MiniMax-H3-Image đối đầu Nano Banana 2: Trọng số mở, biên giới đóng

Điều đáng ngạc nhiên ở MiniMax-H3-Image không phải là điểm số của nó. Mà là tấm bản đồ trong giấy phép của nó. Checkpoint đã được đăng lên Hugging Face vào ngày 10 tháng 11 năm 2026 — một kho lưu trữ 68,65 GB, trong đó 66,28 GB là diffusion transformer, cộng với một bộ mã hóa văn bản 66,7 GB mà nó mượn từ mô hình video H3 — và tệp quản lý nó, Thỏa thuận Giấy phép Cộng đồng MiniMax-H3-Image, cấp các quyền "trên toàn thế giới, ngoại trừ Các lãnh thổ bị loại trừ", rồi định nghĩa đó là Liên minh châu Âu, Vương quốc Anh, Hàn Quốc và Hoa Kỳ. Nano Banana 2, tên gọi của Google dành cho gemini-3.1-flash-image, đã được cung cấp rộng rãi kể từ ngày 28 tháng 5 năm 2026 và không yêu cầu gì ở bạn ngoài một thẻ tín dụng. Vậy nên cách diễn giải trung thực về cuộc đối đầu này không phải là mở so với đóng. Mà là một mô hình bạn có thể tải xuống nhưng không được phép triển khai hợp pháp tại nơi bạn sống, so với một mô hình bạn không bao giờ có thể tải xuống nhưng có thể gọi từ bất cứ đâu. Mọi thứ khác — mười sáu megapixel, thang giá, các vị trí trên bảng xếp hạng — đều chỉ là thứ yếu so với điều đó, và phần còn lại của bài viết này là những gì thay đổi một khi bạn chấp nhận điều đó.

Giấy phép thực sự cho phép những gì

Đọc ngày 14 tháng 11 năm 2026, Mục IV của giấy phép M​iniMax ngắn và đặc biệt cụ thể một cách bất thường. Hai điều kích hoạt yêu cầu phải có văn bản chấp thuận trước thông qua bảng điều khiển giấy phép của M​iniMax: doanh thu tính theo năm vượt quá 1 triệu đô la Mỹ đối với bạn hoặc các công ty liên kết của bạn, hoặc cung cấp dịch vụ được lưu trữ cho bên thứ ba. Không có điều kiện kích hoạt nào tính phí bản quyền. Cả hai đều yêu cầu bạn phải xin phép. Mục IV cũng áp đặt nghĩa vụ ghi công — bất kỳ sản phẩm thương mại nào sử dụng mô hình đều phải “hiển thị nổi bật 'MiniMax-H3-Image'” trong giao diện của mình, đây là một nghĩa vụ khác với huy hiệu “built with” thông thường vì nó nêu tên mô hình chứ không phải tên công ty.

Điều khoản lãnh thổ là điều khoản khó hơn, và nó không phải là một sắc thái nhỏ. Bản thân việc cấp phép đã được giới hạn trong lãnh thổ áp dụng, và thỏa thuận nói rõ rằng việc sử dụng bên ngoài lãnh thổ đó “không được Thỏa thuận này cho phép”. Đó không phải là hạn chế đối với việc phân phối lại; đó là hạn chế đối với việc chạy các trọng số ở bất kỳ mức nào tại bốn khu vực pháp lý được liệt kê. Thẻ mô hình của chính M​iniMax hướng bất kỳ ai ở những khu vực đó tới một cuộc trao đổi riêng về cấp phép, có nhắc đến “các biện pháp kiểm soát và rào chắn vững chắc” như một phần của những gì một thỏa thuận như vậy sẽ bao gồm. Đối với một studio ở Berlin, một startup ở Seoul, hay — và đây mới là điểm đáng nói với phần lớn độc giả của một blog về mô hình bằng tiếng Anh — bất kỳ đâu tại Hoa Kỳ, câu trả lời thực tế là trọng số mở là một sản phẩm nghiên cứu mà bạn có thể xem xét, đánh giá và viết về, chứ không phải là một thành phần phụ thuộc cho môi trường sản xuất.

