MiniMax-H3-Image กับ FLUX 3: พิกัดหรือพิกเซล — สองแนวคิดที่แตกต่างกันเกี่ยวกับการควบคุม

ถ้าเอาสองโมเดลนี้มาเจอบรีฟเดียวกัน พวกมันจะล้มเหลวคนละทิศคนละทาง MiniMax-H3-Image ให้ความละเอียดสิบหกล้านพิกเซล ภาพอ้างอิงสิบหกภาพ และซัมเปลอร์หกขั้นตอน แต่ไม่มีวิธีบอกว่าอะไรควรอยู่ตรงไหน кромеการเขียนบรรยายเป็นข้อความ FLUX 3 ในระดับภาพของมัน ให้กรอบล้อมรอบทุกองค์ประกอบบนกริด 0–1000 ที่เขียนในรูปแบบ [y_min, x_min, y_max, x_max] ให้คุณแก้ไขทีละกรอบโดยไม่แตะส่วนที่เหลือของเฟรม และเริ่มบันไดความละเอียดที่ 768 พิกเซล โมเดลหนึ่งขายเรื่องความจุ อีกตัวขายเรื่องการกำหนดทิศทาง ถ้าปัญหาของคุณคือภาพถ่ายสินค้าที่ต้องยังดูดีเมื่อครอปไปเป็นป้ายบิลบอร์ด MiniMax-H3-Image คือตัวเดียวในสองตัวนี้ที่สร้างไฟล์นั้นได้ ถ้าปัญหาของคุณคือโลโก้ของลูกค้าต้องอยู่มุมซ้ายบนที่ความกว้าง 12% ของความกว้างเฟรมพอดี FLUX 3 คือตัวเดียวที่จะทำตามคำสั่งนี้ได้

Both are recent, and neither is a launch in this article. FLUX 3 was announced by Black Forest Labs on 23 July 2026 as a unified video, image, audio and action model; the image tier that this comparison is about went live with a published rate card on 1 October 2026. MiniMax-H3-Image's weights landed on Hugging Face on 10 November 2026 at 14:50 UTC, with a one-line card in M​iniMax's API release notes and no blog post anywhere on the company's site. So this is a comparison between a model that has had six weeks of paying traffic and one that had its first full day in public yesterday. That asymmetry runs through everything below, and it is the reason the honest answer at the end is conditional rather than a winner.

แต่ละรายการให้คุณระบุอะไรได้บ้าง

พื้นผิวควบคุมของ FLUX 3 เป็นเชิงพื้นที่ และเป็นสิ่งที่แสดงจุดยืนชัดเจนที่สุดเกี่ยวกับโมเดลนี้ แคนวาสเป็นกริด 0–1000 บนทั้งสองแกนเสมอโดยถูกนอร์มัลไลซ์ ดังนั้นพรอมป์ต์เลย์เอาต์จึงไม่ขึ้นกับความละเอียด: คุณอธิบายฉากโดยรวมในแคปชัน จากนั้นลิสต์องค์ประกอบต่าง ๆ พร้อม id กรอบ และคำอธิบาย แล้วอ้างอิง id เหล่านั้นภายในแคปชัน โมเดลจะวางแผนการจัดวาง — เอกสารของ BFL ระบุถึงโหมดเอเจนต์ที่ LLM สร้างเลย์เอาต์ — และหลังจากนั้นทุกกรอบยังคงแก้ไขได้ คุณสามารถอธิบายกรอบใหม่ แทนที่ หรือย้ายกรอบได้ และบริเวณที่คุณไม่ได้แตะจะถูกตรึงไว้ เรฟเฟอเรนซ์เป็นโทเคนที่มีหมายเลข ref_image_0 ไล่ขึ้นไป สูงสุดสิบรายการ และจะถูกประกอบเข้าด้วยกันเป็นฉากเดียวแทนที่จะซ้อนกันเป็นตัวเลือก

ส่วนควบคุมของ MiniMax-H3-Image อาศัยตำแหน่งและข้อความ ข้อความพรอมป์ป้อนได้สูงสุด 32,000 อักขระ โดยประมาณ 4,096 โทเคนแรกจะมีผล ภาพอ้างอิงป้อนได้สูงสุด 16 ภาพ โดยอ้างอิงตามลำดับการอัปโหลด — <Picture 1>, <Picture 2> — โดยไม่ต้องพิมพ์ใด ๆ เลย: ไม่มีสิ่งใดใน API ที่บอกโมเดลว่าภาพอ้างอิงใดคือตัวละคร ภาพใดคือสินค้า และภาพใดคือฉากหลัง การแก้ไขทั้งหมดแสดงออกมาด้วยภาษา ไม่มีรอบที่สอง ไม่มีพื้นที่มาสก์ ไม่มีระบบพิกัด

