MiniMax-H3-Image vs GPT Image 2.5: Cả hai đều nhận 16 ảnh tham chiếu, và đó cũng là nơi sự tương đồng kết thúc

The number sixteen appears on both spec sheets, and it means two different things. MiniMax-H3-Image accepts up to sixteen reference images in a single edit, addressed by upload order as <Picture 1> through <Picture 16>, with the request body capped by nothing except a 32,000-character prompt. GPT Image 2.5 — the Sunburst and Flare pair that O​penAI shipped on 8 September 2026 — accepts up to sixteen input images too, and its documentation is explicit about what happens when you send more than one: markup and masks apply to the first image, and everything after it is a reference. Sixteen slots against sixteen slots, one of which is the whole control surface and the other of which is a parameter you will probably never fill.

Sự trùng hợp đó là điều hữu ích nhất khi đặt hai mô hình này cạnh nhau, bởi mọi thứ còn lại ở chúng đều bất đối xứng theo cách dễ nói ra nhưng khó mà phóng đại quá mức. GPT Image 2.5 là mô hình hình ảnh tốt thứ hai và thứ tư trên thế giới trên bảng xếp hạng văn bản-thành-hình ảnh của Artificial Analysis, với mười ba nghìn phiếu bình chọn mù phía sau mỗi vị trí. MiniMax-H3-Image hoàn toàn không có vị trí nào — trọng số của nó được đăng tải lên Hugging Face vào ngày 10 tháng 11 năm 2026 lúc 14:50 UTC, một ngày trước khi bài viết này được viết, và chưa có đấu trường nào có thời gian để chấm điểm nó. Vì vậy, đây không phải là so sánh hai ứng viên trên cùng một mặt bằng. Đây là so sánh một mô hình đã được đo lường với một mô hình chưa được đo lường, và câu hỏi hữu ích là mô hình chưa được đo lường mang lại điều gì để biện minh cho việc tìm hiểu.

Hai lệnh gọi thực sự trông như thế nào

O​penAI's side is two model ids doing one job between them. gpt-image-2.5-sunburst is positioned for detailed compositions and precise editing; gpt-image-2.5-flare is the fast everyday variant. Both share the same snapshot date, the same endpoint surface and the same rate, and the split is latency against precision rather than capability against capability. There is no bare gpt-image-2.5 alias — you pick a variant. Generation goes to v1/images/generations, edits to v1/images/edits as multipart form data, and Batch is supported at half the output rate. Quality is a dial with six settings — low, medium, high, xhigh, max and auto, with auto the default.

M​iniMax's side is one model with two service tiers. MiniMax-H3-Image is a 33.1B dense diffusion transformer — 50 layers, hidden size 5,376, 56 attention heads, FFN width 14,336, 3D multimodal RoPE — distilled to six sampling steps with no classifier-free guidance. The served API enforces that: num_inference_steps must be 6 and guidance_scale must be 1, or you get an HTTP 400, and negative prompts are refused. Highspeed is the same weights at a higher per-token rate. There is no quality dial, no step count to raise, no second variant with different behaviour. You send a prompt and up to sixteen pictures and you get one image back, in a fixed number of passes.

Read those two paragraphs next to each other and the design philosophies separate cleanly. O​penAI gives you knobs and expects you to find the setting that fits the job. M​iniMax gives you one setting and expects the model to be good enough at it. The first is a tool; the second is an appliance.

Kích thước là nơi khoảng cách lớn nhất, và không hề sát sao chút nào

GPT Image 2.5 tops out at 3840×2160 — 8.29 megapixels — with dimensions required to be multiples of 16, an aspect ratio between 1:3 and 3:1, and anything above 2560×1440 flagged as experimental in O​penAI's own documentation. The recommended presets are 1024×1024, 1536×1024 and 1024×1536, and the custom-size path allows a pixel budget from 655,360 up to that 8,294,400 ceiling.

MiniMax-H3-Image's ceiling is roughly double that, and its floor is higher than O​penAI's ceiling-to-floor gap. The card claims about 16 megapixels at every aspect ratio — 4096×4096 at 1:1, 4736×3552 at 4:3, 5024×3360 at 3:2, 5472×3072 at 16:9, 6272×2688 at 21:9 — with the API capping output area at 20 megapixels and the practical working range described as 4 to 20 MP. There is no upscaler in the path; the model regenerates detail rather than enlarging it.

• Đầu ra tối đa — GPT Image 2.5: 3840×2160, 8,29 MP. MiniMax-H3-Image: khoảng 16 MP, lên tới 20 MP qua API.

