MiniMax-H3-Image vs GPT Image 2.5: ทั้งคู่รับภาพอ้างอิงได้ 16 ภาพ และนั่นคือจุดที่ความคล้ายคลึงกันสิ้นสุดลง

หมายเลขสิบหกปรากฏอยู่บนสเปกชีตทั้งสองฉบับ และมันหมายถึงสองสิ่งที่แตกต่างกัน MiniMax-H3-Image รองรับภาพอ้างอิงได้สูงสุดสิบหกภาพในการแก้ไขครั้งเดียว โดยอ้างอิงตามลำดับการอัปโหลดเป็น <Picture 1> ถึง <Picture 16> โดยเนื้อหาคำขอไม่ถูกจำกัดด้วยสิ่งใดนอกจากพรอมต์ความยาว 32,000 อักขระ GPT Image 2.5 — คู่ Sunburst และ Flare ที่ OpenAI เปิดตัวเมื่อวันที่ 8 กันยายน 2026 — รองรับภาพอินพุตได้สูงสุดสิบหกภาพเช่นกัน และเอกสารประกอบระบุชัดเจนว่าเกิดอะไรขึ้นเมื่อคุณส่งภาพมากกว่าหนึ่งภาพ: มาร์กอัปและมาสก์จะใช้กับภาพแรก และทุกอย่างหลังจากนั้นถือเป็นภาพอ้างอิง สิบหกช่องเทียบกับสิบหกช่อง โดยช่องหนึ่งเป็นพื้นที่ควบคุมทั้งหมด ส่วนอีกช่องเป็นพารามิเตอร์ที่คุณคงไม่เคยใช้จนเต็ม

ความบังเอิญนั้นเป็นสิ่งที่มีประโยชน์ที่สุดในการนำสองโมเดลนี้มาเปรียบเทียบเคียงกัน เพราะทุกอย่างอื่นเกี่ยวกับทั้งสองมีความไม่สมมาตรในแบบที่พูดได้ง่ายแต่ยากจะกล่าวเกินจริง GPT Image 2.5 เป็นโมเดลภาพที่ดีเป็นอันดับสองและอันดับสี่ของโลกบนบอร์ด text-to-image ของ Artificial Analysis โดยมีคะแนนโหวตแบบปิดชื่อ 13,000 คะแนนหนุนหลังแต่ละอันดับ MiniMax-H3-Image ไม่มีอันดับเลยด้วยซ้ำ — น้ำหนักโมเดลเพิ่งขึ้นบน Hugging Face เมื่อวันที่ 10 พฤศจิกายน 2026 เวลา 14:50 UTC หนึ่งวันก่อนเขียนสิ่งนี้ และยังไม่มีอารีนาใดมีเวลาประเมินคะแนนมัน ดังนั้นนี่จึงไม่ใช่การเปรียบเทียบผู้เข้าชิงสองรายบนพื้นฐานที่เท่าเทียมกัน แต่เป็นการเปรียบเทียบระหว่างโมเดลที่ถูกวัดผลแล้วกับโมเดลที่ยังไม่ถูกวัดผล และคำถามที่มีประโยชน์คือโมเดลที่ยังไม่ถูกวัดผลนั้นมีอะไรให้บ้างที่จะคุ้มค่าพอจะลองหาคำตอบ

การเรียกทั้งสองครั้งมีหน้าตาจริง ๆ เป็นอย่างไร

ฝั่ง OpenAI คือ model id สองตัวที่ช่วยกันทำงานเดียว gpt-image-2.5-sunburst ถูกวางตำแหน่งสำหรับองค์ประกอบภาพที่มีรายละเอียดและการแก้ไขที่แม่นยำ; gpt-image-2.5-flare เป็นรุ่นที่รวดเร็วสำหรับการใช้งานประจำวัน ทั้งสองใช้วันที่ snapshot เดียวกัน ชุด endpoint เดียวกัน และอัตราเดียวกัน โดยการแบ่งนี้คือการแลกความหน่วงกับความแม่นยำ มากกว่าการแลกความสามารถกับความสามารถ ไม่มี alias แบบเปล่าสำหรับ gpt-image-2.5 — คุณต้องเลือก variant การสร้างภาพไปที่ v1/images/generations ส่วนการแก้ไขไปที่ v1/images/edits ในรูปแบบ multipart form data และรองรับ Batch ที่อัตราเอาต์พุตครึ่งหนึ่ง Quality เป็นตัวปรับที่มีการตั้งค่าหกระดับ — low, medium, high, xhigh, max และ auto โดยมี auto เป็นค่าเริ่มต้น