ความแตกต่างนั้นไม่ใช่ช่องว่างของคุณสมบัติในทิศทางเดียว สล็อตที่ไม่ได้ระบุประเภทสิบหกช่องให้พื้นที่มากกว่าการอ้างอิงแบบมีหมายเลขสิบรายการ และคำบรรยายที่อธิบายความสัมพันธ์ — “ผู้หญิงจากภาพที่ 3 สวมแจ็คเก็ตจากภาพที่ 7 อยู่ในห้องจากภาพที่ 1” — ถ่ายทอดข้อมูลที่ bounding box ทำไม่ได้ แต่ bounding box ให้ความแม่นยำที่คำบรรยายทำไม่ได้ และ MiniMax-H3-Image ก็ไม่มีสิ่งที่เทียบเท่า

ตัวเลข ทีละมิติ

• เพดานเอาต์พุต — FLUX 3 Image: 4K เผยแพร่ที่ 5456×3072 หรือประมาณ 16.8 MP ส่วน MiniMax-H3-Image: ประมาณ 16 MP ในทุกอัตราส่วนภาพ ตั้งแต่ 4096×4096 ที่ 1:1 ไปจนถึง 6272×2688 ที่ 21:9 โดย API จำกัดไว้ที่ 20 MP

• ระดับต่ำสุดของเอาต์พุต — FLUX 3 Image: 768×768. MiniMax-H3-Image: การ์ดระบุประมาณ 4 MP เป็นระดับต่ำสุดที่ใช้งานได้จริง โดยไม่มีระดับภาพขนาดเล็กเลย

• ราคาที่ระดับ 1K — FLUX 3 Image: $0.048 MiniMax-H3-Image: $0.02179

• ราคาที่ 2K — FLUX 3 Image: $0.10. MiniMax-H3-Image: $0.02333

• ราคาที่ 4K — FLUX 3 Image: $0.607. MiniMax-H3-Image: $0.06879 ราคาปกติ, $0.03439 ภายใต้ส่วนลดที่หมดอายุ 17 พฤศจิกายน 2026 เวลา 16:00 UTC

• ภาพอ้างอิง — FLUX 3 Image: สูงสุด 10 ภาพ กำหนดหมายเลขไว้ ไม่มีค่าใช้จ่าย MiniMax-H3-Image: สูงสุด 16 ภาพ อ้างอิงตามตำแหน่ง โดยคิดค่าใช้จ่ายเป็นโทเค็นภาพอินพุตในราคา 1.50 ดอลลาร์ต่อล้านโทเค็น

• การแก้ไข — FLUX 3 Image: ทำงานเฉพาะพื้นที่ที่กำหนดเป็นกรอบ รองรับหลายกรอบต่อหนึ่งคำขอ และคงพื้นที่ที่ไม่ถูกแก้ไขไว้ตามเดิม MiniMax-H3-Image: แก้ไขทั้งภาพตามที่อธิบายในพรอมต์ รองรับภาพอ้างอิงสูงสุด 16 ภาพในการเรียกหนึ่งครั้ง

• น้ำหนักโมเดล — FLUX 3 Image: ยังไม่เปิดตัว; การอนุญาตใช้น้ำหนักโมเดลเชิงพาณิชย์ขายให้บริษัทต่างๆ ในวงกว้างผ่านทีมขายของ BFL และโครงหลัก FLUX 3 Dev ยังคงอยู่ในสถานะ “เร็ว ๆ นี้” MiniMax-H3-Image: ดาวน์โหลดได้แล้ววันนี้ ขนาด 68.65 GB บวกกับตัวเข้ารหัสขนาด 66.7 GB ที่ยืมมาจาก MiniMax-H3

• การสุ่มตัวอย่าง — MiniMax-H3-Image: กำหนดตายตัวไว้ที่หกขั้นตอน ไม่มีการใช้ classifier-free guidance ค่าอื่นจะถูกปฏิเสธด้วย HTTP 400 FLUX 3 Image: ไม่มีการเผยแพร่จำนวนขั้นตอนหรือการควบคุม guidance؛ ระดับรูปภาพใช้งานผ่าน API เท่านั้น

