MiniMax-H3-Image vs Nano Banana 2: Fria vikter, stängda gränser

Det förvånande med MiniMax-H3-Image är inte dess poäng. Det är kartan i dess licens. Checkpointen lades upp på Hugging Face den 10 november 2026 – ett repository på 68,65 GB, varav 66,28 GB är diffusionstransformatorn, plus en textkodare på 66,7 GB som den lånar från H3-videomodellen – och filen som reglerar den, MiniMax-H3-Image Community License Agreement, beviljar rättigheter "världsomfattande, med undantag för de exkluderade territorierna", som den sedan definierar som Europeiska unionen, Storbritannien, Republiken Korea och Amerikas förenta stater. Nano Banana 2, Googles gemini-3.1-flash-image, har varit allmänt tillgänglig sedan 28 maj 2026 och kräver inget av dig utom ett kreditkort. Så den ärliga beskrivningen av den här jämförelsen är inte öppen kontra stängd. Det är en modell du kan ladda ner men inte lagligt driftsätta där du bor, mot en modell du aldrig kan ladda ner men kan anropa varifrån som helst. Allt annat – de sexton megapixlarna, pristrappan, placeringarna på resultattavlan – är underordnat det, och resten av den här artikeln handlar om vad som förändras när du väl accepterar det.

Vad licensen tillåter

Läst den 14 november 2026: Avsnitt IV i M​iniMax-licensen är kort och ovanligt specifikt. Två saker utlöser ett krav på att inhämta skriftligt förhandsgodkännande via M​iniMax licenskonsol: annualiserade intäkter på över 1 miljon US$ för dig eller dina närstående företag, eller tillhandahållande av en hostad tjänst till tredje parter. Ingen av utlösarna medför någon royalty. Båda kräver att du ansöker. Avsnitt IV ålägger också en attributionsskyldighet – varje kommersiell produkt som använder modellen måste "tydligt visa 'MiniMax-H3-Image'" i sitt gränssnitt, vilket är en annan skyldighet än det vanliga "built with"-märket, eftersom det namnger modellen, inte företaget.

Territoriumsklausulen är den svårare, och det är ingen nyansfråga. Själva beviljandet är avgränsat till det tillämpliga territoriet, och avtalet säger klart och tydligt att användning utanför det "inte är auktoriserad enligt detta avtal". Det är inte en begränsning av vidaredistribution; det är en begränsning av att över huvud taget köra vikterna i de fyra angivna jurisdiktionerna. M​iniMax eget kort hänvisar alla i dessa regioner till ett separat licensieringssamtal och nämner "robusta kontroller och skyddsräcken" som en del av vad en sådan överenskommelse skulle innebära. För en studio i Berlin, en startup i Seoul, eller – mer relevant för de flesta läsare av en engelskspråkig modellblogg – var som helst i USA, är det praktiska svaret att öppna vikter är en forskningsartefakt som du kan granska, benchmarka och skriva om, och inte ett produktionsberoende.

Nano Banana 2 har inget motsvarande pussel. Det är en Google Cloud-produkt: du anropar den, får en bild, levererar den, och villkoren är standardvillkoren för API:et. Det finns ingen intäktsgräns, ingen territoriell undantagsklausul, ingen attribueringsklausul och ingen förhandling om värdtjänst. Det du avstår från för den enkelheten är filen. Om Google ändrar priset, avvecklar identifieraren eller får ett avbrott, har du ett migreringsärende i stället för en reservlösning.

Den där symmetrin – den ena modellen ger dig artefakten med en oanvändbar licens, den andra ger dig en användbar licens utan någon artefakt – är det som faktiskt avgör. De flesta jämförelsesidor hoppar över den, eftersom licensfilen är tråkig och benchmarktabellen inte är det.

Där de två modellerna korsar varandra på tavlorna

Artificial Analysis poängsätter nu båda två på båda dess bildarenor, vilket inte gällde när MiniMax-H3-Image släpptes. Läst den 14 november 2026 beskriver siffrorna en verklig korsning snarare än en lucka:

• Text till bild — Nano Banana 2 ligger på 11:e plats av 114 rader med Elo 1 143 (95 % intervall 1 133–1 153). MiniMax-H3-Image ligger på 25:e plats med 1 066 (1 051–1 080). Det är 77 Elo, och intervallen är inte i närheten av att överlappa varandra.

• Bildredigering – MiniMax-H3-Image ligger på 13:e plats av 84 med Elo 1 138 (1 122–1 154). Nano Banana 2 ligger på 17:e plats med 1 126 (1 114–1 138). MiniMax är 12 Elo före; intervallen överlappar med några poäng, så betrakta det som en knapp ledning snarare än en utklassning, men det är åt det håll tavlan visar.

• Highspeed-varianten – MiniMax-H3-Image Highspeed, som bara finns på M​iniMaxs eget API, rankas separat: 24:e i text-till-bild på 1 072 och 14:e i redigering på 1 134. Den kostar ungefär 1,7× standardnivån per generering i 4K och ger ingen bättre poäng på någon av listorna. Den ger lägre latens, vilket listorna inte mäter.

