MiniMax-H3-Image มีอยู่ในสามแพลตฟอร์ม: แต่ละแพลตฟอร์มมอบอะไรให้คุณจริง ๆ

ประโยคจริงที่สั้นที่สุดเกี่ยวกับ MiniMax-H3-Image ในสัปดาห์นี้ กล่าวได้ว่ามีให้ใช้ในสามที่: Hugging Face, M​iniMax Code และ API ของ M​iniMax เอง ประโยคที่ผู้ซื้อต้องการจริง ๆ นั้นจำเพาะกว่า สองในสามอย่างนั้นยื่นปลายทางคำขอและตารางราคาให้คุณ; อีกอย่างยื่นเวต 135 กิกะไบต์ ใบอนุญาตให้อ่าน และการตัดสินใจเรื่องฮาร์ดแวร์ให้คุณ สิ่งเหล่านี้ไม่ใช่สามรูปแบบของการเข้าถึงเดียวกัน และการถือว่าใช้แทนกันได้คือทางที่ทำให้ทีมลงเอยด้วยการจัดสรรหนึ่งสัปดาห์ให้กับสิ่งที่ซื้อแบบรายภาพได้ในราคาสองเซนต์

โมเดลนี้เป็นการเปิดตัวจริง ไม่ใช่การนำมาบรรจุใหม่ MiniMax ได้วางน้ำหนักโมเดลไว้ในที่เก็บ Hugging Face MiniMaxAI/MiniMax-H3-Image เมื่อวันที่ 10 พฤศจิกายน 2026 เวลา 14:50 UTC และโพสต์เกี่ยวกับเรื่องนี้เมื่อเวลา 15:40 ในบ่ายวันเดียวกัน ส่วนตัวที่เก็บเองมีมาตั้งแต่วันที่ 3 พฤศจิกายน ซึ่งหมายความว่าน้ำหนักโมเดลมีอยู่แบบส่วนตัวเป็นเวลาหนึ่งสัปดาห์ก่อนที่ใครจะดาวน์โหลดได้ มันเป็น diffusion transformer ขนาด 33.1 พันล้านพารามิเตอร์ที่สร้างภาพได้ที่ประมาณสิบหกล้านพิกเซล ซึ่งก็คือ "4K" ในประกาศ และรองรับทั้ง text-to-image และการแก้ไขภาพโดยมีภาพอ้างอิงเป็นแนวทางจากเช็กพอยต์เดียว เนื้อหาต่อไปนี้จัดเรียงอยู่รอบคำถามหนึ่งข้อที่ประกาศไม่ได้ตอบไว้: คุณควรอยู่บนแพลตฟอร์มใด

ประตูหน้าสามบาน และมีเพียงบานเดียวเท่านั้นที่เป็นดาวน์โหลด

เริ่มจากสิ่งว่าประตูแต่ละบานคืออะไร เพราะความแตกต่างนั้นเป็นเชิงโครงสร้าง ไม่ใช่แค่รูปลักษณ์ภายนอก

ตัวAPIนี้เป็นเส้นทางตามแบบแผน โมเดลถูกระบุชื่อว่า MiniMax-H3-Imageพร้อมรุ่นพี่น้อง Highspeed บนแพลตฟอร์มต่างประเทศและจีนแผ่นดินใหญ่ของ M​iniMax โดยคิดค่าบริการต่อล้านโทเค็นขาเข้าและขาออก ไม่ใช่ต่อภาพ อินเทอร์เฟซนี้มีข้อกำหนดตายตัวผิดปกติ — หกขั้นตอนการสุ่ม ไม่มีมาตราส่วนคำแนะนำ ไม่มีพรอมต์เชิงลบ — และเอกสารอ้างอิงของ M​iniMax เองระบุว่าคำขอที่ขอสิ่งอื่นใดจะถูกตอบกลับเป็น HTTP 400 คุณกำลังซื้อเอนด์พอยต์ที่ใช้งานได้ซึ่งมีสูตรตายตัวอยู่ข้างใน