• คะแนนอิสระ — FLUX 3 Image: Elo 1116 บนกระดานจัดอันดับ text-to-image ของ Artificial Analysis อยู่อันดับ 16 จาก 108 โดยใช้ตัวอย่างมากกว่า 6,457 รายการ; Elo 1119 บนกระดานจัดอันดับงานแก้ไขภาพ อยู่อันดับ 17 โดยใช้ตัวอย่างมากกว่า 5,256 รายการ. MiniMax-H3-Image: ไม่มีรายการบนกระดานจัดอันดับใดเลย และไม่มีตารางการประเมินจากผู้จำหน่ายเช่นกัน.

ช่องว่างด้านราคาใหญ่กว่าช่องว่างด้านความละเอียด และชี้ไปในทิศทางตรงกันข้าม

ที่ 1K MiniMax-H3-Image มีค่าใช้จ่าย $0.02179 และ FLUX 3 Image มีค่าใช้จ่าย $0.048 — มากกว่าครึ่งเล็กน้อย ที่ 2K อัตราส่วนขยายออกไปเป็นประมาณสี่ต่อหนึ่ง ที่ 4K เกือบเก้าต่อหนึ่ง: $0.607 เทียบกับ $0.06879 หรือสิบสองต่อหนึ่งเมื่อเทียบกับราคาที่ลดแล้ว $0.03439 เส้นโค้งนี้เป็นข้อเท็จจริงที่สำคัญที่สุดเพียงข้อเดียวในการเปรียบเทียบนี้ และควรค่าแก่การทำความเข้าใจว่าทำไมมันจึงมีรูปร่างเช่นนั้น แทนที่จะสันนิษฐานว่าผู้ขายรายใดรายหนึ่งกำลังโก่งราคา

FLUX 3 Image's ladder — $0.041, $0.048, $0.07, $0.10, $0.607 — is close to proportional to pixels up to 2K and then jumps hard at 4K. M​iniMax's ladder is nearly flat: $0.02179, $0.02333, $0.06879. Sixteen times the pixels for a little over three times the money. M​iniMax meters tokens and the token count does not scale with area the way a naive model would predict; BFL appears to price the 4K tier as a premium product. Whatever the reasoning on either side, the practical consequence is that at the resolution both models were built for, the open-weight one is nearly an order of magnitude cheaper.

That is also where the comparison stops being symmetrical. If you only ever generate 1K images, the price difference is two and a half cents and FLUX 3's layout control is probably worth more than the saving. The 4K tier is the only tier where the arithmetic changes a decision, and it is exactly the tier where M​iniMax's discount is temporary.

สิ่งที่ทราฟฟิกหกสัปดาห์ซื้อได้ และสิ่งที่หนึ่งวันทำไม่ได้

FLUX 3 Image ได้รับการให้คะแนนแล้ว Artificial Analysis จัดให้อยู่ในอันดับ 16 ในหมวดการสร้างภาพจากข้อความ ที่ Elo 1116 จากตัวอย่าง 6,457 ชิ้น และอันดับ 17 ในหมวดการแก้ไขภาพ ที่ Elo 1119 จาก 5,256 ชิ้น — อยู่กลางตาราง เหนือ FLUX.2 [max] และต่ำกว่าโมเดลส่วนใหญ่ในกลุ่ม Nano Banana และ MAI ปัจจุบัน ในราคาที่ระบุไว้ที่ 48 ดอลลาร์ต่อพันภาพ คุณสามารถนำตัวเลขนี้ไปวางเทียบกับตัวเลขของคู่แข่งแล้วตัดสินใจได้ และยังสามารถเฝ้าดูการเปลี่ยนแปลงได้เมื่อมีตัวอย่างเพิ่มขึ้น ซึ่งเป็นสิ่งที่เกิดขึ้นกับหลายโมเดลที่อยู่เหนือมันขึ้นไป

