MiniMax-H3-Image กับ Nano Banana 2.1: ราคาแทบจะเท่ากัน แต่หลักฐานไม่ใกล้เคียงกันเลย

โมเดลภาพสองตัว ทั้งคู่ราคาราวสามเซนต์ต่อภาพ และการตัดสินใจเลือกระหว่าง MiniMax-H3-Image กับ Nano Banana 2.1 ไม่ได้ขึ้นอยู่กับราคา ที่ 1024×1024 ผู้มาใหม่แบบ open-weight มีต้นทุน $0.02179 ต่อการสร้างหนึ่งครั้ง และ Nano Banana 2.1 ของ Google มีต้นทุน $0.0336 — ต่างกันประมาณหนึ่งเซนต์ ที่ 4096×4096 ช่องว่างกว้างขึ้นเป็น $0.06879 เทียบกับ $0.113 ดังนั้นตัวที่ถูกกว่าก็ถูกกว่าจริง ๆ ตั้งแต่หนึ่งในสามถึงครึ่งหนึ่ง สิ่งที่คุณซื้อไม่ได้ในตอนนี้ไม่ว่าจะด้วยราคาเท่าใด คือเหตุผลที่จะเชื่อคำกล่าวอ้างเรื่องคุณภาพของตัวที่ถูกกว่า เพราะไม่มีใครนอกเหนือจาก MiniMax ที่วัดมันมา Nano Banana 2.1 อยู่อันดับสี่บนกระดานจัดอันดับภาพทั้งสองของ Artificial Analysis โดยมีตัวอย่างหลายพันรายการรองรับแต่ละอันดับ MiniMax-H3-Image ไม่ปรากฏบนกระดานทั้งสองเลย ไม่ว่าจะตำแหน่งใดหรือจำนวนตัวอย่างเท่าใด ความไม่สมมาตรนี้คือการเปรียบเทียบทั้งหมด และการคำนวณจากสเปกชีตไม่ว่าจะมากแค่ไหนก็ปิดช่องว่างนี้ไม่ได้

ควรพูดให้เจาะจงเรื่องวันที่ก่อนจะไปไกลกว่านี้ เพราะสองโมเดลนี้ไม่ได้อยู่ในระยะชีวิตเดียวกัน Nano Banana 2.1 ให้บริการแบบทั่วไป (generally available) มาตั้งแต่วันที่ 6 ตุลาคม 2026 ในชื่อ gemini-nano-banana-2.1 และเข้ามาแทนที่ gemini-3.1-flash-image ซึ่ง G​oogle ประกาศเลิกใช้โดยมีกำหนดปิดบริการในวันที่ 29 ตุลาคม 2026 — ดังนั้นหากคุณยังเรียกใช้ตัวเก่าอยู่ คุณก็ต้องย้ายมาแล้วอย่างเลี่ยงไม่ได้ ส่วนน้ำหนักของ MiniMax-H3-Image ขึ้นบน Hugging Face เมื่อวันที่ 10 พฤศจิกายน 2026 เวลา 14:50 UTC พร้อมการ์ดสั้น ๆ ในบันทึกการอัปเดต API ของ M​iniMax ลงวันที่เดียวกัน และไม่มีโพสต์บล็อกประกอบ โมเดลหนึ่งมีทราฟฟิกในโปรดักชันมาหนึ่งเดือน ส่วนอีกโมเดลเพิ่งเปิดให้ดาวน์โหลดได้มาหนึ่งวัน ก็จงตัดสินกันตามนั้น