ฝั่งของ MiniMax คือโมเดลเดียวที่มีสองระดับบริการ MiniMax-H3-Imageเป็น dense diffusion transformer ขนาด 33.1B — 50 เลเยอร์ ขนาด hidden 5,376, 56 attention head, ความกว้าง FFN 14,336, 3D multimodal RoPE — ถูกกลั่นให้เหลือหกขั้นตอนการสุ่มโดยไม่มี classifier-free guidance API ที่ให้บริการบังคับใช้สิ่งนี้: num_inference_stepsต้องเป็น 6 และ guidance_scaleต้องเป็น 1 ไม่เช่นนั้นคุณจะได้รับ HTTP 400 และ negative prompt จะถูกปฏิเสธ Highspeed คือน้ำหนักเดียวกันในอัตราต่อโทเคนที่สูงกว่า ไม่มีปุ่มปรับคุณภาพ ไม่มีจำนวนขั้นตอนให้เพิ่ม ไม่มีตัวแปรที่สองที่มีพฤติกรรมแตกต่างออกไป คุณส่งพรอมต์และรูปภาพได้สูงสุดสิบหกรูป แล้วคุณจะได้ภาพกลับมาหนึ่งภาพ ในจำนวนรอบการประมวลผลที่ตายตัว

อ่านสองย่อหน้านั้นวางเคียงกัน แล้วปรัชญาการออกแบบจะแยกออกจากกันอย่างชัดเจน OpenAI ให้ปุ่มปรับต่าง ๆ แก่คุณและคาดหวังให้คุณหาค่าการตั้งค่าที่เหมาะกับงาน ส่วน MiniMax ให้ค่าการตั้งค่าเดียวและคาดหวังว่าโมเดลจะเก่งพอในค่านั้น อันแรกคือเครื่องมือ ส่วนอันหลังคือเครื่องใช้สำเร็จรูป

ขนาดคือจุดที่ช่องว่างกว้างที่สุด และมันไม่ได้ใกล้เคียงเลย

GPT Image 2.5 รองรับสูงสุดที่ 3840×2160 — 8.29 เมกะพิกเซล — โดยขนาดต้องเป็นจำนวนเต็มทวีคูณของ 16 อัตราส่วนภาพอยู่ระหว่าง 1:3 ถึง 3:1 และขนาดใดก็ตามที่สูงกว่า 2560×1440 จะถูกระบุว่าเป็น experimental ในเอกสารของ OpenAI เอง พรีเซ็ตที่แนะนำคือ 1024×1024, 1536×1024 และ 1024×1536 ส่วนเส้นทางการกำหนดขนาดเองอนุญาตให้มีงบพิกเซลได้ตั้งแต่ 655,360 ไปจนถึงเพดาน 8,294,400 นั้น

เพดานของ MiniMax-H3-Image นั้นสูงเป็นประมาณสองเท่าของค่านั้น และค่าต่ำสุดของมันก็สูงกว่าช่องว่างระหว่างเพดานกับพื้นของ OpenAI การ์ดระบุว่าประมาณ 16 เมกะพิกเซลในทุกอัตราส่วนภาพ — 4096×4096 ที่ 1:1, 4736×3552 ที่ 4:3, 5024×3360 ที่ 3:2, 5472×3072 ที่ 16:9, 6272×2688 ที่ 21:9 — โดย API จำกัดพื้นที่เอาต์พุตไว้ที่ 20 เมกะพิกเซล และช่วงการทำงานจริงระบุไว้ที่ 4 ถึง 20 MP ไม่มีตัวอัปสเกลในเส้นทางนี้ โมเดลจะสร้างรายละเอียดใหม่แทนการขยายขนาด

• เอาต์พุตสูงสุด — GPT Image 2.5: 3840×2160, 8.29 MP. MiniMax-H3-Image: ประมาณ 16 MP และสูงสุด 20 MP ผ่าน API

