MiniMax-H3-Image vs Qwen-Image 2.1: два открытых чекпоинта, два разных замка

Обе эти модели доступны для скачивания, и ни одна из них не является бесплатной для использования в том смысле, который обычно вкладывают в это слово. MiniMax-H3-Image — загрузка объёмом 68,65 ГБ, в которой один только трансформер занимает 66,28 ГБ, плюс текстовый энкодер объёмом 66,7 ГБ, веса опубликованы 10 ноября 2026 года — распространяется по лицензии сообщества, которая исключает Европейский союз, Соединённое Королевство, Республику Корея и Соединённые Штаты из предоставляемых ею прав и требует письменного разрешения MiniMax при годовой выручке свыше 1 млн долларов США или для любого хостингового сервиса. Qwen-Image 2.1, выпущенная командой Qwen компании Alibaba 20 сентября 2026 года и составляющая около четверти объёма загрузки — 33,13 ГБ, — распространяется по Qwen Research License Agreement, раздел 2(a) которой предоставляет права «FOR NON-COMMERCIAL PURPOSES ONLY», а раздел 2(b) запрещает коммерческое использование без отдельной лицензии. Одна блокировка — географическая с регулятором по выручке; другая — абсолютная. Если вы пришли сюда, чтобы выбрать модель, которую можно встроить в продукт, лицензионные файлы уже дали ответ, и остальная часть этого сравнения посвящена гораздо более узкому набору случаев использования, где этот ответ оставляет вам выбор.

Инженерный контраст столь же резок, и он направлен противоположно тому, на что намекают значения числа параметров. Qwen-Image 2.1 — это генератор изображений с 7 млрд параметров, который выполняет удаление шума за сорок шагов. MiniMax-H3-Image — это плотный трансформер с 33,1 млрд параметров, дистиллированный до шести шагов. Одна модель рассчитана на то, чтобы поместиться на рабочей станции; другая — на то, чтобы запрос к хостинговому сервису ощущался мгновенным. Выяснить, какая из них дешевле за тысячу изображений, — не вопрос умножения параметров на что-либо; вопрос в том, где на самом деле сосредоточена стоимость каждой.

Что означает «open» в каждой лицензии, пункт за пунктом

Начнём с Q​wen, потому что его условия — более простые из двух и более ограничительные в обычном случае. Карточка Hugging Face помечает лицензию как other с license_name: qwen-research, а файл LICENSE в репозитории — это Q​wen Research License Agreement от 20 сентября 2026 г. Формулировки не двусмысленны: права предоставляются только для некоммерческих целей, «Non-Commercial» определяется как исследование или оценка, и любой, кто хочет выпустить что-то, должен запросить лицензию по адресу, указанному в соглашении. В тексте нет ни порога выручки, ни территориальных исключений, ни прописанного пути, по которому небольшая компания могла бы автоматически получить право. Это исследовательский грант, и не более того.

Соглашение M​iniMax в принципе более либерально, а на практике более своеобразно. Предоставление прав действует по всему миру, но по названию исключает четыре юрисдикции. Коммерческое использование скорее предполагается, чем запрещается, но обусловлено двумя триггерами, требующими предварительного письменного разрешения, и пунктом об указании авторства, обязывающим любой коммерческий продукт «заметно отображать 'MiniMax-H3-Image'» в своём интерфейсе. Соглашение также требует защитных мер для любого сервиса, генерирующего выходные данные, — внедрять, поддерживать, тестировать и периодически пересматривать, — а это тот тип пункта, который команда по комплаенсу воспринимает как обязанность, а разработчик-одиночка — как шаблонную формулировку.

Если положить их рядом, два документа образуют странную карту. Студия в Токио может коммерчески использовать MiniMax-H3-Image при наличии разрешения выше порога и вообще не может коммерчески использовать Qwen-Image 2.1. Студия в Калифорнии не может использовать ни то, ни другое: MiniMax прямо исключает эту территорию, а Qwen запрещает такое использование. Исследовательская группа где угодно может использовать оба, поскольку исследования — это то, что разрешает Qwen и что охватывает некоммерческая трактовка MiniMax. Это последнее предложение — честное резюме области открытых моделей для изображений в ноябре 2026 года, и никакая таблица бенчмарков этого не изменит.