แต่ละอันให้อะไรกับคุณจริง ๆ

Nano Banana 2.1 เป็นอนุพันธ์ของ Gemini 3.6 Flash ที่จำหน่ายผ่าน API ของ G​oogle เท่านั้น มีสามระดับความละเอียด ได้แก่ 1K, 2K และ 4K โดยไม่มีตัวเลือก 512 พิกเซล พร้อมอัตราส่วนภาพจากชุดมาตรฐานทั่วไป มีบริบทอินพุต 131,072 โทเคน และเอาต์พุต 32,768 โทเคน รองรับภาพอ้างอิงได้สูงสุด 14 ภาพในคำขอเดียว โดย G​oogle แบ่งเป็นภาพอ้างอิงวัตถุ 10 ภาพ และภาพอ้างอิงตัวละคร 4 ภาพ และสามารถอ้างอิงการสร้างจากผลการค้นหาของ G​oogle Search หรือ Image Search ได้ การทำงานแบบThinking เปิดอยู่เป็นค่าเริ่มต้นที่ระดับ medium โดยมีระดับ minimal และ high ให้เลือกใช้ และไม่สามารถปิดการทำงานนี้ผ่าน API ได้เลย ทุกเอาต์พุตมีลายน้ำ SynthID ติดอยู่ด้วย

MiniMax-H3-Image เป็น diffusion transformer แบบ dense ขนาด 33.1B พร้อม CNN encoder และ ViT decoder 24 ชั้นสำหรับ VAE เผยแพร่ภายใต้ใบอนุญาตชุมชนของ MiniMax เอง ทั้ง text-to-image และการแก้ไขภาพทำงานผ่าน endpoint คู่เดียว การแก้ไขภาพรับภาพอ้างอิง 1 ถึง 16 ภาพ โดยระบุตำแหน่งเป็น <Picture 1> ถึง <Picture 16> ตามลำดับการอัปโหลด และโมเดลถูกกลั่นให้ใช้การสุ่มตัวอย่างหกขั้นตอนโดยไม่มี classifier-free guidance — API ที่ให้บริการจะคืนค่า HTTP 400 หากคุณส่งสิ่งใดก็ตามที่ไม่ใช่ num_inference_steps=6 และ guidance_scale=1 พื้นที่เอาต์พุตถูกจำกัดไว้ที่ 20,000,000 พิกเซลผ่าน API โดยมีระดับพื้นที่ที่ 1K, 2K และ 4K และ 4K เป็นค่าเริ่มต้น การ์ดระบุว่าประมาณ 16 เมกะพิกเซลในทุกอัตราส่วนภาพ ไม่มีการระบุ search grounding งบประมาณการคิด และรูปแบบลายน้ำไว้ที่ใดในรีโพซิทอรีหรือใบอนุญาต

รายการความสามารถแตกต่างกันออกไปในลักษณะที่สอดคล้องกับกลุ่มผู้ใช้ของแต่ละผลิตภัณฑ์อย่างชัดเจน Google ส่งมอบการจัดการประสานงาน: การอ้างอิง การดึงข้อมูล งบประมาณการให้เหตุผล และเครื่องหมายระบุแหล่งที่มา MiniMax ส่งมอบความละเอียดและการควบคุม: ช่องอ้างอิงสิบหกช่อง เพดาน 20 เมกะพิกเซล และตัวสุ่มตัวอย่างแบบหกขั้นตอนคงที่ที่คุณสามารถทำซ้ำได้อย่างแม่นยำบนฮาร์ดแวร์ของคุณเอง

บันไดราคา พร้อมระบุช่วงเวลาส่วนลดอย่างชัดเจน

Nano Banana 2.1 คิดค่าบริการในอัตรา 30 ดอลลาร์ต่อโทเค็นภาพเอาต์พุตหนึ่งล้านโทเค็น ซึ่งเอกสารของ Google เองระบุว่าเท่ากับ 0.0336 ดอลลาร์ต่อภาพ 1K, 0.0504 ดอลลาร์ต่อภาพ 2K และ 0.113 ดอลลาร์ต่อภาพ 4K ภาพอินพุตคิดค่าบริการ 1.50 ดอลลาร์ต่อหนึ่งล้านโทเค็น และข้อความเอาต์พุต 7.50 ดอลลาร์ต่อหนึ่งล้าน มีระดับแบบแบตช์ที่ครึ่งหนึ่งของอัตราเอาต์พุตเหล่านั้นสำหรับงานที่รอได้ และ Artificial Analysis ระบุอัตรา 1K ที่มีผลจริงเป็น 33.60 ดอลลาร์ต่อหนึ่งพันภาพ — เป็นตัวเลขเดียวกันที่แสดงในแบบจำนวนมาก

