MiniMax-H3-Image vs Qwen-Image 3.0: Den öppna lucka som Qwen lämnade efter sig

Alibabas bildlinje brukade vara den enkla rekommendationen för alla som ville äga modellen i stället för att hyra den: ladda ner vikterna, kör den, sluta diskutera prislistor. Qwen-Image 3.0 satte punkt för det i augusti. Det släpptes endast på inbjudan den 22 juli 2026, nådde allmän tillgänglighet den 4 augusti i Standard- och Pro-nivåerna på Qwen Cloud och Alibaba Cloud Model Studio, och kom utan vikter, utan modellkort, utan parameterantal och utan teknisk rapport. Den öppna grenen av familjen är Qwen-Image-2.1, som släpptes den 20 september 2026 under en icke-kommersiell forskningslicens – granskningsbar, finjusterbar, men inte möjlig att leverera i en produkt. MiniMax-H3-Image, vars vikter lades upp på Hugging Face den 10 november 2026 kl. 14:50 UTC, är den första seriösa bildmodellen sedan dess som fyller den luckan. Det är den verkliga jämförelsen: inte vilken modell som är vackrare, utan vilken som lämnar dig en utväg.

Två köpvägar som tidigare var en

Före 3.0 var "Qwen eller något annat" en fråga om kvalitet, eftersom svaret på licensfrågan alltid var detsamma. Nu står de två modellerna på varsin sida om en gräns som betyder mer än något benchmark: vad händer om leverantören höjer priset, avvecklar nivån eller har en dålig vecka.

Qwen-Image 3.0 är en hostad tjänst med ett väldokumenterat gränssnitt och en publicerad prislista. MiniMax-H3-Image är både en hostad tjänst och 68,65 GB nedladdningsbar transformer, plus en 66,7 GB textkodare som den lånar från MiniMax-H3-videorepositoriet, enligt MiniMax-H3-Image Community License Agreement. Licensen är inte Apache 2.0 och någon på er juridiska sida bör läsa den före en kommersiell driftsättning – men det är en licens till en fil som du har, vilket är en kategoriskt annan sak än en prislista.

En praktisk konsekvens som är lätt att missa: priset för den utvägen är inte bara disk. MiniMax-H3-Image:s sampler är låst till sex steg utan classifier-free guidance och utan negativa prompts, och API:et avvisar alla andra antal steg eller guidance-värden med HTTP 400. Sex framåtpassningar är det som gör en transformer med 33 miljarder parametrar vid sexton megapixlar praktisk på hyrd hårdvara, och det innebär också att den vanliga justeringsslingan för självhosting inte finns. Det du justerar är prompten och referenserna.

Vad Qwen-Image 3.0 faktiskt säger om sig själv

Mindre än vad dokumentationen antyder. Alibaba har inte publicerat några benchmark-siffror för Qwen-Image 3.0 – varken på Qwen-Image-Bench eller någon annanstans – och ingen arkitektur, så den enda oberoende signalen är Artificial Analysis, vars nuvarande resultattavlor placerar Qwen-Image-3.0-Pro på 1094 Elo för text-till-bild med 6 691 prover och Qwen-Image-3.0 på 1074, på nittonde respektive tjugonde plats på en tavla där de fem bästa alla är OpenAI-modeller. När det gäller redigering ligger Pro runt 1 085 och Standard runt 1 062. Det är oansenliga placeringar, och de är de enda siffror som finns.

MiniMax-H3-Image har ingen rad på någon av resultattavlorna den 11 november 2026 – inte en svag rad, ingen alls. Så ingen av modellerna kan rangordnas mot den andra utifrån ett oberoende poäng, och varje påstående att den ena slår den andra i kvalitet är någons intryck klätt i en jämförelses kläder. Det som går att jämföra är gränssnittet, upplösningen, priset och avslutet.

The dimensions where the two diverge sharply

• Upplösning — MiniMax-H3-Image: cirka sexton megapixlar i alla bildförhållanden, 4096×4096 vid 1:1 upp till 6272×2688 vid 21:9, med ett API-tak på 20 MP. Qwen-Image 3.0: maximalt 2048×2048 enligt Alibabas egna siffror, ungefär 4,2 megapixlar.