• เอาต์พุตที่มีประโยชน์ขั้นต่ำ — GPT Image 2.5: 655,360 พิกเซล ดังนั้นคำขอสร้างภาพขนาดย่อ 768 พิกเซลจึงเป็นคำขอที่รองรับได้ MiniMax-H3-Image: ประมาณ 4 MP โดยไม่มีระดับสำหรับภาพขนาดเล็ก

• รูปภาพอ้างอิง — ทั้งสองรองรับได้สูงสุด 16 รูป; OpenAI กำหนดให้รูปแรกเป็นเป้าหมายในการแก้ไขและถือว่ารูปที่เหลือเป็นข้อมูลอ้างอิง ส่วน MiniMax จะเรียงทั้งสิบหกรูปตามตำแหน่งโดยไม่มีการกำหนดประเภท

• การควบคุมคุณภาพ — GPT Image 2.5: การตั้งค่าคุณภาพหกระดับ พร้อมauto. MiniMax-H3-Image: ไม่มี; หกขั้นตอน ไม่มีคำแนะนำ บังคับใช้

• รูปแบบเอาต์พุต — GPT Image 2.5: ค่าเริ่มต้นเป็น PNG, มี JPEG และ WebP พร้อมใช้งาน, การบีบอัด 0–100, พื้นหลังโปร่งใสผ่าน background: "transparent". MiniMax-H3-Image: เป็น PNG ใน data[0].b64_json.

ความแตกต่างข้อหนึ่งในบรรดาข้อเหล่านี้เป็นตัวตัดสินการนำไปใช้งานได้มากกว่าข้ออื่น ๆ หากสิ่งที่คุณต้องส่งมอบคือภาพระดับ 4K แล้ว GPT Image 2.5 ทำไม่ได้ — ไม่ใช่แค่คุณภาพต่ำลง หรือเปลี่ยนการตั้งค่าแล้วจะแก้ได้ มันหยุดอยู่ที่ 8.29 เมกะพิกเซล ส่วนที่เหลือเป็นการอัปสเกล นั่นไม่ใช่การวิจารณ์โมเดล แต่เป็นข้อความเกี่ยวกับว่าผลิตภัณฑ์นี้มีไว้เพื่ออะไร แต่มันหมายความว่าสองโมเดลนี้จะเลิกแข่งขันกันทันทีที่ความต้องการของคุณเกิน 8.3 MP และค่า Elo ที่วัดได้จะมากแค่ไหนก็ปิดช่องว่างนั้นไม่ได้

โทเค็นมิเตอร์ทั้งสอง และมีเพียงตัวเดียวเท่านั้นที่เผยแพร่สิ่งที่โทเค็นหนึ่งหน่วยซื้อได้

OpenAI คิดเงิน GPT Image 2.5 ตามโทเคน: 5 ดอลลาร์ต่อล้านโทเคนอินพุตข้อความ (แคช 1.25 ดอลลาร์), 8 ดอลลาร์ต่อล้านโทเคนอินพุตภาพ (แคช 2 ดอลลาร์) และ 30 ดอลลาร์ต่อล้านโทเคนเอาต์พุตภาพ โดยลดครึ่งหนึ่งเหลือ 15 ดอลลาร์บน Batch API เอาต์พุตข้อความไม่ถูกคิดเงินเพราะโมเดลส่งคืนภาพแทนข้อความ อัตราเหล่านี้ไม่เปลี่ยนแปลงจาก GPT Image 2 ซึ่งเป็นสิ่งที่น่ารู้หากคุณเคยตั้งราคารุ่นก่อนหน้า