Nano Banana 2 không có bài toán tương đương. Đây là sản phẩm của Google Cloud: bạn gọi nó, bạn nhận được một hình ảnh, bạn triển khai nó, và các điều khoản là điều khoản API tiêu chuẩn. Không có ngưỡng doanh thu, không có ngoại lệ theo lãnh thổ, không có điều khoản ghi công và không có đàm phán dịch vụ lưu trữ. Thứ bạn đánh đổi cho sự đơn giản đó là tệp. Nếu Google thay đổi giá, ngừng cung cấp mã định danh hoặc gặp sự cố ngừng hoạt động, bạn sẽ có một phiếu di chuyển thay vì một phương án dự phòng.

Sự đối xứng đó — một mô hình cho bạn sản phẩm kèm giấy phép không dùng được, mô hình kia cho bạn giấy phép dùng được mà không có sản phẩm — chính là quyết định thực sự. Hầu hết các trang so sánh đều bỏ qua điều đó vì tệp giấy phép thì nhàm chán còn bảng điểm chuẩn thì không.

Nơi hai mô hình giao nhau trên các bảng

Artificial Analysis hiện chấm điểm cả hai trên cả hai đấu trường hình ảnh của mình, điều không đúng vào thời điểm MiniMax-H3-Image được phát hành. Đọc vào ngày 14 tháng 11 năm 2026, những con số này mô tả một sự giao cắt thực sự chứ không phải một khoảng cách:

• Text sang hình ảnh — Nano Banana 2 đứng thứ 11 trong 114 dòng với Elo 1.143 (khoảng 95%: 1.133–1.153). MiniMax-H3-Image đứng thứ 25 với 1.066 (1.051–1.080). Đó là cách biệt 77 Elo, và các khoảng này không hề tiến gần tới việc chạm nhau.

• Chỉnh sửa hình ảnh — MiniMax-H3-Image đứng thứ 13/84 với Elo 1.138 (1.122–1.154). Nano Banana 2 đứng thứ 17 với 1.126 (1.114–1.138). M​iniMax dẫn trước 12 Elo; các khoảng chồng lấn nhau vài điểm, nên hãy coi đây là mức dẫn trước hẹp chứ không phải thắng áp đảo, nhưng đó là hướng mà bảng xếp hạng thể hiện.

• Biến thể Highspeed — MiniMax-H3-Image Highspeed, chỉ tồn tại trên API riêng của MiniMax, được xếp hạng riêng: thứ 24 ở hạng mục text to image với 1.072 và thứ 14 ở hạng mục editing với 1.134. Nó tốn khoảng 1,7× gói tiêu chuẩn cho mỗi lần tạo ở 4K và không giúp đạt điểm tốt hơn trên cả hai bảng xếp hạng. Thứ nó đổi lấy là độ trễ, điều mà các bảng xếp hạng không đo.

Bản tóm tắt kết quả của chính Artificial Analysis, được đăng ngày 13 tháng 11 năm 2026, bổ sung cách diễn đạt mà MiniMax hẳn mong muốn: trên các bảng xếp hạng của mình, MiniMax-H3-Image là dòng có thứ hạng cao nhất mang nhãn open-weights ở cả hai hạng mục. Đó là tuyên bố của họ và nó phụ thuộc vào cách họ phân loại dòng nào được tính là open weights — một số mô hình xếp trên H3-Image ở mảng text to image, bao gồm dòng FLUX 3 Image ở vị trí 1.119, không rõ ràng là có thể tải xuống, nên nhãn này thực sự đóng vai trò quan trọng. Hãy trích dẫn nó như một tuyên bố của nhà cung cấp bảng xếp hạng, chứ không phải một sự thật mà bạn có thể kiểm chứng chỉ từ trọng số.

Điều cần bám lấy: mô hình của MiniMax làm tốt hơn ở tác vụ chỉnh sửa và rõ ràng kém hơn ở tác vụ trang trắng. Điều đó khớp với thiết kế của nó. Mười sáu khe tham chiếu và một bộ lấy mẫu được tinh chỉnh cho công việc nặng về tham chiếu đẩy bảng chỉnh sửa lên; một bộ lấy mẫu chưng cất sáu bước không có hướng dẫn là câu chuyện về kiểm soát chứ không phải câu chuyện về độ trung thực, và khoảng cách text-to-image chính là cái giá phải trả.