• Pris vid 2K – MiniMax-H3-Image: 0,02333 USD per genererad bild, inklusive en 4K-nivå till listpriset 0,06879 USD. Qwen-Image 3.0: 0,03 USD per bild för Standard vid 1K eller 2K, med redigeringar som debiteras cirka 0,003 USD per inmatad referens; Pro kostar 0,04 USD vid 1K och 0,075 USD vid 2K.

• Vikter — MiniMax-H3-Image: tillgängliga, communitylicens, fyra dokumenterade serveringsvägar inklusive vLLM-Omni-stöd från dag ett på NVIDIA och AMD. Qwen-Image 3.0: inga, en helomvändning från 1.0 och 2.0. Den öppna medlemmen i Qwen-familjen är Qwen-Image-2.1, endast för icke-kommersiellt bruk.

• Text inuti bilden – Qwen-Image 3.0: prompter på upp till 4 500 tokens, text läsbar ned till cirka 10 pixlar, tolv inbyggda språk, fler än tjugo typsnitt, upp till sex utdata per anrop, serversidig promptomskrivning. MiniMax-H3-Image: prompter på 32 000 tecken, varav ungefär de första 4 096 tokens får effekt; inga publicerade påståenden om textrendering.

• Referenser – MiniMax-H3-Image: upp till 16, adresserade positionellt i uppladdningsordning, även om vLLM-Omni:s utgivningsrecept för samma vikter dokumenterar 9 per begäran. Qwen-Image 3.0: inget publicerat tak för referenser; 3.0 är en hostad slutpunkt med ett dokumenterat schema snarare än en viktutgåva.

Oberoende poäng — Qwen-Image 3.0: 1074 på AA-Image-T2I v2.1, Pro på 1094, Pro runt 1 085 i redigering. MiniMax-H3-Image: ingen rad på någon av resultattavlorna.

Sexton megapixlar är ingen lyx om du ska skriva ut

Fyra megapixlar är en hero-bild för webben, en katalogruta eller en presentationsbild. Sexton är en tryckplåt, en beskärning för utomhusreklam eller en bakgrund som måste behålla detaljerna när tre placeringar skärs ut ur den. Qwen-Image 3.0:s tak på 2048×2048 är inte en brist – det är ett beslut om vad modellen är till för, och det är samma beslut som de flesta hostade bildmodeller har fattat. Men det innebär att för alla som tar fram förpackningar, utomhusreklam eller hög-DPI-produktfotografi konkurrerar MiniMax-H3-Image inte alls med Qwen-Image 3.0; den konkurrerar med vilken uppskalare som helst som du annars skulle ha kopplat på Qwens utdata, och en uppskalare tillför inte detaljer på samma sätt som en inbyggd generering på sexton megapixlar.

Med det sagt är det intressanta med Qwen-Image 3.0 inte upplösningen. Det är texten. Läsbar text ner till ungefär tio pixlar, tolv språk, fler än tjugo typsnitt och ett serversidigt omskrivningssteg som formar om en prompt innan modellen ser den – det är en uppsättning påståenden som är direkt riktade mot affischer, förpackningstexter, UI-mockuper och diagram, där det alla känner till som felbeteende är en vackert renderad bild med ett enda förvanskat ord i. Praktiska rapporter beskriver den som stark på UI-mockuper och diagram, med enstaka förvanskad liten text, vilket ungefär är vad leverantörens påståenden förutsäger. MiniMax-H3-Image gör inget jämförbart textpåstående i sitt modellkort, och ingen tredje part har mätt det.

Så uppdelningen är ovanligt tydlig för att vara en direkt jämförelse. Om ditt jobb är tät text i en komponerad layout är Qwen-Image 3.0 modellen med det dokumenterade säkra kortet. Om ditt jobb är en stor, detaljerad, fotorealistisk bild har MiniMax-H3-Image fyra gånger så många pixlar för lägre kostnad per bild vid de storlekar som båda erbjuder.