Сорок шагов против шести — и как это влияет на счёт.

Разница в сэмплере — самый важный инженерный факт в этом противостоянии, потому что она доминирует над всем остальным, что касается стоимости.

• Шаги — Qwen-Image 2.1 использует Flow Matching с дискретным планированием Эйлера и по умолчанию выполняет сорок шагов денойзинга на базовом чекпоинте; в базовом репозитории нет дистиллированного варианта. Отдельный чекпоинт Qwen-Image 2.1 Turbo, выпущенный 9 октября 2026 года, сокращает это до восьми шагов при CFG = 1, а его расписание хранится в чекпоинте. MiniMax-H3-Image выполняет шесть шагов и вообще не использует classifier-free guidance — это не значение по умолчанию, а ограничение: API сервиса возвращает HTTP 400 при любом другом числе шагов или значении guidance и отклоняет негативные промпты.

• Размер — компонент визуальной генерации Qwen содержит 7 млрд параметров в 32 однонаправленных слоях DiT с блочно-каузальным вниманием; текст и инструкции получают каузальную маску на уровне токенов, а генерация изображений — двунаправленную на уровне чанков. У MiniMax — 33,1 млрд плотных параметров, 50 слоёв, скрытая размерность 5 376, 56 голов, FFN 14 336, с 3D мультимодальным RoPE и латентным патчем 2×2, покрывающим 32×32 пикселя на токен.

• Загрузка — всего 33,13 ГБ для Qwen-Image 2.1 (около 20,5 ГБ — трансформер и VAE, остальное — текстовый энкодер Qwen3-VL 8B). Примерно 135 ГБ для M{{1}}iniMax{{/1}}, прежде чем вы что-либо сгенерируете.

Посчитайте — и интуиция перевернётся. Модель 33B за шесть шагов выполняет около 199B параметро-шагов работы на изображение; модель 7B за сорок шагов — около 280B. Более крупная модель не обязательно оказывается более дорогой — в этом и весь смысл дистилляции, и именно поэтому «33B» в спецификации почти ничего не говорит о том, во сколько вам обходится одно изображение. Но на конкретной карте чекпойнт 33B — это тот, который может не поместиться при шестнадцати мегапикселях, а MiniMax нигде в материалах релиза не публикует ни показателей задержки, ни рецепта по оборудованию, ни рекомендаций по памяти, которые сказали бы, помещается ли он. Qwen вместо этого публикует фиксированные пресеты: 2048×2048 при 1:1, 2400×1792 при 4:3, 2752×1536 при 16:9 и их транспонированные варианты — примерно 4,2 мегапикселя в максимуме, четверть от заявленного MiniMax.

Этот разрыв по разрешению не случаен для сравнения стоимости. Ценовая лестница MiniMax до 4K необычно плоская, потому что его тариф измеряется в токенах, а количество токенов не масштабируется с площадью так, как подсказывает интуиция — $0.02179 при 1K против $0.06879 при 4K до того, как стартовая скидка вдвое снижает цену верхнего уровня. У Qwen нет лестницы для сравнения, потому что нет хостируемой базовой модели для покупки: Artificial Analysis указывает Qwen-Image-2.1 вообще без цены, что для этого рейтинга означает отсутствие API. Уровни Pro и Turbo, которые Alibaba всё же хостит, — это отдельные строки, по $35.33 и $16 за тысячу изображений.

Единственная способность, которая есть у Q​wen, но которой нет у M​iniMax

Нативная прозрачность. VAE Qwen-Image 2.1 — это 64-канальный RGBA-автоэнкодер с 16× пространственным сжатием, поэтому альфа-канал получается непосредственно из модели, а не в результате последующего прохода удаления фона. Это реальное различие в рабочем процессе для всех, кто создаёт ресурсы для композитинга — вырезанные изображения продуктов, спрайты, многослойные файлы дизайна, — и этого нельзя добиться от MiniMax-H3-Image, просто задав промпт. Ни в его репозитории, ни в карточке, ни в лицензии не упоминается альфа-канал, а его VAE описывается как CNN-энкодер с 24-слойным ViT-декодером и 24 латентными каналами.