MiniMax-H3-Image คิดค่าบริการตามหลักการเดียวกัน แต่ผลลัพธ์แตกต่างกันมาก ระดับมาตรฐาน: $2.30 ต่อหนึ่งล้านโทเค็นข้อความอินพุต, $1.50 ต่อหนึ่งล้านโทเค็นรูปภาพอินพุต, $3.80 ต่อหนึ่งล้านโทเค็นรูปภาพเอาต์พุต เมื่อลองคำนวณจากตัวอย่างของผู้จำหน่ายเอง:

• การสร้างภาพจากข้อความ 1K — Nano Banana 2.1 $0.0336 เทียบกับ MiniMax-H3-Image $0.02179

• การสร้างภาพจากข้อความระดับ 2K — $0.0504 เทียบกับ $0.02333

• การสร้างภาพจากข้อความ 4K — $0.113 เทียบกับ $0.06879 หรือ $0.03439 ภายใต้ส่วนลด 50% แบบจำกัดเวลาของ M​iniMax

• แก้ไขด้วยภาพอ้างอิง 1 ภาพ — Google ไม่ได้เผยแพร่ราคาการแก้ไขต่อภาพในระดับเหล่านี้; MiniMax คิดค่าบริการ $0.02654 ที่ 1K, $0.02658 ที่ 2K และ $0.07312 ที่ 4K

• แก้ไขด้วยข้อมูลอ้างอิงสามรายการ — $0.03563 ที่ 1K, $0.04177 ที่ 2K, $0.07914 ที่ 4K บน M​iniMax

รายละเอียดสองอย่างในขั้นบันไดราคานั้นมองข้ามได้ง่ายและเปลี่ยนผลการคำนวณ อย่างแรก ส่วนลดของ M​iniMax ใช้ได้เฉพาะเมื่อภาพที่ส่งมอบมีขนาดอย่างน้อย 16,600,000 พิกเซล และจะหมดอายุในวันที่ 17 พฤศจิกายน 2026 เวลา 16:00 UTC — หกวันหลังจากน้ำหนักโมเดลถูกเผยแพร่ หากคุณคิดราคาไปป์ไลน์โดยใช้ตัวเลข 4K ที่ได้ส่วนลด คุณกำลังตั้งราคาบนพื้นฐานของโปรโมชัน อย่างที่สอง ขั้นบันไดของ M​iniMax แบนผิดปกติ: ได้พิกเซลมากกว่าสิบหกเท่าในราคาที่มากกว่าเพียงสามเท่านิดหน่อย เพราะการคิดเงินนับเป็นโทเคน และจำนวนโทเคนไม่ได้เพิ่มตามพื้นที่ในแบบที่ราคาป้ายบ่งชี้ ขั้นบันไดของ G​oogle ใกล้เคียงกับสัดส่วนมากกว่า ที่ 4K ซึ่งเป็นความละเอียดที่โมเดลแบบ open-weight ถูกสร้างมาเพื่อรองรับ ความแบนตรงนั้นเองคือที่ซึ่งการประหยัดจริงอยู่