จำนวนที่สำคัญและไม่ปรากฏในตารางราคาของ OpenAI คือรูปภาพหนึ่งภาพใช้โทเค็นเอาต์พุตเท่าใด และ OpenAI ไม่ได้เผยแพร่ข้อมูลนี้ — การใช้ต่อภาพไม่ได้รับการบันทึกไว้ตอนเปิดตัว และยังไม่มีการบันทึกแยกตามขนาดจนถึง現在 ตัวเลขต่อภาพเพียงตัวเดียวที่เผยแพร่กันอยู่คือ 210.72 ดอลลาร์ต่อพันภาพซึ่งอนุมานโดย Artificial Analysis หรือประมาณ 0.21 ดอลลาร์ต่อเฟรมที่ 1024×1024 ด้วยการตั้งค่าเริ่มต้น นั่นเป็นการอนุมานโดยบุคคลที่สามจากการใช้งานที่วัดได้ ไม่ใช่ราคาของ OpenAI และควรถือเป็นเพียงประมาณการที่แปรผันตามการตั้งค่าคุณภาพและความละเอียด

MiniMax เผยแพร่ตัวเลขที่คำนวณสรุปแล้วโดยตรง เนื่องจากอัตราค่าเอาต์พุตต่ำพอที่การคำนวณจะง่าย: 2.30 ดอลลาร์ต่อหนึ่งล้านโทเค็นข้อความอินพุต, 1.50 ดอลลาร์ต่อหนึ่งล้านโทเค็นรูปภาพอินพุต, 3.80 ดอลลาร์ต่อหนึ่งล้านโทเค็นรูปภาพเอาต์พุต ตัวอย่างที่ผู้ขายคำนวณไว้เองให้ราคา 0.02179 ดอลลาร์สำหรับภาพ 1K, 0.02333 ดอลลาร์ที่ 2K และ 0.06879 ดอลลาร์ที่ 4K — โดยราคาสุดท้ายอยู่ที่ 0.03439 ดอลลาร์ตราบเท่าที่ส่วนลด 50% ยังใช้ได้ และส่วนลดดังกล่าวจะสิ้นสุดในวันที่ 17 พฤศจิกายน 2026 เวลา 16:00 UTC และใช้ได้เฉพาะเมื่อภาพที่ส่งมอบมีขนาดอย่างน้อย 16,600,000 พิกเซล

วางสองตัวนี้เคียงกัน แล้วรูปร่างของการแลกเปลี่ยนจะชัดเจนมาก ที่ 1024×1024 ราว $0.21 เทียบกับ $0.02179 — ประมาณสิบต่อหนึ่ง ที่ขนาดที่แต่ละโมเดลออกแบบมา การเปรียบเทียบจะทำอย่างซื่อตรงได้ยากขึ้น เพราะ GPT Image 2.5 ที่ 8.29 MP และ MiniMax-H3-Image ที่ 16 MP ไม่ใช่สินค้าเดียวกัน สิ่งที่พูดได้โดยไม่ต้องเลี่ยงคือ ถ้าคุณสร้างภาพที่ 1K ในปริมาณมาก ราคาของ MiniMax ต่ำกว่าหนึ่งลำดับขนาด และคุณภาพยังไม่ได้ถูกวัด นั่นคือเดิมพันทั้งหมดที่พูดออกมาอย่างตรงไปตรงมา

รายละเอียดการเรียกเก็บเงินสองจุดฝั่ง MiniMax นั้นมองข้ามได้ง่าย ภาพอินพุตถูกคิดเงินตามโทเคนในราคา $1.50 ต่อล้านโทเคน ดังนั้นภาพอ้างอิงจึงไม่ได้ฟรี — การเพิ่มจากหนึ่งเป็นสามภาพอ้างอิงทำให้งานแก้ไขภาพ 2K เพิ่มจาก $0.02658 เป็น $0.04177 ในตัวอย่างของผู้ให้บริการเอง และ API คิดเงินสำหรับคำขอที่หมดเวลา ดังนั้นนโยบายลองใหม่ฝั่งไคลเอนต์จึงเปลี่ยนการสร้างหนึ่งครั้งให้กลายเป็นการสร้างที่ถูกคิดเงินสองหรือสามครั้ง พฤติกรรมที่ OpenAI ระบุไว้กลับตรงกันข้ามสำหรับคำขอที่ล้มเหลวและคำขอที่ถูกกลั่นกรอง ซึ่ง OpenAI ไม่คิดเงิน