Остальная часть списка возможностей на бумаге говорит в пользу MiniMax, и её стоит внимательно изучить, поскольку большая её часть заявлена самим производителем:

• Разрешение — именно здесь 33B начинает выглядеть осмысленно. MiniMax-H3-Image нативно генерирует примерно до шестнадцати мегапикселей при любом соотношении сторон — от 4096×4096 до 6272×2688 — с потолком API в 20 мегапикселей и без апскейлера в цепочке. Документированные пресеты Qwen достигают максимум около 4,2 мегапикселя.

• Референсы — MiniMax-H3-Image принимает до шестнадцати, и вы указываете на них по номеру слота: в промпте говорится <Picture 3>, и это означает третий загруженный вами файл. Qwen-Image 2.1 принимает до десяти, а в его демонстрации есть групповой портрет, собранный из шести портретов.

• Следование инструкциям — в карточке M​iniMax утверждается, что это «самое сильное следование инструкциям среди open-source моделей», но за этим предложением нет таблицы оценок. Q​wen публикует показатель VDEBench 0,81 локально и 0,83 глобально на 3 506 образцах — это реальное число с реальным объёмом выборки, но всё равно число от вендора, вычисленное с помощью собственного стенда вендора.

• Длина промпта — M{{1}}iniMax принимает 32 000 символов в обслуживаемом API, при этом примерно первые 4 096 токенов оказывают эффект.{{/1}} Q{{2}}wen в своей карточке и примерах описан через короткие структурированные инструкции, а не через длинные промпты, а его внимание смешанной гранулярности явно спроектировано для того, чтобы кэшировать инструкцию и изображения-условия один раз и переиспользовать их на всех шагах, что является заявлением об эффективности, а не о ёмкости.{{/2}}

Что сейчас показывают независимые советы директоров

Обе модели оценены на обеих аренах изображений Artificial Analysis по состоянию на 14 ноября 2026 года, что делает это одним из немногих противостояний открытых моделей, где у обеих сторон есть сопоставимые независимые данные. В рейтинге текст-в-изображение почти ничья: MiniMax-H3-Image занимает 25-е место из 114 строк с Elo 1 066 и интервалом от 1 051 до 1 080, а Qwen-Image-2.1 — 28-е место с 1 047 и интервалом от 1 035 до 1 059. Двадцать пунктов Elo при интервалах, которые лишь едва перекрываются, — это преимущество, а не разрыв, и никому не стоит менять из-за этого пайплайн.

Именно рейтинг редактирования и является тем, что их разделяет. MiniMax-H3-Image занимает 13-е место из 84 с Elo 1 138 (1 122–1 154); Qwen-Image-2.1 — 30-е место с 1 084 (1 071–1 097). Это разница в пятьдесят четыре пункта Elo при полном отсутствии пересечения интервалов, и это единственное место в данном сравнении, где сторонние данные говорят что-то решающее о качестве, а не о стоимости или лицензировании.

Варианты следуют за своими родительскими моделями, не меняя конфигурацию. MiniMax-H3-Image Highspeed занимает 24-е место в задаче «текст в изображение» (1 072) и 14-е место в редактировании (1 134), так что более быстрый уровень обслуживания близок к стандартному в обеих таблицах. На стороне Q​wen размещённый Pro-собрат находится на отметках 1 059 и 1 068, а Turbo — на 1 025 и 1 062; оба ниже показателя редактирования базового чекпоинта, что является ожидаемой ценой восьмишагового расписания, а не сюрпризом.