M​iniMax Code และ Hailuo AI เป็นส่วนติดต่อของผลิตภัณฑ์: โมเดลเดียวกันที่อยู่หลังกล่องพรอมต์ โดยมีการตัดสินใจเรื่องการสุ่มตัวอย่างไว้ล่วงหน้าแล้ว และไม่มีการคำนวณต่อโทเค็นให้คุณต้องทำ มีประโยชน์สำหรับประเมินว่าผลลัพธ์ออกมาดีเพียงใด แต่ไม่เป็นประโยชน์สำหรับการสร้างสิ่งใด เพราะสิ่งที่คุณจะใช้เป็นฐานในการสร้างนั้นไม่ได้ถูกเปิดเผย โปรดทราบด้วยว่า M​iniMax Code เป็นผลิตภัณฑ์เอเจนต์เขียนโค้ด ดังนั้นการสร้างภาพในผลิตภัณฑ์นี้จึงเป็นช่องทางเสริมมากกว่าหน้าที่หลัก — อย่าตีความว่า “มีให้ใช้บน M​iniMax Code” ว่าเป็น API สร้างภาพที่ห่อด้วยโค้ด

Hugging Faceคือประตูบานที่สาม และเป็นบานเดียวที่เป็นการโอนย้ายมากกว่าจะเป็นบริการ คุณจะได้รีโพซิทอรี ไฟล์ไลเซนส์ และชุดค่าน้ำหนักที่ตอนนี้คุณต้องทำให้มันรันให้ได้ การโฮสต์เองคือเหตุผลที่ทีมส่วนใหญ่หันมาดูโมเดลภาพแบบเปิดน้ำหนักเลยด้วยซ้ำ และยังเป็นจุดที่การคิดเลขเลิกเป็นเรื่องของโมเดล แล้วกลายเป็นเรื่องของแร็กของคุณ

รีโพซิทอรีนี้หนักกว่าที่จำนวนพารามิเตอร์ที่ขึ้นพาดหัวบ่งบอกไว้

พารามิเตอร์ 33.1 พันล้านตัวใน BF16 ใช้พื้นที่ประมาณ 66 GB ก่อนจะนับอย่างอื่น และ “อย่างอื่น” คือจุดที่รีโพซิทอรีนี้ทำให้คนประหลาดใจ ตัว diffusion transformer เพียงอย่างเดียวมีขนาด 66.28 GB ไฟล์ดาวน์โหลดทั้งหมดมีขนาด 68.65 GB ซึ่งครอบคลุม transformer บวก VAE และการกำหนดค่า ตัวเข้ารหัสข้อความไม่ได้รวมอยู่ในตัวเลขนั้น: MiniMax-H3-Image ใช้ตัวเข้ารหัสข้อความ Qwen3-VL จากรีโพซิทอรีวิดีโอ MiniMax-H3 ซ้ำ โดยอ่านจากเลเยอร์ที่ 50 ของมัน และตัวเข้ารหัสนั้นเป็นการดึงแยกต่างหากขนาด 66.7 GB พูดอีกอย่างคือ ให้เผื่ออาร์ติแฟกต์ราว 135 GB บนดิสก์ก่อนจะได้ภาพแรก และนั่นยังไม่นับแคชของเฟรมเวิร์กใด ๆ

สถาปัตยกรรมนี้คุ้มค่าที่จะอธิบายสักหนึ่งย่อหน้า เพราะมันบอกคุณว่าโมเดลนี้คืออะไร มีเลเยอร์ transformer จำนวน 50 ชั้น ขนาด hidden 5,376 หัว attention 56 หัว ความกว้าง feed-forward 14,336 พร้อม rotary position embeddings แบบหลายรูปแบบสามมิติ VAE เป็น convolutional encoder ที่จับคู่กับตัวถอดรหัส ViT สองมิติจำนวน 24 ชั้น ที่การลดขนาดเชิงพื้นที่ 16× และช่อง latent 24 ช่อง — ซึ่งเป็นทางเลือกของตัวถอดรหัสที่ใช้การประมวลผลมากกว่าตัวถอดรหัสแบบ convolutional ธรรมดาเมื่อถึงช่วงท้ายของไปป์ไลน์ และเป็นไปได้ว่านี่คือที่มาของรายละเอียดปลีกย่อยบางส่วนที่ความละเอียด 4K การออกแบบนี้ระบุไว้ใน model card ว่าเป็นสถาปัตยกรรม H3 ที่ตัดส่วนเสียงออก ซึ่งเป็นคำสรุปที่ยุติธรรม: นี่คือสาขาภาพของโมเดลวิดีโอ ที่จัดส่งออกมาเป็นผลิตภัณฑ์แยกต่างหาก