Đầu ra hữu ích tối thiểu — GPT Image 2.5: 655.360 pixel, vì vậy hình thu nhỏ 768 pixel là một yêu cầu được hỗ trợ. MiniMax-H3-Image: khoảng 4 MP, không có phân hạng ảnh nhỏ.

• Reference images — both up to 16; O​penAI types the first as the edit target and treats the rest as references, M​iniMax orders all sixteen positionally with no typing.

• Kiểm soát chất lượng — GPT Image 2.5: sáu cài đặt chất lượng cùng với tự động. MiniMax-H3-Image: không có; sáu bước, không có hướng dẫn, bắt buộc.

• Định dạng đầu ra — GPT Image 2.5: mặc định là PNG, có hỗ trợ JPEG và WebP, mức nén 0–100, nền trong suốt thông qua background: "transparent". MiniMax-H3-Image: một tệp PNG trong data[0].b64_json.

Một trong những khác biệt này quyết định nhiều trường hợp triển khai hơn những khác biệt còn lại. Nếu đầu ra bạn cần là một plate 4K, GPT Image 2.5 không thể tạo ra nó — không phải ở chất lượng thấp hơn, cũng không phải bằng cách đổi một cài đặt nào đó. Nó dừng ở 8,29 megapixel và phần còn lại là upscaling. Đó không phải là lời chỉ trích mô hình; đó là một nhận định về mục đích của sản phẩm. Nhưng điều đó có nghĩa là hai mô hình ngừng cạnh tranh ngay khi yêu cầu của bạn vượt qua 8,3 MP, và không mức Elo đo được nào có thể khỏa lấp được điều đó.

Cả hai đều đo lường token, và chỉ một bên công bố một token mua được gì.

O​penAI bills GPT Image 2.5 by tokens: $5 per million text input tokens ($1.25 cached), $8 per million image input tokens ($2 cached), and $30 per million image output tokens, halved to $15 on the Batch API. Text output is not charged because the model returns images rather than prose. Those rates are unchanged from GPT Image 2, which is worth knowing if you priced the previous generation.

The number that matters and does not appear in O​penAI's rate card is how many output tokens an image costs, and O​penAI does not publish it — per-image consumption was not documented at launch and is still not documented per size. The only per-image figure in circulation is Artificial Analysis's derived $210.72 per thousand images, which is about $0.21 a frame at 1024×1024 with default settings. That is a third-party derivation from measured usage, not an O​penAI price, and it should be treated as an estimate that moves with quality setting and resolution.

M​iniMax publishes the resolved number directly, because its output rate is low enough that the arithmetic is simple: $2.30 per million input text tokens, $1.50 per million input image tokens, $3.80 per million output image tokens. The vendor's own worked examples give $0.02179 for a 1K image, $0.02333 at 2K and $0.06879 at 4K — the last of which is $0.03439 while a 50% discount holds, and that discount expires on 17 November 2026 at 16:00 UTC and applies only when the delivered image is at least 16,600,000 pixels.

Put the two side by side and the shape of the trade is stark. At 1024×1024, roughly $0.21 against $0.02179 — about ten to one. At the sizes each model is designed for, the comparison gets harder to make honestly, because GPT Image 2.5 at 8.29 MP and MiniMax-H3-Image at 16 MP are not the same product. What can be said without hedging is that if you are generating at 1K in volume, M​iniMax's price is an order of magnitude lower and its quality is unmeasured; that is the entire bet, stated plainly.

Two billing details on the M​iniMax side are easy to miss. Input images are billed per token at $1.50 per million, so references are not free — going from one to three references lifts a 2K edit from $0.02658 to $0.04177 in the vendor's own example. And the API charges for a request that times out, so a client-side retry policy turns one generation into two or three billed generations. O​penAI's documented behaviour is the opposite for failed and moderated requests, which it does not charge for.

Cơ sở bằng chứng đang thiếu cân đối, và cả hai mặt của điều đó đều quan trọng.

Trên bảng xếp hạng text-to-image của Artificial Analysis, GPT Image 2.5 Sunburst đứng thứ hai với Elo 1228 trên 13.370 mẫu, còn Flare đứng thứ tư với 1209 trên 12.695 mẫu. Trên bảng chỉnh sửa, cặp đôi này lần lượt đứng thứ ba và thứ năm — Sunburst đạt 1199 trên 18.617 mẫu, Flare đạt 1181 trên 19.498 mẫu. Đó là các ước lượng điểm với khoảng tin cậy cỡ hàng chục Elo, nghĩa là Sunburst và Flare không tách biệt một cách có ý nghĩa khỏi nhau trên text-to-image, và cả hai đều cao hơn một cách có ý nghĩa so với mọi thứ dưới hạng năm.