Две оговорки, прежде чем кто-либо начнёт строить обоснование закупки на этих цифрах. Во-первых, Elo получается из слепых попарных голосований, а не из измерений разрешения, работы с альфа-каналом или соблюдения числа шагов; комиссия, которая не видит ваш конвейер композитинга, не сможет оценить то, что для неё важно. Во-вторых, строки Qwen-Image-2.1 были получены людьми, самостоятельно запускавшими веса, поскольку нет размещённого базового эндпоинта, на который можно отправить промпт, тогда как строки MiniMax включают трафик к его API. Разные выборки, одна и та же таблица лидеров — и Artificial Analysis сам отмечает это различие, а не скрывает его.

Где OrcaRouter подходит, а где нет

Ни одной из этих моделей нет в каталоге OrcaRouter, и об этом стоит сказать прямо, а не замалчивать: по состоянию на 14 ноября 2026 года здесь нет маршрута ни для MiniMax-H3-Image, ни для Qwen-Image 2.1, и приведённый выше анализ лицензий во многом объясняет, почему хостинговый каталог — это другой бизнес по сравнению с репозиторием весов. В линейке изображений платформа маршрутизирует семейства G​oogle и O​penAI — включая графические модели G​emini и линейку GPT Image — через тот же ключ, что и свои текстовые модели, по цене из прайс-листа провайдера с 0% наценки, переданной без изменений.

Действительно полезная в этом сравнении часть — это DSL маршрутизации. Пайплайну, которому для задания на печать нужно 16-мегапиксельное изображение, а для карточки товара — 1-мегапиксельная миниатюра, не нужна одна модель, делающая и то и другое за одну цену, и не нужны два договора с поставщиками, чтобы этого добиться. Компоновка вызовов — один маршрут для тяжёлой генерации, другой для дешёвого производного изображения, оба за одним эндпоинтом — это именно то, для чего существует роутер, и это тот же аргумент в пользу того, чтобы разместить чекпоинт с исследовательской лицензией за внутренним сервисом, а не встраивать его в приложение.

Решение, сформулированное настолько узко, насколько оно того заслуживает.

Для исследовательской группы, команды по оценке или любого, чьи результаты никогда не предназначены для коммерческого выпуска, Qwen-Image 2.1 — лучший вариант для загрузки: втрое меньший размер, документированные пресеты, опубликованное числовое значение оценки с указанием объёма выборки, восьмишаговый Turbo, когда нужно быстро перебирать варианты, и нативная альфа, если ваша работа связана с композитингом. Кроме того, это модель, поведение которой вы сможете охарактеризовать на собственном оборудовании уже сегодня днём.

Для коммерческой команды за пределами четырёх исключённых юрисдикций MiniMax-H3-Image — единственная из двух, которую вы можете легально поставлять, и это более сильная модель редактирования с преимуществом, которое совет директоров сможет принять. Заложите в бюджет загрузку, рассчитывайте на переговоры с M​iniMax при выручке выше миллиона и предусмотрите требование об указании авторства в интерфейсе до запуска, а не после.

Для коммерческой команды, работающей в этих юрисдикциях, ответ — ни то ни другое. Это неудовлетворительно, и это точно. Сфера изображений с открытыми весами дошла до точки, когда интересный вопрос уже не в том, какой чекпоинт набирает более высокий балл, а в том, какой из них ваш юрист разрешит вам запустить, — и применительно к этому вопросу эта пара служит наглядной иллюстрацией того, сколько разных значений успело приобрести слово «open».

Что заставило бы это сдвинуться

Изменение лицензии у любой из сторон повлияло бы на сравнение сильнее, чем любой точечный релиз. Перечень территорий MiniMax выглядит как стандартный вариант для соблюдения требований, и компания уже меняла лицензии на модели; исследовательская лицензия Qwen была стандартом для семейства начиная с линейки 2.1, а коммерческий тариф для базовых весов — в отличие от хостируемых эндпоинтов Pro и Turbo — сделал бы эту модель очевидным выбором для всех, кому нужен сам артефакт. Пока не случится одно из этих изменений, технические различия между этими двумя моделями реальны, хорошо задокументированы и представляют в основном академический интерес для всех, кому нужно выпускать продукт.