MiniMax-H3-Image ไม่มีอะไรที่เทียบได้ ไม่ใช่คะแนนต่ำ — แต่ไม่มีคะแนนเลย การ์ดของผู้จำหน่ายอ้างว่า “การทำตามคำสั่งได้ดีที่สุดในบรรดาโมเดลโอเพนซอร์ส” โดยไม่มีตารางประกอบ และกริดโชว์เคสบนหน้าโมเดลก็เป็นหลักฐานเดียวของผลลัพธ์ที่มีอยู่ การเปิดให้สาธารณะใช้งานเพียงหนึ่งวันไม่ใช่เวลามากพอให้อารีนาแบบตาบอดสะสมตัวอย่างบนโมเดลที่ใช้เวลาสิบวินาทีต่อการสร้างหนึ่งครั้ง ดังนั้นการไม่มีข้อมูลจึงเป็นสิ่งที่คาดไว้มากกว่าน่าสงสัย มันยังคงเป็นการไม่มีข้อมูล และหมายความว่าข้อโต้แย้งเรื่องคุณภาพของ MiniMax-H3-Image ในตอนนี้เป็นข้อโต้แย้งจากสถาปัตยกรรมและจากราคา

ข้อโต้แย้งเรื่องสถาปัตยกรรมไม่ใช่เรื่องเหลวไหล Dense diffusion transformer ขนาด 33.1B ที่ถูก distill ให้เหลือ six unguided steps เป็นทางเลือกโดยเจตนาเกี่ยวกับต้นทุนการให้บริการ และหกสเต็ปคือเหตุผลที่การสร้างภาพ 16 MP เป็นคำขอหนึ่งครั้งมากกว่างานแบบ batch job กรอบการนำเสนอของการ์ดเอง — 16 MP “ที่ต้นทุนการคำนวณเชิงปฏิบัติ” — เป็นข้อกล่าวอ้างเรื่อง FLOPs และสอดคล้องกับทุกอย่างใน repository มันเพียงแต่ไม่ใช่ข้อกล่าวอ้างเรื่องคุณภาพ และสองสิ่งนี้ถูกนำมาปนกันในโพสต์เปิดตัวทุกครั้ง

แต่ละตัวพังตรงไหนในโปรดักชัน

ขีดจำกัดของ FLUX 3 คือขนาดเอาต์พุตที่เล็กที่สุดของมัน ขอบล่างที่ 768 พิกเซลและขอบบนที่ 4K หมายความว่าโมเดลนี้อยู่ในช่วงที่สบายสำหรับงานเชิงพาณิชย์ส่วนใหญ่ และมันจะไม่ให้ภาพที่มีความกว้าง 6000 พิกเซลแก่คุณ นอกจากนี้มันยังเป็นโมเดลปิด คุณดาวน์โหลดมันไม่ได้ คุณปักหมุดเช็กพอยต์ไม่ได้ และหน้าสิทธิ์การใช้งานของ BFL ขายการโฮสต์เองให้กับบริษัทขนาดใหญ่ ไม่ใช่บุคคลทั่วไป หาก BFL เปลี่ยนราคา หรือยกเลิกแพ็กเกจใดแพ็กเกจหนึ่ง ไพป์ไลน์ของคุณก็จะเปลี่ยนตามไปด้วย ปริมาณการใช้งานหกสัปดาห์เป็นเพียงประวัติการใช้งาน ไม่ใช่การรับประกัน

MiniMax-H3-Image's limit is the licence, and it is stricter than “open weight” suggests. The MiniMax-H3-Image Community License Agreement excludes the European Union, the United Kingdom, the Republic of Korea and the United States by definition; requires separate written authorisation above one million US dollars of annualised revenue; requires the same for any hosted service with no revenue floor; requires the model's name displayed prominently on commercial interfaces; and forbids using outputs to train other models. If you are in one of those territories and building a product, the open weights are not available to you on these terms, and the hosted API — which M​iniMax sells — is the path that remains.

ยังมีข้อจำกัดที่สามที่ทั้งสองอย่างมีร่วมกัน และไม่มีโพสต์เปิดตัวใดกล่าวถึง นั่นคือลูปการประเมินผล ทั้งสองโมเดลไม่ได้ให้วิธีแก่คุณในการรู้ว่าพรอมป์ต์ที่กำหนดจะได้ผลหรือไม่ นอกจากจะสร้างมันออกมา กล่องของ FLUX 3 ลดขอบเขตของความล้มเหลวที่เป็นไปได้ให้เหลือเพียงการจัดวาง ซึ่งตรวจสอบได้ด้วยโค้ด ส่วนความล้มเหลวของ MiniMax-H3-Image นั้นเป็นเชิงความหมาย ซึ่งหมายความว่าต้องมีคนเข้ามาดู สำหรับไปป์ไลน์ที่สร้างภาพหลายพันภาพต่อวัน ความแตกต่างของต้นทุนการตรวจสอบนั้นอาจมากกว่าความแตกต่างของต้นทุนการสร้าง