ผลลัพธ์ที่ตามมามีสองประการ ประการแรก ดิฟฟิวชันทรานส์ฟอร์เมอร์ระดับ 33B ที่ความละเอียดสิบหกล้านพิกเซลไม่ใช่โมเดลสำหรับแล็ปท็อป ไม่ว่าจำนวนพารามิเตอร์จะฟังดูเป็นอย่างไรเมื่อเทียบกับโมเดลภาษาในปัจจุบัน หน่วยความจำสำหรับแอ็กติเวชันขยายตามพื้นที่เอาต์พุต และพื้นที่คือจุดสำคัญทั้งหมดของการเปิดตัวนี้ ประการที่สอง เนื่องจากตัวเข้ารหัสข้อความถูกใช้ร่วมกับโมเดลวิดีโอ ร้านที่ใช้งาน MiniMax-H3 อยู่แล้วจึงมีไฟล์ดาวน์โหลดส่วนใหญ่อยู่ในดิสก์แล้ว นั่นคือส่วนลดจริง และเป็นสิ่งที่บรรทัด "available on Hugging Face" ไม่ได้สื่อออกมา

สี่วิธีในการเสิร์ฟมัน และอีกหนึ่งตัวเลขที่ไม่สอดคล้องกัน

การ์ดโมเดลระบุสี่เส้นทาง ได้แก่ SGLang, vLLM-Omni, diffusers และ ComfyUI ทีมของ vLLM ส่งมอบการรองรับตั้งแต่วันแรกใน vLLM-Omni สำหรับฮาร์ดแวร์ทั้ง NVIDIA และ AMD ในวันวางจำหน่าย โดยมีเอาต์พุตเนทีฟที่ราวสิบหกล้านพิกเซล ซึ่งเป็นสัญญาณการเปิดตัวที่แข็งแรงกว่าการที่มีน้ำหนักโมเดลอยู่เสียอีก — มีคนนอก M​iniMax รันมันได้แล้วก่อนที่ประกาศจะครบหนึ่งชั่วโมง Diffusers ครอบคลุมเส้นทางอ้างอิง และ ComfyUI ครอบคลุมกลุ่มผู้ใช้เวิร์กโฟลว์แบบกราฟ

ความไม่ตรงกันนี้คุ้มค่าที่จะชี้ให้เห็น เพราะมันจะสร้างปัญหาให้ใครสักคนในภายหลัง การ์ดโมเดลระบุถึงการแก้ไขด้วยภาพอ้างอิงได้สูงสุด 16ภาพอ้างอิง โดยระบุตำแหน่งเป็น <Picture 1> ถึง <Picture 16> ตามลำดับการอัปโหลด สูตรการเผยแพร่ vLLM-Omni สำหรับโมเดลเดียวกันระบุไว้สูงสุด 9ภาพต่อคำขอ ทั้งสองอย่างเป็นจริงพร้อมกันได้ — ขีดจำกัดการให้บริการของเฟรมเวิร์กกับความสามารถที่โมเดลถูกฝึกมานั้นเป็นตัวเลขที่ต่างกัน และข้อจำกัดด้านการแบตช์หรือหน่วยความจำในสแตกการให้บริการจะกำหนดก่อน — แต่ถ้าเวิร์กโฟลว์ของคุณต้องใช้ภาพอ้างอิงสิบสองภาพ คำตอบที่ตรงไปตรงมาในวันนี้คือความสามารถนั้นมีอยู่ แต่เส้นทางการให้บริการตามเอกสารอาจไม่รองรับความสามารถนั้น ทดสอบตัวเลขบนสแตกของคุณแทนที่จะเชื่อถือเอกสารใดเอกสารหนึ่ง

ข้อควรระวังเดียวกันนี้ใช้กับการ์ดพร้อมต์ด้วย การ์ดรับข้อความได้สูงสุด 32,000 ตัวอักษร โดยประมาณ 4,096 โทเคนแรกคือส่วนที่โมเดลนำไปใช้กำหนดเงื่อนไขจริง ๆ พรอมป์ต์ยาว ๆ จะไม่ถูกปฏิเสธ แต่ส่วนท้ายจะไม่ได้ทำงานใด ๆ ใครก็ตามที่นำพรอมป์ต์กำกับศิลป์แบบละเอียดซึ่งติดเป็นนิสัยจากการใช้โมเดลภาษามาใช้ จะรู้เรื่องนี้ก็ต่อเมื่อต้องเสียค่าใช้จ่ายไปแล้ว