Artificial Analysis egen sammanfattning av resultaten, publicerad den 13 november 2026, tillför den inramning som M​iniMax skulle vilja ha: på deras rankningslistor är MiniMax-H3-Image den högst rankade raden som bär open-weights-markören i båda kategorierna. Det påståendet är deras, och det beror på deras klassificering av vilka rader som räknas som open weights – flera av modellerna ovanför H3-Image inom text till bild, inklusive raden FLUX 3 Image på 1 119, är inte uppenbart nedladdningsbara, så markören spelar en verklig roll. Citera det som ett uttalande från en leverantör på rankningslistan snarare än som ett faktum som du kan verifiera enbart utifrån vikterna.

Det mönster man bör hålla fast vid: M​iniMaxs modell är bättre på redigeringsuppgiften och klart sämre på uppgiften med tomt blad. Det stämmer med dess design. Sexton referensplatser och en sampler trimmad för referenstungt arbete höjer redigeringsresultatet; en sexstegs destillerad sampler utan vägledning är en berättelse om kontroll snarare än om trohet, och text-till-bild-gapet är vad det kostar.

Prisstegen, och en rabatt med tre dagar kvar

M​iniMax fakturerar per token i stället för per bild, vilket gör rubriknumret missvisande tills man läser de genomräknade exemplen. Standardnivå: $2.30 per miljon indatatexttoken, $1.50 per miljon indatabildtoken, $3.80 per miljon utdatabildtoken. Highspeed: samma textpris, $3.00 för bildindata, $7.60 för utdata.

• Text till bild, standard — $0,02179 vid 1K, $0,02333 vid 2K och $0,03439 vid 4K så länge lanseringsrabatten gäller, jämfört med ett listpris på $0,06879.

• Redigera med en referens — $0.02654 vid 1K, $0.02658 vid 2K, $0.03656 vid 4K (listpris $0.07312).

• Redigera med tre referenser — $0.03563 vid 1K, $0.04177 vid 2K, $0.03957 vid 4K (listpris $0.07914).

• Hög hastighet, text till bild — $0.03529 vid 1K, $0.03622 vid 2K, $0.06501 vid 4K (listpris $0.13001).

Rabatten som halverar 4K-kolumnen gäller till den 17 november 2026, 16:00 UTC, och gäller endast levererade bilder på minst 16 600 000 pixlar. Därefter fördubblas 4K-priset ungefär, medan alla lägre nivåer ligger kvar – vilket förändrar rekommendationens utformning, eftersom den platta prisstegen är anledningen till att använda den här modellen överhuvudtaget. Till listpris kostar en 4K M​iniMax-bild ungefär lika mycket som en 4K Nano Banana 2-bild och är inte längre billigare än den.

Googles sida är en ren tabell per bild: 1 120 tokens för en 1K-bild och 2 520 för 4K, till $60 per miljon bildutdatatoken. Det ger $0,045 vid 512px, $0,067 vid 1024×1024, $0,101 vid 2048×2048 och $0,151 vid 4096×4096, där text och tänkande faktureras separat till $3 per miljon utdatatoken och indata till $0,50 per miljon. Det finns ingen batch-nivå listad för den här modellen, till skillnad från dess Lite-syskon. Notera asymmetrin i vad "vid upplösning" betyder: en Nano Banana 2-bild vid 4K är 4096×4096, och en MiniMax-bild vid 4K är också 4096×4096, så de två stegarna jämförs direkt i toppen och skiljer sig i botten, där Google säljer en 512px-nivå som MiniMax inte gör.

Tiotusen bilder i månaden, en referens var, 2K-utdata: cirka $266 med M​iniMax standard till gällande pris och cirka $1,010 med Nano Banana 2. Det är den enda punkten där siffrorna inte är i närheten av varandra, och det är också där licensen med störst sannolikhet stoppar dig.

Vad den ena kan göra som den andra inte kan

Funktionslistorna är mindre symmetriska än poängen. Båda modellerna genererar och redigerar via ett enda ändpunktspar, båda tar emot referensbilder och båda producerar filer med flera megapixlar. Utöver det skiljer de sig åt på nästan varje område:

• Referenser – MiniMax-H3-Image tar 1 till 16 bilder, som adresseras positionellt i prompten som <Picture 1> till och med <Picture 16> i uppladdningsordning. Nano Banana 2 tar 14, men delar upp dem: upp till 10 objektreferenser för trohet och upp till 4 karaktärsreferenser för konsekvens.

• Utdata — M​iniMax uppger cirka 16 megapixlar vid varje bildförhållande, från 4096×4096 kvadratiskt till 6272×2688 ultrabredt, med ett API-tak på 20 megapixlar och ingen uppskalare i kedjan. Nano Banana 2 når upp till 4096×4096 men lägger till de extrema formerna 1:4, 4:1, 1:8 och 8:1 samt en 512px-nivå för miniatyrbilder.