จุดที่เลเยอร์การกำหนดเส้นทางพิสูจน์คุณค่าในที่นี้ คือการไม่ต้องสนใจว่าคุณกำลังใช้มิเตอร์ตัวไหนในสองตัวนั้น OrcaRouter ส่งผ่านราคาตามรายการของผู้ให้บริการโดยคิดมาร์กอัป 0% ซึ่งหมายความว่าการเปลี่ยนแปลงราคาจากผู้ขาย — รวมถึงโปรโมชันอย่างของ M​iniMax และรวมถึงการสิ้นสุดโปรโมชันนั้น — มีผลฝั่งเราในวันเดียวกัน แทนที่จะต้องรอการย้ายระบบเรียกเก็บเงิน ไม่มีโมเดลใดในการเปรียบเทียบนี้อยู่ในแคตตาล็อกของเรา: MiniMax-H3-Image เพิ่งเปิดตัวได้หนึ่งสัปดาห์และยังไม่มีเส้นทางแบบโฮสต์ และ Nano Banana 2.1 เข้าถึงผ่าน API ของ G​oogle เอง สิ่งที่เรามีให้บริการจากตระกูลนั้นคือ รุ่นก่อนหน้า, google/gemini-3.1-flash-image-preview พร้อมด้วยเส้นทางรูปภาพของ O​penAI และเส้นทางวิดีโอสำหรับ H3 ของ M​iniMax เหตุผลที่ต้องพูดตรง ๆ ก็คือ บทความที่เปรียบเทียบ checkpoint แบบ open-weight ที่ยังไม่ได้วัดผล กับแบบ closed ที่มีคะแนนแล้ว ไม่ควรแสร้งว่า checkpoint ใหม่นั้นพร้อมใช้เพียงกดปุ่มเดียว

สิ่งนี้มีป้ายคะแนนอยู่เพียงฝั่งเดียวเท่านั้น

Artificial Analysis ให้คะแนน Nano Banana 2.1 ที่ Elo 1160 บนบอร์ด text-to-image อยู่อันดับสี่ จากตัวอย่างกว่า 6,055 รายการ และ Elo 1137 บนบอร์ด image-editing อยู่อันดับสี่เช่นกัน จากตัวอย่างกว่า 5,968 รายการ ทั้งสองตำแหน่งมีช่วงอันดับตั้งแต่สี่ถึงหก ขึ้นอยู่กับช่วงที่คุณอ่าน คะแนนเหล่านี้เป็นอิสระ มาจากการสุ่มตัวอย่าง และเปรียบเทียบได้กับโมเดลอื่นทุกตัวบนบอร์ด รวมถึงโมเดลที่คุณใช้งานอยู่แล้ว

MiniMax-H3-Image ไม่มีรายการอยู่ในบอร์ดทั้งสองแห่งเลย ไม่ใช่แค่อันดับต่ำ แต่ไม่มีเลย การ์ดของเจ้าของระบุว่าเป็น “โมเดลภาพแบบเปิดน้ำหนักชั้นนำ” และตารางโชว์เคสในรีโพซิทอรีก็เป็นหลักฐานเดียวเกี่ยวกับคุณภาพผลลัพธ์ที่มีอยู่ ซึ่งเป็นหลักฐานประเภทที่ถูกออกแบบมาให้ดูดีพอดี ไม่มีตารางประเมินผลจากเจ้าของเช่นกัน — ไม่มี GenEval ไม่มี DPG-Bench ไม่มีตัวเลขความชอบของมนุษย์ ไม่มีอะไรให้เทียบกับผลประเมินที่เผยแพร่ของคู่แข่งได้ อีกหนึ่งเดือนจากนี้เรื่องนี้อาจเปลี่ยนไป วันนี้ สรุปอย่างซื่อตรงคือ โมเดลที่ถูกกว่าก็ถูกกว่า และโมเดลที่ถูกวัดผลก็ถูกวัดผล แล้วข้อเท็จจริงสองข้อนี้ไม่ได้ขัดกัน เพราะมันพูดถึงคนละเรื่อง