ตัวสุ่มตัวอย่างเป็นข้อจำกัดที่คุณสืบทอดมา ไม่ใช่การตั้งค่าที่คุณปรับแต่ง

หกสเต็ป ไม่มี classifier-free guidance ไม่มี negative prompt นี่ไม่ใช่ค่าเริ่มต้นที่ยังมีช่องว่างให้ปรับเพิ่มได้ API จะปฏิเสธจำนวนสเต็ปและค่า guidance อื่นๆ โดยสิ้นเชิง โมเดลนี้ถูกกลั่นมาให้ทำงานใน six forward passes และเหตุผลทั้งหมดที่ transformer ขนาด 33B สามารถคืนภาพ 16 เมกะพิกเซลได้เร็วพอที่จะใช้งานได้จริงก็คือการกลั่นนั้น

สำหรับเส้นทาง API สิ่งนี้มองไม่เห็นและไม่มีปัญหา สำหรับเส้นทาง self-host นี่คือตัวเลขที่มีประโยชน์ที่สุดเพียงตัวเดียวในสเปกชีต และมีประโยชน์ถึงสองเท่าเลยทีเดียว มันจำกัดการประมวลผลต่อภาพไว้ที่การประเมิน transformer หกครั้ง แทนที่จะเป็น 25 ถึง 50 ครั้งที่โมเดลแบบไม่กลั่นตัวจะต้องใช้ ซึ่งเป็นสิ่งที่ทำให้ 16 เมกะพิกเซลใช้งานได้จริงตั้งแต่แรก และหมายความว่าวงจรการปรับแต่งแบบ self-hosting ตามปกติ — ลองเพิ่มสเต็ป เพิ่ม guidance เพิ่ม negative prompt ทำซ้ำ — ไม่มีอยู่ที่นี่ หากคุณภาพผลลัพธ์ไม่น่าพอใจ คันโยกคือ prompt และ references ไม่ใช่ sampler ทีมที่กันเวลาไว้หนึ่งสัปดาห์สำหรับ "การปรับแต่งโมเดล" ควรกันเวลาไว้สำหรับงาน prompt แทน

ค่าใช้จ่ายของแต่ละเส้นทาง ในหน่วยที่เรียกเก็บเงินจริง

API คิดค่าบริการเป็นโทเคน และตัวอย่างที่คำนวณไว้ในบัตรราคาก็เป็นวิธีที่ชัดเจนที่สุดในการทำความเข้าใจเรื่องนี้ คำขอ text-to-image ขนาด 1,024×1,024 ราคา $0.02179 คำขอขนาด 2,048×2,048 ราคา $0.02333 — คิดเป็น 1.07 เท่าของราคาสำหรับพิกเซลที่เพิ่มขึ้นสี่เท่า เพราะจำนวนโทเคนเพิ่มช้ากว่าพื้นที่มาก คำขอขนาด 4,096×4,096 ราคาปกติ $0.06879 และ $0.03439 ภายใต้ส่วนลด 50% แบบจำกัดเวลา ซึ่งใช้ได้ถึงวันที่ 17 พฤศจิกายน 2026 เวลา 16:00 UTC และกำหนดให้ภาพที่ส่งมอบต้องมีอย่างน้อย 16,600,000 พิกเซล อัตราของระดับ Standard คือ $2.30 ต่อหนึ่งล้านโทเคนข้อความอินพุต, $1.50 ต่อหนึ่งล้านโทเคนภาพอินพุต และ $3.80 ต่อหนึ่งล้านโทเคนภาพเอาต์พุต ส่วนระดับ Highspeed ใช้อัตราอินพุตเดิมและคิด $7.60 สำหรับเอาต์พุต

อ่านตัวเลขสามตัวนั้นประกอบกัน แล้วข้อโต้แย้งเรื่องราคาสำหรับ 4K ก็แทบจะหมดไป การได้พิกเซลสี่เท่าในราคา 1.07 เท่าเมื่อขยับไปที่ระดับ 2K ถือเป็นของขวัญ ส่วนการไปจาก 2K เป็น 4K มีค่าใช้จ่ายประมาณสามเท่าเพื่อพื้นที่เพิ่มขึ้นสี่เท่าเช่นเดียวกัน และมีเพียงส่วนลดเท่านั้นที่ทำให้กลับมาใกล้เคียงกับอัตราของ 2K หากการใช้งานของคุณไม่จำเป็นต้องใช้ 4,096 พิกเซลต่อด้าน ระดับ 2K คือจุดที่รุ่นนี้มีราคาถูก