Thang giá, và một ưu đãi giảm giá chỉ còn ba ngày nữa.

MiniMax tính phí theo token thay vì theo hình ảnh, khiến con số nổi bật dễ gây hiểu nhầm cho đến khi bạn xem các ví dụ tính toán cụ thể. Gói tiêu chuẩn: 2,30 USD cho mỗi triệu token văn bản đầu vào, 1,50 USD cho mỗi triệu token hình ảnh đầu vào, 3,80 USD cho mỗi triệu token hình ảnh đầu ra. Highspeed: cùng mức giá văn bản, 3,00 USD cho hình ảnh đầu vào, 7,60 USD cho đầu ra.

• Chuyển văn bản thành hình ảnh, tiêu chuẩn — $0.02179 ở 1K, $0.02333 ở 2K và $0.03439 ở 4K trong khi ưu đãi ra mắt vẫn còn hiệu lực, so với giá niêm yết $0.06879.

• Chỉnh sửa với một tham chiếu — $0.02654 ở 1K, $0.02658 ở 2K, $0.03656 ở 4K (giá niêm yết $0.07312).

• Chỉnh sửa với ba tham chiếu — $0.03563 ở 1K, $0.04177 ở 2K, $0.03957 ở 4K (giá niêm yết $0.07914).

• Tốc độ cao, văn bản thành hình ảnh — $0.03529 ở 1K, $0.03622 ở 2K, $0.06501 ở 4K (giá niêm yết $0.13001).

Mức giảm giá chia đôi cột 4K kéo dài đến 17 tháng 11 năm 2026, 16:00 UTC và chỉ áp dụng cho ảnh được giao có ít nhất 16.600.000 pixel. Sau đó, mức giá 4K tăng gần gấp đôi trong khi mọi bậc thấp hơn giữ nguyên — điều này thay đổi hình dạng của khuyến nghị, vì thang giá phẳng chính là lý do để dùng mô hình này. Ở giá niêm yết, một ảnh 4K MiniMax có giá tương đương một ảnh 4K Nano Banana 2 và không còn rẻ hơn nữa.

Phía G​oogle là một bảng giá rõ ràng theo từng ảnh: 1.120 token cho ảnh 1K và 2.520 token cho 4K, ở mức $60 mỗi triệu token đầu ra hình ảnh. Điều này quy ra $0,045 ở 512px, $0,067 ở 1024×1024, $0,101 ở 2048×2048 và $0,151 ở 4096×4096, với văn bản và suy luận được tính riêng ở $3 mỗi triệu token đầu ra và đầu vào ở $0,50 mỗi triệu. Không có bậc theo lô nào được liệt kê cho mô hình này, khác với phiên bản Lite cùng dòng của nó. Lưu ý sự bất đối xứng trong ý nghĩa của “ở độ phân giải”: một ảnh Nano Banana 2 ở 4K là 4096×4096, và một ảnh M​iniMax ở 4K cũng là 4096×4096, nên hai thang bậc so sánh trực tiếp ở phần trên và phân kỳ ở phần dưới, nơi G​oogle bán một bậc 512px mà M​iniMax không có.

Mười nghìn hình ảnh mỗi tháng, mỗi ảnh một tham chiếu, đầu ra 2K: khoảng $266 với MiniMax standard theo mức giá hiện tại và khoảng $1,010 với Nano Banana 2. Đó là điểm duy nhất mà các con số không sát nhau, và cũng là điểm mà giấy phép có khả năng cao nhất sẽ cản bạn.

Điều mà người này có thể làm mà người kia không thể.

Danh sách năng lực kém đối xứng hơn điểm số. Cả hai mô hình đều tạo và chỉnh sửa qua một cặp endpoint duy nhất, đều nhận ảnh tham chiếu và đều xuất ra tệp nhiều megapixel. Ngoài những điểm đó, chúng khác biệt trên gần như mọi khía cạnh:

• Tham chiếu — MiniMax-H3-Image nhận 1 đến 16 hình ảnh, được tham chiếu theo vị trí trong lời nhắc dưới dạng <Picture 1> đến <Picture 16> theo thứ tự tải lên. Nano Banana 2 nhận 14, nhưng chia chúng: tối đa 10 tham chiếu đối tượng để đảm bảo độ trung thực và tối đa 4 tham chiếu nhân vật để đảm bảo tính nhất quán.

