wynoszącym 20 megapikseli i bez upscalera na żadnym etapie. Nano Banana 2 osiąga maksymalnie 4096×4096, ale dodaje skrajne formaty 1:4, 4:1, 1:8 i 8:1 oraz poziom 512 px dla miniatur.

• Ugruntowanie — Nano Banana 2 może opierać generowanie na {{1}}wynikach Google Search lub Image Search{{/1}}. MiniMax-H3-Image nie ma żadnego mechanizmu wyszukiwania; wszystko pochodzi z promptu i referencji.

• Proweniencja — każde wyjście Nano Banana 2 zawiera znak wodny SynthID i metadane C2PA. Repozytorium i licencja MiniMax nie określają żadnego mechanizmu znakowania wodnego, co jest albo zaletą, albo problemem ze zgodnością z przepisami, w zależności od jurysdykcji, a w UE jest to ten drugi przypadek.

• Kontrola rozumowania — Nano Banana 2 udostępnia rozumowanie na poziomie minimalnym lub wysokim, domyślnie minimalnym, i nie można go wyłączyć przez API; te tokeny są rozliczane niezależnie od tego, czy je czytasz, czy nie. MiniMax nie udostępnia żadnego interfejsu rozumowania, tylko stały sampler.

• Sampler — M​iniMax jest destylowany do sześciu kroków bez classifier-free guidance. API zwraca HTTP 400, jeśli przekażesz inną liczbę kroków lub inną wartość guidance, i odrzuca prompty negatywne. Dostrajasz prompt i referencje — i nic więcej. Model G​oogle'a przyjmuje zwykły zestaw parametrów.

Argument dotyczący samplera działa w obie strony. Sprawia, że wynik M​iniMax jest dokładnie odtwarzalny na własnym sprzęcie, co jest realną właściwością w testach regresyjnych, oraz usuwa standardowe pokrętło jakości, po które zespół przyzwyczajony do strojenia CFG sięgnąłby najpierw, gdy edycja wyjdzie nie tak.

Jeśli zamierzasz hostować samodzielnie, przeczytaj to najpierw.

Powód, dla którego większość ludzi chce otwartych wag, nie jest ideologiczny; to możliwość zaprzestania płacenia za każdy obraz. W tym modelu ta możliwość jest kosztowna w sposób, na który wskazuje rozmiar pobierania, ale którego nie sygnalizuje zapowiedź. Transformer ma 66,28 GB w BF16, VAE 2,34 GB, a enkoder tekstu to osobne pobieranie o rozmiarze 66,7 GB — pełny Qwen3-VL od MiniMax-H3, bez zmian, którego ukryte stany z 50. warstwy odczytuje DiT. To około 135 GB wag, zanim powstanie choćby jeden obraz, a model to gęsty transformer z 33,1 miliarda parametrów, a nie mieszanka ekspertów z tanią aktywną ścieżką.

W przeciwieństwie do tego Qwen-Image 2.1 — druga otwarta opcja, o którą ludzie pytają — jest do pobrania w rozmiarze około jednej czwartej tego. Jeśli planujesz pojedynczą stację roboczą lub jedną wynajętą GPU, obliczenia dotyczące tego checkpointu to pierwsza rzecz do wykonania, a nie ostatnia. Własna karta MiniMax nie podaje żadnej wartości opóźnienia ani recepty sprzętowej, więc w materiałach wydawniczych nie ma nic, co powiedziałoby ci, czy sześć kroków przy szesnastu megapikselach zmieści się na twojej karcie.

Który z nich, biorąc pod uwagę to wszystko

Jeśli jesteś poza UE, Wielką Brytanią, Koreą Południową i Stanami Zjednoczonymi i potrzebujesz wolumenu w 4K z dużą liczbą referencji, MiniMax-H3-Image jest teraz lepszym i tańszym modelem do edycji, a przewaga 12 punktów Elo w edycji jest wystarczająco mała, że powinieneś przetestować go na własnych promptach, zamiast ufać rankingowi. Jeśli jesteś na tych terytoriach, licencja już podjęła decyzję za ciebie, a ciekawym pytaniem staje się, czy M​iniMax udzieli licencji — co jest rozmową handlową, a nie techniczną.

Jeśli potrzebujesz renderowania tekstu, ugruntowania w wynikach wyszukiwania, oznaczania pochodzenia lub nieograniczonego kontraktu po stronie wywołującego, Nano Banana 2 wygrywa pod względem możliwości, a przegrywa pod względem ceny, a jego przewaga 77 punktów Elo w generowaniu obrazów z tekstu to największa pojedyncza liczba w tym porównaniu.

Żaden z tych modeli nie znajduje się w katalogu OrcaRouter na dzień 14 listopada 2026 r. i ta strona nie będzie udawać inaczej. To, co platforma faktycznie oferuje w zakresie obrazów, to modele obrazowe O​penAI i G​oogle, które można dziś faktycznie wywołać, po cenie katalogowej dostawcy z 0% marży przekazywanej bez zmian — co oznacza, że gdy rabat 4K firmy M​iniMax wygaśnie 17 listopada albo gdy G​oogle zmieni stawkę, liczba w naszym katalogu zmienia się tego samego dnia, a nie przy kolejnym odnowieniu umowy. Drugi powód, dla którego warstwa routingu ma tu znaczenie, to przełączanie awaryjne: model bez niezależnego wskaźnika opóźnienia i z sześciodniowym wpisem w rankingu to dokładnie ten rodzaj zależności, który chcesz mieć za automatycznym przełączaniem awaryjnym, a nie podłączonym bezpośrednio do ścieżki produkcyjnej.

To, co mogłoby zmienić ten werdykt, to zmiana licencji. M​iniMax już wcześniej udostępniał modele, chwalił je, a następnie zmieniał ich licencję, a klauzula terytorialna brzmi jak domyślne rozwiązanie zgodnościowe, a nie przemyślane ograniczenie. Jeśli lista Wyłączonych Terytoriów się skróci, strona edycyjna tego porównania stanie się prostym zaleceniem dotyczącym ceny i oceny. Do tego czasu otwarty model jest otwarty w tym sensie, że można go czytać, a zamknięty w tym sensie, który decyduje o tym, czy można go używać.