ฐานหลักฐานนั้นเอนเอียง และทั้งสองด้านของเรื่องนี้ล้วนสำคัญ

บนบอร์ดแปลงข้อความเป็นภาพของ Artificial Analysis, GPT Image 2.5 Sunburst อยู่อันดับสองด้วย Elo 1228 จากตัวอย่าง 13,370 ชิ้น และ Flare อยู่อันดับสี่ด้วย 1209 จาก 12,695 ชิ้น บนบอร์ดแก้ไขภาพ คู่นี้อยู่อันดับสามและห้า — Sunburst 1199 จากตัวอย่าง 18,617 ชิ้น และ Flare 1181 จาก 19,498 ชิ้น ตัวเลขเหล่านั้นเป็นค่าประมาณแบบจุดที่มีช่วงความเชื่อมั่นในระดับสิบ Elo กล่าวคือ Sunburst และ Flare ไม่ได้แยกจากกันอย่างมีนัยสำคัญในการแปลงข้อความเป็นภาพ และทั้งคู่อยู่เหนือทุกสิ่งทุกอย่างที่ต่ำกว่าอันดับห้าอย่างมีนัยสำคัญ

น่าสังเกตว่า GPT Image 2.5 ไม่ใช่รุ่นท็อปของตระกูลเดียวกันอีกต่อไปแล้ว โดยรุ่นย่อย 2.6 ได้แก่ Sunburst และ Flare ครองอันดับหนึ่งและอันดับสามบนกระดานจัดอันดับ text-to-image และอันดับหนึ่งกับอันดับสองบนกระดานการแก้ไขภาพ ในราคาเดียวกันที่ $210.72 ต่อพันภาพ ดังนั้น ผู้อ่านที่เลือกระหว่าง MiniMax-H3-Image กับ GPT Image 2.5 จึงกำลังเลือกระหว่างผู้มาใหม่ที่ยังไม่ถูกวัดผล กับรุ่นก่อนของสาย產品ที่ถูกวัดผลแล้ว ขณะที่รุ่นปัจจุบันของสายเดียวกันนั้นอยู่ห่างออกไปเพียงหนึ่ง model id ในราคาเดียวกัน ใครก็ตามที่เลือก 2.5 เพราะคะแนน ควรดูว่าคะแนนนั้นกำลังเทียบกับอะไรจริง ๆ

MiniMax-H3-Image ไม่มีคะแนนบนบอร์ดใดบอร์ดหนึ่งเลย และไม่มีตารางการประเมินจากผู้จำหน่าย — ไม่มี GenEval ไม่มี DPG-Bench ไม่มีตัวเลขความชื่นชอบจากมนุษย์ ข้อกล่าวอ้างบนการ์ดเป็นเชิงคุณภาพ: “การทำตามคำสั่งที่ดีที่สุดในบรรดาโมเดลโอเพนซอร์ส” โดยไม่มีตารางเปรียบเทียบแนบมาด้วย กริดโชว์เคสเป็นหลักฐานผลลัพธ์เดียวที่มีอยู่ และกริดโชว์เคสก็เป็นสิ่งที่ถูกคัดสรรจัดทำขึ้น ไม่มีสิ่งใดในนี้ที่น่าสงสัยสำหรับโมเดลที่เพิ่งเปิดให้สาธารณะมาได้หนึ่งวันตอนที่เขียนบทความนี้ แต่ก็หมายความว่าทุกข้อโต้แย้งที่สนับสนุนมันในบทความนี้เป็นข้อโต้แย้งจากราคา จากความละเอียด หรือจากสถาปัตยกรรม และไม่มีข้อใดเลยที่เป็นข้อโต้แย้งจากคุณภาพที่วัดได้

งบประมาณพรอมต์ และสิ่งที่โมเดลสามารถเก็บไว้ในหัวได้

GPT Image 2.5 ยอมรับพรอมต์ OpenAI แบบปกติ และตามเอกสารของ OpenAI ยังรับภาพอินพุตได้สูงสุดสิบหกภาพ ข้อจำกัดในทางปฏิบัติสำหรับการแก้ไขที่ซับซ้อนไม่ใช่จำนวนอักขระ แต่เป็นกลไกของการร้องขอ — มาสก์ต้องมีขนาดตรงกับภาพแรกและมีแชนเนลอัลฟา และเลเยอร์แอนโนเทชันสำหรับการแก้ไขด้วยการมาร์กอัปต้องมีขนาดตรงกับภาพแรกทุกประการ ไม่มีเพดานโทเคนที่เผยแพร่สำหรับพรอมต์ภาพในเอกสารของโมเดล ซึ่งหมายความว่าเพดานที่คุณวางแผนรองรับคือของ API ไม่ใช่ของโมเดล