มีต้นทุนลำดับที่สองที่ราคาต่อภาพปิดบังไว้ทั้งหมด และมันคือตัวเลขที่ใหญ่ที่สุดในบทความนี้: 68.65 GB ของ diffusion transformer และ VAE ใน BF16 และ FP32 บวกกับ text encoder ที่ ไม่มีอยู่ในรีโพซิทอรีเลย. MiniMax-H3-Image โหลด text_encoder/ จากโมเดลวิดีโอ MiniMax-H3 ซึ่งเป็น Qwen3-VL ขนาด 66.7 GB ดังนั้นการสร้างในเครื่องครั้งแรกจึงเป็นการดาวน์โหลดราว 135 GB จากสองรีโพซิทอรี เพิ่ม GPUs เข้าไป: คำแนะนำการให้บริการของ MiniMax เองสำหรับ vLLM-Omni ระบุ H200, RTX PRO 6000 Blackwell และ AMD Instinct MI350X และ multi-GPU sequence parallelism — --ulysses-degree บน SGLang, --usp บน vLLM-Omni — เป็นวิธีที่เอกสารระบุไว้เพื่อให้ได้ latency ที่ยอมรับได้ที่ความละเอียดเต็ม ที่ราคา $0.02179 ต่อภาพ 1K API ถูกกว่าค่าไฟฟ้าไปอีกนานมาก น้ำหนักแบบเปิดมีคุณค่าสำหรับการควบคุมและสำหรับเงื่อนไขของสัญญาอนุญาต ไม่ใช่สำหรับเศรษฐศาสตร์ต่อหน่วยในระดับเล็ก

ข้อจำกัดที่ตัดสินการดีพลอยได้มากกว่าคุณภาพเสียอีก

เพดานความละเอียดคือประเด็นที่ชัดเจนที่สุด และไม่ใช่การแข่งที่สูสีเลย Nano Banana 2.1 หยุดอยู่ที่ 4K ส่วน MiniMax-H3-Image ไปได้ถึง 20 เมกะพิกเซลผ่าน API และประมาณ 16 เมกะพิกเซลในตัวอย่างของการ์ด — 4096×4096 ที่ 1:1, 6272×2688 ที่ 21:9, 5472×3072 ที่ 4K 16:9 หากสิ่งที่คุณต้องส่งมอบคือเพลตขนาดพร้อมพิมพ์หรือภาพพื้นหลังที่จะถูกครอปอย่างหนัก โมเดลแบบปิดก็ตกรอบตั้งแต่ก่อนจะเข้าสู่การพูดถึงคุณภาพ และโมเดลทั้งสองในบทความนี้ก็เลิกแข่งขันกันไปโดยสิ้นเชิง

การจัดการภาพอ้างอิงเป็นสิ่งที่ตรงกันข้าม ภาพอ้างอิง 14 ภาพของ G​oogle ถูกกำหนดประเภทไว้ — วัตถุ 10 อย่าง ตัวละคร 4 ตัว — และการกำหนดประเภทนี้ก็มีบทบาทจริง: มันบอกโมเดลว่าแต่ละภาพมีบทบาทอย่างไร ส่วน 16 ช่องของ M​iniMax เป็นช่องที่ไม่ได้กำหนดประเภทและอ้างอิงตามตำแหน่ง ซึ่งให้พื้นที่มากกว่าแต่มีโครงสร้างน้อยกว่า หากเวิร์กโฟลว์ของคุณคือ “วางคนคนนี้ในแจ็คเก็ตตัวนี้บนฉากหลังนี้” การกำหนดประเภทของ G​oogle ก็คือจุดเด่น หากเป็น “นี่คือสิบหกเฟรม จงรักษาอัตลักษณ์ให้คงที่ตลอดทั้งสิบหกเฟรม” เพดานความสามารถของ M​iniMax ก็คือจุดเด่น ทั้งสองไม่ได้เป็นซูเปอร์เซ็ตของกันและกัน