Räknar på tusen bilder

Ta en batch på tusen 2K-produktbilder, endast generering, inga referenser. Qwen-Image 3.0 Standard till $0,03 blir $30. MiniMax-H3-Image till $0,02333 blir $23,33. Lägg till en referensbild per utdata – det vanliga fallet vid en kataloguppdatering där du vill ha en konsekvent produkt – och Qwen lägger till ungefär $3 i indatatoken, vilket landar nära $33, medan M{{1}}iniMax indatabildstaxa på $1,50 per miljon token lägger till en jämförbar andel, vilket fortfarande håller det under $30. I 4K-nivån är M{{2}}iniMax $68,79 i listpris för samma tusen, eller $34,39 med en tidsbegränsad rabatt på 50 % som gäller till 17 november 2026 kl. 16:00 UTC och kräver att varje levererad bild är minst 16 600 000 pixlar. Qwen-Image 3.0 har ingen 4K-nivå att prissätta.

De gapen är små i absoluta tal och de är inte anledningen till att välja någon av modellerna. Anledningen att välja MiniMax-H3-Image är att $23 i API-utgifter och $0 i marginalkostnad per bild på din egen hårdvara är två olika verksamheter, och bara en av dem kan modelleras framåt. Anledningen att välja Qwen-Image 3.0 är att den har en dokumenterad textpipeline och ett gränssnitt som du kan integrera i eftermiddag.

Ingen av modellerna finns på OrcaRouter, och den här texten tänker inte låtsas något annat. Det vi faktiskt erbjuder är snävare och värt att säga exakt: de bildmodeller vi routar — gpt-image-2.5-sunburst, gpt-image-2, G​emini-bildförhandsvisningarna, Imagen 4 i tre nivåer, G​rok Imagine Image — faktureras till leverantörens listpris med 0 % påslag som förs vidare, och en routningsregel kan falla tillbaka på en andra leverantör när den första misslyckas. Det hjälper dig inte att välja mellan MiniMax-H3-Image och Qwen-Image 3.0. Det hjälper den dag du slutar utvärdera och börjar leverera, och modellen du valde visar sig ha en dålig eftermiddag.

Vad licensfrågan egentligen kostar

"Öppna vikter" är korrekt för MiniMax-H3-Image och "öppen källkod" är frasen som ställer till problem för team. Community License Agreement är ett dokument med villkor som kan knytas till din produkt, och det enda ansvarsfulla rådet är att läsa själva filen i stället för en sammanfattning – inklusive denna. Detsamma gäller, ännu skarpare, för Qwen-Image-2.1: en icke-kommersiell forskningslicens innebär en prototyp du kan granska och en produkt du troligen inte kan släppa utan en konversation, och minst en jämförelsesajt listar fortfarande Qwen Image 3.0 som Apache-2.0, vilket helt enkelt är fel och är den sortens fel som kostar en vecka.

Det praktiska testet är kort. Kräver din plan att vikterna finns inom din egen gräns – för datahemvist, för kostnad vid volym eller för finjustering? Om ja är den enda kandidaten av dessa två MiniMax-H3-Image, och utträdet är reellt för ungefär 135 GB artefakter och en licensgranskning. Om nej är licensfrågan irrelevant och beslutet reduceras till textrendering kontra upplösning, på två modeller vars kvalitet ingen utanför deras leverantörer oberoende har mätt.

Det som är värt att hålla ögonen på är inte nästa uppdatering av resultattavlan, eftersom ingen av modellerna finns med på en sådan på ett sätt som avgör något. Det är huruvida A​libaba backar från stängningen och släpper vikter för 3.x-serien, eftersom det skulle sätta två öppna högupplösta bildmodeller på samma marknad för första gången på ett år — och huruvida MiniMax-H3-Image får en poäng, eftersom den enda part som just nu kan säga hur bra den är är du, med dina egna prompts, vilket antingen är den mest ärliga positionen i den här jämförelsen eller den mest besvärliga, beroende på hur mycket av din vecka du har.