MiniMax-H3-Image เปิดเผยงบประมาณที่เจาะจงและพอประมาณ: 32,000 อักขระบน API ที่ให้บริการ ซึ่งมีเพียงประมาณ 4,096 โทเคนแรกเท่านั้นที่มีผล และเส้นทาง SGLang ภายในเครื่องตัดทิ้งที่ 4,096 โทเคนโดยตรง สำหรับโมเดลที่จุดขายคือการทำตามคำสั่ง สี่พันโทเคนถือว่าคับแคบ — บรีฟโดยละเอียดที่มีภาพอ้างอิงสิบหกภาพซึ่งอ้างถึงตามตำแหน่งกินสัดส่วนใหญ่ของงบนั้น คำตอบของ MiniMax คือโมเดลคู่หู: MiniMax-H3-Image-PE ตัวขยายพรอมป์ขนาด 27B ที่เขียนคำขอสั้นใหม่ให้เป็นแคปชันยาวพร้อมคำแนะนำอัตราส่วนภาพและส่งออกเป็น JSON มันพอดีใน VRAM ประมาณ 19 GiB เส้นทางการแก้ไขภาพของมันถูกอธิบายว่าเป็นแบบพรอมป์เท่านั้น ดังนั้นจึงช่วยงานการสร้างภาพจากข้อความในปัจจุบัน และไม่ช่วยอะไรได้มากนัก

ความไม่สมมาตรนั้นควรค่าแก่การเรียกให้ชัด เพราะมันเปลี่ยนความหมายของ “การทำตามพรอมป์ต์” สำหรับแต่ละเจ้า โมเดลของ OpenAI รับพรอมป์ต์ที่คุณเขียน ส่วนของ MiniMax รับพรอมป์ต์ที่คุณเขียน หรือพรอมป์ต์ที่โมเดลอื่นเขียนใหม่ให้ และไม่ว่าจะแบบไหน มันก็มีพื้นที่ให้เก็บคำสั่งได้น้อยกว่า หากเวิร์กโฟลว์ของคุณพึ่งพาบรีฟยาว ๆ ที่มีโครงสร้างและมีการอ้างอิงถึงชื่อจำนวนมาก นั่นคือข้อจำกัดจริง และมันจะปรากฏให้เห็นก่อนที่คุณภาพจะได้มีบทบาทด้วยซ้ำ

สัญญาอนุญาต การเก็บรักษา และต้นทุนของการปิดกั้น

GPT Image 2.5 เป็นโมเดลแบบปิด ไม่มี weights ให้ดาวน์โหลด ไม่มีการโฮสต์เอง ไม่มี checkpoint ให้ปักหมุด และเงื่อนไขทางการค้าคือสัญญาการใช้งานผ่าน API สิ่งที่เอกสารสำหรับนักพัฒนาของ OpenAI ระบุไว้คือ ข้อมูล API จะไม่ถูกนำไปใช้ในการฝึกโมเดล เว้นแต่คุณจะเลือกเข้าร่วม (opt in) เอนด์พอยต์ด้านรูปภาพถูกระบุว่าไม่ถูกนำไปใช้ในการฝึก และโมเดลเหล่านี้เข้ากันได้กับการไม่เก็บข้อมูล (Zero Data Retention) ส่วนเงื่อนไขความเป็นเจ้าของและการใช้งานเชิงพาณิชย์อยู่ในนโยบายแยกต่างหาก ไม่ได้อยู่ในเอกสารสำหรับนักพัฒนา