งบพรอมป์คืออันดับที่สาม Nano Banana 2.1 มีบริบทอินพุต 131,072 โทเคนให้ใช้งาน MiniMax-H3-Image รองรับได้สูงสุด 32,000 ตัวอักษรบน API ที่ให้บริการ แต่มีเพียงราว 4,096 โทเคนแรกเท่านั้นที่มีผลเมื่อปิดการเสริมพรอมป์ และเส้นทาง SGLang ภายในตัดที่ 4,096 โทเคนโดยตรง สำหรับโมเดลที่จุดขายคือการทำตามคำสั่ง นั่นถือเป็นงบที่คับแคบ ซึ่งเป็นเหตุผลที่ MiniMax จึงออกคู่หูมาด้วย: MiniMax-H3-Image-PE ซึ่งเป็นไฟน์ทูน FP4 ขนาด 27B ของ Qwen3.8-27B ที่เขียนคำขอสั้น ๆ ใหม่ให้กลายเป็นคำบรรยายยาวพร้อมคำแนะนำอัตราส่วนภาพ และส่งออกเป็น JSON ตามสคีมา มันใช้ VRAM ประมาณ 19 GiB ครึ่งฝั่งการแก้ไขภาพอธิบายว่าเป็นแบบใช้พรอมป์เท่านั้นและยังอยู่ระหว่างการพัฒนา ดังนั้นตัวขยายพรอมป์ในปัจจุบันจึงช่วยงานข้อความเป็นภาพ และไม่ช่วยอะไรมากนัก

และใบอนุญาต ซึ่งไม่มีสิ่งเทียบเท่าฝั่ง G​oogle เพราะไม่มีอะไรให้อนุญาต ข้อตกลงชุมชนของ M​iniMax กำหนดให้ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรล่วงหน้าแยกต่างหากเมื่อมีรายได้ต่อปีเกินหนึ่งล้านดอลลาร์สหรัฐ หรือหากคุณให้บริการโฮสต์ ต้องแสดงคำว่า “MiniMax-H3-Image” อย่างเด่นชัดบนอินเทอร์เฟซเชิงพาณิชย์ใด ๆ ที่ใช้งานมัน จำกัดการใช้ไว้เฉพาะดินแดนที่กำหนด และห้ามใช้ผลลัพธ์เพื่อฝึกหรือปรับปรุงโมเดลอื่น ข้อกำหนดของ G​oogle เป็นสัญญา API มาตรฐาน “Open weights” ในที่นี้หมายถึงใบอนุญาตที่คุณต้องอ่าน ไม่ใช่ใบอนุญาตที่คุณเพิกเฉยได้

บิลทั้งสองใบมีหน้าตาอย่างไรสำหรับหนึ่งเดือนจริง

สมมติว่าคุณสร้างภาพ 20,000 ภาพต่อเดือนที่ 2K {{1}}Nano Banana 2.1{{/1}} มีราคาตามรายการที่ $1,008 หรือ $504 ในระดับแบบแบตช์หากงานสามารถเข้าคิวได้ {{2}}MiniMax-H3-Image{{/2}} มีราคาตามรายการที่ $466.60 ผ่าน API ของ {{3}}MiniMax{{/3}} — หรือหากโฮสต์เอง ก็เป็นค่าใช้จ่ายของ GPU เหล่านั้นสองถึงสี่ตัวตามจำนวนชั่วโมงที่เกี่ยวข้อง ซึ่งสำหรับทีมส่วนใหญ่แล้วสูงกว่า สมมติแทนว่าคุณสร้างภาพ 2,000 ภาพต่อเดือนที่ 4K และหน้าต่างส่วนลดปิดลงแล้ว: $226 สำหรับ {{4}}Google{{/4}}, $137.58 สำหรับ {{5}}MiniMax{{/5}} การประหยัดนั้นเป็นเรื่องจริง และเป็นหลักร้อยต่อเดือน ไม่ใช่หลักหมื่น นั่นคือขนาดของผลตอบแทนที่ถูกต้อง และควรนำไปชั่งน้ำหนักกับต้นทุนของการเป็นคนแรกที่ค้นพบว่าโมเดลที่ยังไม่ได้วัดผลนั้นพังตรงไหน