ควรโทรหาใคร

ถ้าสิ่งส่งมอบมีขนาดใหญ่ — ไม่ว่าจะเป็นเพลตสำหรับพิมพ์ พื้นหลังที่จะถูกครอปเป็นสามอัตราส่วนภาพ หรือภาพฮีโร่ 4K ที่ต้องคงรายละเอียดไว้ที่ 100% — MiniMax-H3-Image คือตัวเลือกเดียวในที่นี้ที่สร้างไฟล์ออกมา และในราคา $0.06879 ต่อเฟรมก็ยังถูกกว่าอย่างมากอีกด้วย เลือกมันได้เลย ตั้งงบด้วยราคาตามรายการแทนราคาที่ลดแล้ว และอ่านสัญญาอนุญาตก่อนที่คุณจะสร้างผลิตภัณฑ์บนพื้นฐานของมัน

ถ้าสิ่งที่ส่งมอบเป็นงานเชิงองค์ประกอบ — เลย์เอาต์ที่ต้องเป๊ะ การแก้ไขที่ต้องปล่อยทุกอย่างอื่นไว้เหมือนเดิม ระบบแบรนด์ที่การจัดวางคือหัวใจทั้งหมด — FLUX 3 เป็นฝ่ายเดียวที่มีตัวควบคุม และมีการให้คะแนน ซึ่งหมายความว่าคุณคาดเดาได้ว่าคุณกำลังซื้ออะไร การเพิ่มขึ้นสองเซนต์ครึ่งที่ 1K ไม่ใช่ตัวเลขชี้ขาดในกรณีนั้น

หากคุณต้องการทั้งสองอย่าง รูปแบบที่ได้ผลจริงคือการแยกงานออกเป็นสองส่วนแทนที่จะเลือกข้างใดข้างหนึ่ง: แต่งและแก้ไขภาพที่ความละเอียดซึ่ง FLUX 3 รองรับ จากนั้นอัปสเกลหรือสร้างเฟรมที่อนุมัติแล้วขึ้นใหม่ที่ 16 MP นั่นคือการเรียกสองครั้งและสองบิลแทนที่จะเป็นครั้งเดียว และยังถูกกว่าการต้องมาค้นพบหลังจากสร้างไปแล้วร้อยครั้งว่าโมเดลของคุณไม่สามารถคงโลโก้ไว้ที่มุมภาพได้

Neither model is on OrcaRouter's catalogue today — FLUX 3 Image is a direct Black Forest Labs call, and MiniMax-H3-Image is M​iniMax's own API or your own GPUs — so nothing here is a routing recommendation. What we do carry is the video half of M​iniMax's H3 family, minimax/minimax-h3, alongside the image routes we do host, under one key with 0% markup on provider list price. The reason that matters in a comparison like this one is failover: when a 16 MP request takes longer than your client's timeout, a second route under the same interface is worth more than a better per-image price. Long, billed-on-timeout generations are precisely the workload where a fallback earns its keep, and M​iniMax charges for a timeout rather than refunding it.

คำถามที่จะตัดสินเรื่องนี้

สิ่งที่ขาดไปจากการเปรียบเทียบนี้ไม่ใช่สเปก แต่คือจำนวนตัวอย่าง เมื่อ MiniMax-H3-Image ปรากฏบนอารีนาภาพที่มีการโหวตแบบไม่ระบุตัวตนสองสามพันโหวต ช่องว่างราคาจะเลิกเป็นข้อโต้แย้งหลักและกลายเป็นการแลกเปลี่ยน: คุณภาพที่วัดได้จำนวนหนึ่งกับเงินจำนวนหนึ่ง จนถึงตอนนั้น FLUX 3 คือโมเดลที่คุณวิเคราะห์ให้เหตุผลได้ และ MiniMax-H3-Image คือโมเดลที่คุณต้องทดสอบ และต้นทุนในการทดสอบมันต่ำพอ — ไม่กี่ดอลลาร์กับเวลาบ่ายหนึ่ง — จนใครก็ตามที่มีงานส่งมอบระดับ 4K ควรลงมือทดสอบเองเลย ดีกว่ารอผลของคนอื่น