MiniMax-H3-Image เปิดให้ใช้งานแล้ว และสัญญาอนุญาตนี้มีข้อจำกัดเข้มงวดกว่าที่คำนี้สื่อ ข้อตกลงสัญญาอนุญาตชุมชน MiniMax-H3-Image กำหนดยกเว้นสหภาพยุโรป สหราชอาณาจักร สาธารณรัฐเกาหลี และสหรัฐอเมริกาตามคำนิยาม; กำหนดให้ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรแยกต่างหากเมื่อมีรายได้ต่อปีเกินหนึ่งล้านดอลลาร์สหรัฐ; กำหนดเช่นเดียวกันสำหรับบริการโฮสต์ใด ๆ โดยไม่มีเกณฑ์รายได้ขั้นต่ำ; กำหนดให้แสดงชื่อโมเดลอย่างเด่นชัดบนอินเทอร์เฟซเชิงพาณิชย์; และห้ามนำผลลัพธ์ไปใช้ฝึกหรือปรับปรุงโมเดลอื่น หน้า Hugging Face เปิดเผยข้อมูลทั้งหมดนี้ในรูปแบบ สัญญาอนุญาต: อื่น ๆ.

ดังนั้นกรอบความคิดแบบปกติจึงกลับด้านตรงนี้ โมเดลแบบปิดมีข้อกำหนดที่เรียบง่ายกว่าและการผูกมัดที่อ่อนกว่า — คุณออกไปได้ แค่เอาน้ำหนักโมเดลไปไม่ได้ โมเดลแบบเปิดมีข้อกำหนดที่หนักกว่าและการผูกมัดที่แน่นหนากว่า เพราะสัญญาอนุญาตที่กีดกันตลาดสำคัญสี่แห่งเป็นข้อจำกัดต่อธุรกิจของคุณที่น้ำหนักซึ่งดาวน์โหลดได้ไม่ว่ามากแค่ไหนก็ชดเชยไม่ได้ หากเส้นทางแบบโฮสต์เองเป็นเหตุผลที่คุณกำลังพิจารณา MiniMax-H3-Image อยู่ ให้อ่านสัญญาอนุญาตก่อนการ์ดโมเดล

เมื่อสิ่งที่ไม่ได้ถูกวัดคือทางเลือกที่ถูกต้อง

มีสามกรณีที่ MiniMax-H3-Image เป็นตัวเลือกที่ชัดเจนแม้จะไม่มีสกอร์บอร์ด และไม่มีกรณีใดเลยที่เป็น “เพราะมันถูกกว่า”

ข้อแรกคือความละเอียด หากคุณต้องการมากกว่า 8.29 เมกะพิกเซลจากการสร้างครั้งเดียว GPT Image 2.5 ก็ตกรอบ และการเปรียบเทียบก็จบลง สิบหกเมกะพิกเซลในราคา $0.06879 เทียบกับการอัปสเกลเฟรม 8.29 MP ไม่ใช่การตัดสินที่สูสีเลย

ข้อที่สองคือความสามารถในการทำซ้ำ มีหกขั้นตอน ไม่มีคำแนะนำ มีกำหนดการที่เผยแพร่ไว้ใน pdd_config.json และมีค่าน้ำหนักโมเดลที่ดาวน์โหลดได้ หากคุณต้องการผลลัพธ์เดียวกันจากอินพุตเดียวกันบนฮาร์ดแวร์ของคุณเองในอีกหนึ่งปีข้างหน้า GPT Image 2.5 ไม่สามารถมอบสิ่งนั้นได้ แต่ MiniMax-H3-Image ทำได้ หากเงื่อนไขสัญญาอนุญาตเอื้ออำนวย

ข้อที่สามคือปริมาณที่ขนาดเล็ก เมื่อเทียบ $0.02179 กับประมาณ $0.21 ที่ 1K ไปป์ไลน์ที่สร้างภาพขนาดย่อหนึ่งแสนภาพต่อเดือนกำลังเผชิญกับความแตกต่างที่คิดเป็นเงินหลายหมื่นดอลลาร์ เงินจำนวนนั้นมากพอที่จะทำให้การรันการเปรียบเทียบแบบปิดตาด้วยตัวเองเป็นเวลาหนึ่งสัปดาห์นั้นคุ้มค่า ซึ่งเป็นวิธีเดียวที่ตัวเลขใดๆ เหล่านี้จะกลายเป็นการตัดสินใจได้