OrcaRouter ไม่ให้บริการ MiniMax-H3-Image — ไม่มีเส้นทางสำหรับโมเดลนี้ที่นี่ และ CTA ในบทความนี้ชี้ไปยังโมเดลคู่ขนานฝั่งวิดีโอ minimax/minimax-h3 ซึ่งเราให้บริการเส้นทางนี้อยู่จริง สิ่งที่เราเสนอมีความเกี่ยวข้องกับวันที่เส้นทางนี้มีอยู่: ค่าบริการบวกเพิ่ม 0% โดยส่งผ่านราคาตามรายการของผู้ให้บริการ ซึ่งหมายความว่าการเปลี่ยนแปลงราคาจากผู้ขาย เช่นส่วนลด 4K นั้นจะไปถึงบิลของคุณในวันเดียวกับที่ไปถึงหน้าของผู้ขาย และจะมีการสลับไปใช้เส้นทางสำรองอัตโนมัติหากเส้นทางของผู้ให้บริการเสื่อมสภาพ จนถึงตอนนั้น การเปรียบเทียบที่สำคัญคือค่าใช้จ่าย API เทียบกับฮาร์ดแวร์ของคุณเอง และไม่มีเลเยอร์การกำหนดเส้นทางใดเปลี่ยนคณิตศาสตร์นั้นได้

โฮสต์เอง ด้วยราคาที่ตรงไปตรงมา

ไม่มีใครบอกต้นทุน self-host ต่อภาพให้คุณได้โดยไม่รู้ GPU ของคุณ เพราะปัจจัยที่มีน้ำหนักมากที่สุดคือ weights 135 GB พอดีในหน่วยความจำหรือต้อง offload สิ่งที่พูดได้อย่างแม่นยำคือ sampler หกขั้นกำหนดคอมพิวต์ เอาต์พุตสิบหกล้านพิกเซลกำหนดงบประมาณ activation และทั้งสองอย่างมีขนาดใหญ่ การ์ด 80 GB เพียงใบเดียวจะเก็บ transformer ได้ แต่เก็บ transformer พร้อม Qwen3-VL encoder ที่ความแม่นยำเต็มไม่ได้ ดังนั้นการกำหนดค่าที่สมจริงคือ multi-GPU หรือ offload encoder หรือใช้ transformer แบบ quantised พร้อมคำถามเรื่องคุณภาพที่ตามมา บวกค่าไฟ บวก engineer-week ในการทำให้ SGLang หรือ vLLM-Omni ให้บริการได้อย่างถูกต้อง แล้วจุดคุ้มทุนเทียบกับ $0.02333 ต่อภาพ 2K จะเป็นตัวเลขปริมาณในหลักหลายแสนภาพ ไม่ใช่หลักสิบ

เหตุผลที่ควรเลือกใช้ API ใน большинствеกรณี และเหตุผลที่ควรเลือกใช้เวตในบางกรณี ได้แก่ ธุรกิจที่ต้องการให้โมเดลอยู่ภายในขอบเขตของตนเองด้วยเหตุผลด้านข้อมูล หรือธุรกิจที่ใช้งาน MiniMax-H3 อยู่แล้วและมี encoder อยู่ในมือ หรือธุรกิจที่สร้างผลลัพธ์ในปริมาณมากพอที่ต้นทุนคงที่จะถูกเฉลี่ยจนคุ้มทุน คนอื่นๆ ควรประเมินราคา API ก่อน และติดตั้งเองเฉพาะเมื่อขอบเขตนั้นจำเป็นจริงๆ เท่านั้น