Cũng đáng lưu ý rằng GPT Image 2.5 không còn đứng đầu trong chính dòng sản phẩm của mình. Các biến thể 2.6 — Sunburst và Flare — hiện giữ vị trí thứ nhất và thứ ba trên bảng xếp hạng text-to-image và thứ nhất và thứ hai ở hạng mục chỉnh sửa, với cùng mức giá $210.72 cho mỗi nghìn hình ảnh. Vì vậy, độc giả lựa chọn giữa MiniMax-H3-Image và GPT Image 2.5 đang lựa chọn giữa một tân binh chưa được đo lường và thế hệ trước của một dòng đã được đo lường, trong khi thế hệ hiện tại của dòng đó chỉ cách một model id với cùng mức giá. Bất kỳ ai chọn 2.5 vì điểm số nên xem xét điểm số đó thực sự đang được so sánh với cái gì.

MiniMax-H3-Image không có điểm số trên bảng xếp hạng nào trong hai bảng và không có bảng đánh giá của nhà cung cấp — không GenEval, không DPG-Bench, không có số liệu về sở thích của con người. Tuyên bố trên thẻ mô hình mang tính định tính: “khả năng tuân thủ chỉ dẫn mạnh nhất trong số các mô hình mã nguồn mở”, mà không kèm bảng so sánh nào. Lưới trưng bày là bằng chứng đầu ra duy nhất hiện có, và một lưới trưng bày là sản phẩm được tuyển chọn. Không điều nào trong số này đáng ngờ đối với một mô hình mới công khai được một ngày vào thời điểm bài viết này được viết. Điều đó có nghĩa là mọi lập luận ủng hộ nó trong bài viết này đều là lập luận dựa trên giá, dựa trên độ phân giải hoặc dựa trên kiến trúc, và không luận điểm nào trong số đó là lập luận dựa trên chất lượng đo lường được.

Ngân sách prompt và những gì một mô hình có thể giữ trong đầu

GPT Image 2.5 accepts a normal O​penAI prompt and, per O​penAI's documentation, up to sixteen input images; the practical constraint on complex edits is not a character count but the mechanics of the request — the mask must match the first image in size and carry an alpha channel, and the annotation layer for markup edits must match the first image's dimensions exactly. There is no published token ceiling for image prompts in the model's documentation, which means the ceiling you plan against is the API's, not the model's.

MiniMax-H3-Image publishes a specific and modest budget: 32,000 characters on the served API, of which only about the first 4,096 tokens take effect, and the local SGLang path truncates at 4,096 tokens outright. For a model whose pitch is instruction following, four thousand tokens is tight — a detailed brief with sixteen reference images referenced by position eats a large fraction of it. M​iniMax's answer is a companion model: MiniMax-H3-Image-PE, a 27B prompt expander that rewrites a short request into a long caption plus an aspect-ratio recommendation and emits it as JSON. It fits in about 19 GiB of VRAM. Its editing path is described as prompt-only, so it helps text-to-image today and not much else.

That asymmetry is worth naming because it changes what “prompt following” means for each. O​penAI's model takes the prompt you wrote. M​iniMax's takes the prompt you wrote, or a prompt another model rewrote for it, and either way it has less room to hold the instruction. If your workflow depends on long, structured briefs with many named references, that is a real constraint and it will show up before quality ever does.

Giấy phép, khả năng giữ chân và cái giá của việc đóng kín

GPT Image 2.5 is closed. There are no weights, no self-hosting, no checkpoint to pin, and the commercial terms are an API contract. What O​penAI's developer documentation does state is that API data is not used for training unless you opt in, that the images endpoints are listed as not used for training, and that the models are Zero Data Retention compatible. Ownership and commercial-use terms live in separate policies, not in the developer docs.

MiniMax-H3-Image là mở, và giấy phép của nó hạn chế hơn so với hàm ý của từ này. Thỏa thuận Giấy phép Cộng đồng MiniMax-H3-Image theo định nghĩa loại trừ Liên minh châu Âu, Vương quốc Anh, Hàn Quốc và Hoa Kỳ; yêu cầu ủy quyền bằng văn bản riêng khi doanh thu hằng năm vượt quá một triệu đô la Mỹ; yêu cầu điều tương tự đối với mọi dịch vụ được lưu trữ mà không có ngưỡng doanh thu; yêu cầu hiển thị tên của mô hình một cách nổi bật trên các giao diện thương mại; và cấm sử dụng đầu ra để huấn luyện hoặc cải thiện các mô hình khác. Trang Hugging Face thể hiện tất cả những điều này dưới dạng giấy phép: khác.