ความไม่สมมาตรนั้นชี้ให้ใช้รูปแบบเฉพาะเจาะจง มากกว่าจะเลือกผู้ชนะเพียงรายเดียว ให้เส้นทางโปรดักชันไปยังโมเดลที่อยู่บนกระดานคะแนน และส่งทราฟฟิกส่วนหนึ่งไปยังโมเดลราคาถูกเพื่อสร้างหลักฐานของคุณเอง — ชุดพรอมป์ตคงที่ การรีวิวด้วยตัวคุณเอง และการเปรียบเทียบเป็นเวลาสองสัปดาห์ นี่คือกรณีที่ failover ถูกออกแบบมาสำหรับจริง ๆ: โมเดลที่ไม่คุ้นเคยถูกมองเป็นเส้นทางตัวเลือกหนึ่ง ไม่ใช่ตัวแทนที่มาแทนที่ โดยมีโมเดลที่พิสูจน์แล้วว่าดีอยู่ด้านหลังเมื่องานที่ส่งกลับมาผิดพลาด การสุ่มแบบไม่มีคำแนะนำหกขั้นที่ 16 เมกะพิกเซลก็เป็นคำขอที่ยาวนานตามมาตรฐานงานภาพ และไม่เป็น idempotent ฝั่ง M​iniMax — ไคลเอนต์ที่หมดเวลาจะถูกคิดเงิน และ O​penAI SDK จะลองใหม่สองครั้งโดยค่าเริ่มต้น เว้นแต่คุณจะตั้งค่า max_retries=0คำขอที่ยาวนานและถูกคิดเงินเมื่อหมดเวลาเป็นคำขอประเภทที่คุณต้องการให้มีเส้นทางที่สองรองรับอยู่พอดี

คำถามที่ไขเรื่องนี้ได้ในประมาณหนึ่งเดือน

ไม่มีโมเดลไหนเป็นการเลือกที่ผิด; ตัวเลือกขึ้นอยู่กับว่าคุณมีกำลังพอที่จะเป็นคนที่ต้องวัดผลหรือไม่ ถ้าสิ่งที่ต้องส่งมอบต้องการสกอร์บอร์ดก่อนที่จะต้องการการตัดสินใจ Nano Banana 2.1 คือฝ่ายเดียวของการเปรียบเทียบนี้ที่มีสกอร์บอร์ด และที่ 4K ราคา $0.113 เทียบกับ $0.06879 ของ M​iniMax — เป็นส่วนต่างที่คุณจะต้องเสียเวลาถกเถียงกันภายในมากกว่าหนึ่งครั้ง ถ้าสิ่งที่ต้องส่งมอบต้องการ 16 เมกะพิกเซล การอ้างอิงที่ระบุประเภทไม่สำคัญ แต่ความละเอียดสำคัญ และ MiniMax-H3-Image เป็นฝ่ายเดียวที่มาพร้อมความละเอียดนี้

สิ่งที่ทำให้เรื่องนี้จบได้คือสิ่งที่ยังไม่เกิดขึ้น: การจัดอันดับที่เป็นอิสระ MiniMax-H3-Image เพิ่งเปิดตัวสู่สาธารณะได้หนึ่งวัน ยังมีคนสอบถามเกี่ยวกับเงื่อนไขสัญญาอนุญาตในกระทู้สนทนาของรีโพซิทอรีอยู่หลายชั่วโมงหลังจากน้ำหนักโมเดลปรากฏ และ prompt expander ของมันเองก็ยังทำไม่เสร็จดี เมื่อมันปรากฏบน Artificial Analysis พร้อมจำนวนตัวอย่าง ช่องว่างด้านราคาจะเลิกเป็นข้อโต้แย้งแบบใช้ตัวแทน และกลายเป็นการแลกเปลี่ยนจริง จนกว่าจะถึงตอนนั้น จงซื้อโมเดลที่ผ่านการวัดผลแล้วสำหรับงานที่ต้องส่งมอบ และมองโมเดลราคาถูกเป็นผู้สมัครที่คุณกำลังประเมิน — ไม่ใช่ตัวแทนที่คุณตัดสินใจแล้ว