อ่านสัญญาอนุญาตก่อนดาวน์โหลด ไม่ใช่หลังจากนั้น

เวตของโมเดลได้รับการเผยแพร่ภายใต้ MiniMax-H3-Image Community License Agreement ซึ่งไม่ใช่ Apache 2.0 และไม่ใช่ MIT คำว่า "Open-weight" นั้นถูกต้อง ส่วน "open-source" คือคำที่ทำให้ทีมต่างๆ เดือดร้อน และนี่คือจุดในกระบวนการที่ทนายความควรอ่านไฟล์จริงแทนบล็อกโพสต์ รวมถึงโพสต์นี้ด้วย คำถามในทางปฏิบัติคือการใช้เชิงพาณิชย์ในระดับสเกล และว่าใบอนุญาตมีข้อกำหนดที่ผูกพันกับผลิตภัณฑ์ของคุณหรือไม่ และคำถามนั้นมีคำตอบอยู่ในรีโพซิทอรีที่ไม่มีสรุปใดทดแทนได้

มีอาร์ติแฟกต์ชิ้นที่สองที่เล็กกว่าและน่ารู้ไว้: M​iniMax มาพร้อมคอมโพเนนต์ Context-IR สำหรับโมเดล และโมเดลขยายพรอมต์แบบเลือกใช้ได้ชื่อ MiniMax-H3-Image-PE ตัวขยายพรอมต์อธิบายส่วนหนึ่งว่าเหตุใดโมเดลจึงรองรับพรอมต์ที่ยาวและละเอียดได้ มันเป็นตัวเลือกเสริม แยกจาก 68.65 GB และเป็นสิ่งประเภทที่คุณพบในรายการรีโพซิทอรีมากกว่าจะเป็นประกาศ

สิ่งที่ควรตรวจสอบในสแต็กของคุณเองในสัปดาห์นี้

• ข้อมูลอ้างอิง — ยืนยันว่าเส้นทางให้บริการของคุณรองรับ 16 ภาพ หรือ 9 ภาพตามที่เอกสารสูตรของ vLLM-Omni ระบุ โดยใช้คำขอจริงแทนการอ่านเอกสาร

• พื้นที่ที่มีผล — โมเดลจะทำงานต่ำกว่าสิบหกล้านพิกเซล และการกำหนดค่าจะแสดงพื้นที่การสร้างขั้นต่ำซึ่งมีค่าเริ่มต้นที่ 4,194,304 พิกเซล ทดสอบที่ช่วงเล็กสุดหากกรณีการใช้งานของคุณคือภาพขนาดย่อ เพราะโมเดลขนาดนี้อาจไม่ใช่ตัวเลือกที่ประหยัดที่ 1K

• หน่วยความจำ — วัด VRAM สูงสุดที่ 4,096×4,096 ก่อนซื้อฮาร์ดแวร์ หกขั้นตอนใช้การคำนวณน้อย แต่แอ็กทิเวชันไม่ใช่

• นาฬิกาส่วนลด — หากแผนคือ 4K อัตรา 50% จะสิ้นสุดวันที่ 17 พฤศจิกายน 2026 เวลา 16:00 UTC และไม่ว่าคุณจะใช้ API หรือฮาร์ดแวร์ของคุณเอง จะเป็นตัวกำหนดว่าเส้นตายนั้นสำคัญกับคุณหรือไม่

• สัญญาอนุญาต — อ่านให้ดี การดาวน์โหลดมีขนาด 135 GB และการตัดสินใจนี้ย้อนกลับได้ แต่สัญญาอนุญาตนั้นย้อนกลับไม่ได้

สิ่งที่น่าสนใจเกี่ยวกับการเปิดตัวนี้ไม่ใช่การที่มีโมเดลภาพแบบเปิดที่ดีตัวหนึ่งเกิดขึ้น แต่คือเป็นครั้งแรกในรอบพักหนึ่งที่มีตัวหนึ่งเกิดขึ้นโดยที่น้ำหนักโมเดล สูตรการใช้งานเฟรมเวิร์ก และเอนด์พอยต์แบบโฮสต์มาถึงพร้อมกันในสัปดาห์เดียวกัน นั่นเป็นสัญญาณที่แข็งแรงกว่ากราฟเบนช์มาร์ก เพราะมันหมายความว่าของสิ่งนี้ใช้งานได้จริง ไม่ว่าคุณควรจะรันมันเองหรือเรียกใช้ผ่านเอนด์พอยต์นั้น ขึ้นอยู่ทั้งหมดว่าคุณเดินผ่านประตูบานไหนในสามบานนี้ และประตูสามบานนั้นห่างกันมากกว่าที่ประกาศทำให้ฟังดูมาก