Vậy cách đóng khung thông thường bị đảo ngược ở đây. Mô hình đóng có điều khoản đơn giản hơn và ít ràng buộc hơn — bạn có thể rời đi, chỉ là bạn không thể mang theo trọng số. Mô hình mở có điều khoản khắt khe hơn và ràng buộc mạnh hơn, vì một giấy phép loại trừ bốn thị trường lớn là hạn chế đối với doanh nghiệp của bạn mà không lượng trọng số có thể tải xuống nào bù đắp được. Nếu con đường tự vận hành là lý do bạn đang xem xét MiniMax-H3-Image, hãy đọc giấy phép trước thẻ mô hình.

Khi điều không được đo lường lại là lựa chọn đúng đắn.

Có ba trường hợp mà MiniMax-H3-Image là lựa chọn hiển nhiên dù không có bảng điểm, và không trường hợp nào là “vì nó rẻ hơn.”

Đầu tiên là độ phân giải. Nếu bạn cần hơn 8,29 megapixel từ một lần tạo duy nhất, GPT Image 2.5 không còn trong cuộc đua và cuộc so sánh đã kết thúc. Mười sáu megapixel với giá $0,06879 so với việc phóng to một khung hình 8,29 MP không phải là một cuộc so tài sít sao.

Điều thứ hai là khả năng tái lập. Sáu bước, không cần guidance, một lịch trình được công bố trong pdd_config.json, và trọng số mà bạn có thể tải về. Nếu một năm sau bạn cần cùng một đầu ra từ cùng một đầu vào trên phần cứng của riêng mình, GPT Image 2.5 không thể đáp ứng điều đó còn MiniMax-H3-Image thì có, miễn là giấy phép cho phép.

Điều thứ ba là khối lượng ở các kích thước nhỏ. Ở mức $0.02179 so với khoảng $0.21 tại 1K, một pipeline tạo ra một trăm nghìn ảnh thu nhỏ mỗi tháng đang đối mặt với mức chênh lệch tính bằng hàng chục nghìn đô la. Đó là số tiền đủ để biện minh cho việc tự chạy so sánh mù trong một tuần, và đó là cách duy nhất để bất kỳ con số nào trong hai con số này trở thành một quyết định.

Everything else points the other way. If you need a model that will not surprise you, GPT Image 2.5 has two board placements with thirteen thousand votes each and six weeks of paying traffic behind them; MiniMax-H3-Image has a day. If you need a quality dial, O​penAI has six settings and M​iniMax has none. If you need a small image, O​penAI goes down to 655,360 pixels and M​iniMax does not go below about 4 MP. And if you need the current best in that family rather than the previous generation, the 2.6 variants are the same price.

OrcaRouter routes both GPT Image 2.5 variants — gpt-image-2.5-sunburst and gpt-image-2.5-flare — under one key, at provider list price with 0% markup passed through, so a cut or a retirement on O​penAI's side is reflected the day it happens rather than the next time you migrate a billing integration. We do not serve MiniMax-H3-Image; it has no route on our catalogue, and the honest path to it today is M​iniMax's own API or the 135 GB of downloads. What we can do in a comparison like this is keep the measured side cheap to test and easy to fail over from, which is the part of the decision that does not depend on an arena score.

Điều gì sẽ khiến đây trở thành một so sánh thực sự?

Two things, and both are weeks rather than months away. The first is a MiniMax-H3-Image entry on an image arena with a few thousand samples, which will either confirm the price is a bargain or show it as what it currently is — an untested discount. The second is a per-image token figure from O​penAI at 2K and 4K, because the $0.21 estimate is a 1K number and the whole price argument shifts if the 4K multiplier is not what people assume.

Cho đến khi cả hai cùng tồn tại, quyết định này rõ ràng đến lạ thường: hãy mua mô hình đã được kiểm chứng cho những công việc buộc phải bàn giao ở độ phân giải vừa phải, và xem MiniMax-H3-Image là ứng viên cho những công việc mà GPT Image 2.5 về mặt cấu trúc không thể đảm nhận — mười sáu megapixel, khả năng tái lập chính xác tuyệt đối, hoặc khối lượng lớn, nơi mức chênh lệch giá gấp mười lần đủ bù đắp chi phí đánh giá vài lần.