ทุกอย่างที่เหลือชี้ไปในทางตรงกันข้าม หากคุณต้องการโมเดลที่จะไม่ทำให้คุณประหลาดใจ GPT Image 2.5 มีสองตำแหน่งบนกระดานจัดอันดับ โดยแต่ละตำแหน่งมีคะแนนโหวตหนึ่งหมื่นสามพันคะแนนและมีทราฟฟิกแบบเสียค่าใช้จ่ายหนุนหลังมาหกสัปดาห์ ส่วน MiniMax-H3-Image มีเพียงหนึ่งวัน หากคุณต้องการปุ่มปรับคุณภาพ OpenAI มีหกระดับการตั้งค่า ส่วน MiniMax ไม่มีเลย หากคุณต้องการภาพขนาดเล็ก OpenAI ลดได้ถึง 655,360 พิกเซล ส่วน MiniMax ไม่ลดต่ำกว่าประมาณ 4 MP และหากคุณต้องการรุ่นที่ดีที่สุดในปัจจุบันของตระกูลนั้นแทนรุ่นก่อนหน้า รุ่นย่อย 2.6 มีราคาเท่ากัน

OrcaRouter ให้บริการทั้งสองรุ่นของ GPT Image 2.5 — gpt-image-2.5-sunburst และ gpt-image-2.5-flare — ภายใต้คีย์เดียว ในราคาตามรายการของผู้ให้บริการโดยมีมาร์กอัป 0% ที่ส่งผ่านไป ดังนั้นหาก OpenAI ปรับลดหรือเลิกให้บริการ สิ่งนี้จะสะท้อนในวันที่เกิดขึ้นจริง ไม่ใช่ครั้งถัดไปที่คุณย้ายการเชื่อมต่อระบบเรียกเก็บเงิน เราไม่ให้บริการ MiniMax-H3-Image; โมเดลนี้ไม่มีเส้นทางในแคตตาล็อกของเรา และเส้นทางที่ตรงไปตรงมาที่สุดสู่มันในวันนี้คือ API ของ MiniMax เอง หรือไฟล์ดาวน์โหลดขนาด 135 GB สิ่งที่เราทำได้ในการเปรียบเทียบแบบนี้คือทำให้ฝั่งที่ถูกวัดผลมีต้นทุนการทดสอบต่ำและง่ายต่อการ fail over ออกจากฝั่งนั้น ซึ่งเป็นส่วนของการตัดสินใจที่ไม่ขึ้นอยู่กับคะแนนจากอารีนา

อะไรจะทำให้สิ่งนี้เป็นการเปรียบเทียบที่แท้จริง

มีสองเรื่อง และทั้งสองเรื่องเหลือเวลาอีกไม่กี่สัปดาห์ ไม่ใช่ไม่กี่เดือน เรื่องแรกคือรายการ MiniMax-H3-Image บนอารีน่ารูปภาพที่มีตัวอย่างไม่กี่พันชิ้น ซึ่งจะยืนยันว่าราคานั้นคุ้มค่ามาก หรือแสดงให้เห็นว่ามันเป็นอย่างที่มันเป็นอยู่ในตอนนี้ — ส่วนลดที่ยังไม่ได้ทดสอบ เรื่องที่สองคือจำนวนโทเคนต่อภาพจาก OpenAI ที่ความละเอียด 2K และ 4K เพราะค่าประมาณ $0.21 เป็นตัวเลขของ 1K และข้อโต้แย้งเรื่องราคาทั้งหมดจะเปลี่ยนไป หากตัวคูณสำหรับ 4K ไม่ใช่สิ่งที่คนทั่วไปคิดกัน

จนกว่าทั้งสองจะพร้อมใช้งาน การตัดสินใจนี้ชัดเจนผิดปกติ: ซื้อโมเดลที่ผ่านการวัดผลแล้วสำหรับงานที่ต้องส่งมอบที่ความละเอียดปานกลาง และมอง MiniMax-H3-Image เป็นตัวเลือกสำหรับงานที่ GPT Image 2.5 ทำไม่ได้โดยโครงสร้าง — สิบหกล้านพิกเซล การทำซ้ำได้แม่นยำทุกครั้ง หรือปริมาณงานที่ช่องว่างราคาสิบต่อหนึ่งชดเชยค่าประเมินได้หลายเท่าตัว