• Grundning – Nano Banana 2 kan grunda en generering i resultat från Google Search eller Image Search. MiniMax-H3-Image har ingen form av hämtning; allt kommer från prompten och referenserna.

• Proveniens — varje utdata från Nano Banana 2 bär en SynthID-vattenstämpel och C2PA-metadata. M​iniMax-repositoriet och licensen anger inget vattenstämpelschema, vilket antingen är en funktion eller ett regelefterlevnadsproblem beroende på din jurisdiktion, och i EU är det det sistnämnda.

• Styrning av resonemang — Nano Banana 2 exponerar tänkande på minimal eller hög nivå, standardvärdet är minimal, och tänkandet kan inte stängas av via API:et; dessa tokens faktureras oavsett om du läser dem eller inte. MiniMax exponerar ingen resonemangsyta alls, bara en fast sampler.

• {{1}}Sampler — M​iniMax är destillerad till sex steg utan classifier-free guidance. API:et returnerar HTTP 400 om du anger något annat stegantal eller guidningsvärde, och det avvisar negativa promptar. Du justerar prompten och referenserna, och inget annat.{{/1}} {{2}}G​oogles modell har den vanliga parameteruppsättningen.{{/2}}

Sampler-punkten slår åt båda håll. Det gör M​iniMaxs utdata exakt reproducerbar på din egen hårdvara, vilket är en verklig egenskap för regressionstestning, och det tar bort den vanliga kvalitetsratt som ett team som är van vid att justera CFG skulle ta till först när en redigering blir fel.

Om du tänker självhosta, läs det här först

Anledningen till att de flesta vill ha öppna vikter är inte ideologi; det är möjligheten att sluta betala per bild. På den här modellen är den möjligheten dyr på ett sätt som nedladdningsstorleken antyder och tillkännagivandet inte gör. Transformern är 66,28 GB i BF16, VAE:n 2,34 GB och textkodaren en separat hämtning på 66,7 GB – den fullständiga Qwen3-VL från MiniMax-H3, oförändrad, vars dolda tillstånd från lager 50 DiT läser. Det är ungefär 135 GB vikter innan du har en enda bild, och modellen är en tät transformer med 33,1 miljarder parametrar, inte en mixture-of-experts-modell med en billig aktiv väg.

Som kontrast laddas Qwen-Image 2.1 — det andra öppna alternativet som folk frågar om — ner på ungefär en fjärdedel av storleken. Om din plan är en enda arbetsstation eller en hyrd GPU är beräkningen för den här checkpointen det första du bör räkna på, inte det sista. Kortet från MiniMax anger ingen latenssiffra och inget hårdvarurecept, så det finns inget i publiceringsmaterialet som säger om sex steg vid sexton megapixlar får plats på ditt kort.

Vilken av dem, med tanke på allt det där?

Om du befinner dig utanför EU, Storbritannien, Sydkorea och USA och behöver volym vid 4K med många referenser är MiniMax-H3-Image den bättre och billigare redigeringsmodellen just nu, och 12-Elo-försprånget inom redigering är litet nog att du bör testa den med dina egna promptar i stället för att lita på resultattavlan. Om du befinner dig inom dessa territorier har licensen redan fattat beslutet åt dig, och den intressanta frågan blir då om MiniMax kommer att licensiera den – vilket är en kommersiell diskussion, inte en teknisk.

Om du behöver textrendering, sökbaserad förankring, proveniensmarkering eller ett obegränsat kontrakt på anropssidan vinner Nano Banana 2 på kapacitet och förlorar på pris, och dess 77-Elo-ledning inom text-till-bild är den största enskilda siffran i den här jämförelsen.

Ingen av modellerna finns i OrcaRouters katalog den 14 november 2026, och den här sidan kommer inte att låtsas något annat. Vad plattformen däremot har i bildlinjen är de OpenAI- och Google-bildmodeller som faktiskt går att anropa i dag, till leverantörens listpris med 0 % påslag som förs vidare — vilket innebär att när MiniMax 4K-rabatt löper ut den 17 november, eller när Google justerar en taxa, ändras siffran i vår katalog samma dag i stället för vid nästa avtalsförnyelse. Det andra skälet till att routningslagret spelar roll här är redundansväxling: en modell utan oberoende latenssiffra och med en sex dagar gammal topplistepost är precis den typ av beroende du vill ha bakom automatisk redundansväxling i stället för direkt inkopplad i en produktionsväg.

Det som skulle ändra detta utslag är en licensändring. MiniMax har tidigare släppt, prisat och sedan bytt licens på modeller, och territorieklausulen framstår som en regelefterlevnadsstandard snarare än en genomtänkt begränsning. Om listan över uteslutna territorier kortas blir redigeringsdelen av den här jämförelsen en enkel rekommendation utifrån pris och poäng. Fram till dess är den öppna modellen öppen i betydelsen att du kan läsa den, och stängd i betydelsen som avgör om du kan använda den.