• Đầu ra — MiniMax tuyên bố khoảng 16 megapixel ở mọi tỷ lệ khung hình, từ vuông 4096×4096 đến siêu rộng 6272×2688, với giới hạn API 20 megapixel và không có bộ phóng đại trong quy trình. Nano Banana 2 đạt tối đa 4096×4096 nhưng bổ sung các dạng cực đoan 1:4, 4:1, 1:8 và 8:1 cùng một mức 512px cho hình thu nhỏ.

• Grounding — Nano Banana 2 có thể neo nội dung được tạo vào kết quả của Google Search hoặc Image Search. MiniMax-H3-Image không có bất kỳ khả năng truy xuất nào; mọi thứ đều đến từ lời nhắc và các tham chiếu.

• Nguồn gốc — mọi đầu ra của Nano Banana 2 đều mang thủy vân SynthID và siêu dữ liệu C2PA. Kho lưu trữ và giấy phép của M​iniMax không nêu rõ bất kỳ cơ chế thủy vân nào, điều này có thể là một tính năng hoặc một vấn đề tuân thủ tùy thuộc vào khu vực pháp lý của bạn, và ở EU thì đó là trường hợp thứ hai.

• Điều khiển suy luận — Nano Banana 2 cho phép chọn mức suy nghĩ ở tối thiểu hoặc cao, mặc định là tối thiểu, và không thể tắt suy nghĩ thông qua API; những token đó vẫn bị tính phí dù bạn có đọc chúng hay không. M​iniMax không phơi ra bất kỳ bề mặt suy luận nào cả, chỉ có một bộ lấy mẫu cố định.

• Sampler — MiniMax được chưng cất xuống còn sáu bước mà không có classifier-free guidance. API trả về HTTP 400 nếu bạn truyền bất kỳ số bước hoặc giá trị guidance nào khác, và nó từ chối negative prompt. Bạn chỉ tinh chỉnh prompt và các tham chiếu, không gì khác. Mô hình của Google dùng bề mặt tham số thông thường.

Lập luận về sampler có tính hai mặt. Nó khiến đầu ra của MiniMax có thể tái lập chính xác trên phần cứng của chính bạn, một đặc tính thực sự hữu ích cho kiểm thử hồi quy, đồng thời nó loại bỏ núm chỉnh chất lượng tiêu chuẩn mà một đội ngũ quen tinh chỉnh CFG sẽ tìm đến đầu tiên khi một chỉnh sửa cho ra kết quả sai.

Nếu bạn định tự triển khai máy chủ, hãy đọc phần này trước

Lý do hầu hết mọi người muốn trọng số mở không phải là hệ tư tưởng; đó là tùy chọn ngừng trả tiền theo từng ảnh. Với mô hình này, tùy chọn đó đắt đỏ theo cách mà kích thước tải xuống có gợi ý tới còn thông báo thì không. Transformer nặng 66,28 GB ở BF16, VAE 2,34 GB, và bộ mã hóa văn bản là một lượt tải riêng 66,7 GB — bản Qwen3-VL đầy đủ từ MiniMax-H3, không thay đổi, mà DiT đọc các trạng thái ẩn ở lớp thứ 50 của nó. Đó là khoảng 135 GB trọng số trước khi bạn có được một bức ảnh duy nhất, và mô hình là một transformer dày đặc 33,1 tỷ tham số, không phải mixture-of-experts với một đường kích hoạt rẻ.

Ngược lại, Qwen-Image 2.1 — lựa chọn mở khác mà mọi người hỏi đến — có dung lượng tải xuống chỉ khoảng một phần tư. Nếu kế hoạch của bạn là một máy trạm duy nhất hoặc một GPU thuê, thì phép tính trên checkpoint này là việc đầu tiên cần chạy, không phải việc cuối cùng. Thẻ chính thức của MiniMax không đưa ra con số độ trễ nào và không có công thức phần cứng, nên không có gì trong tài liệu phát hành cho bạn biết liệu sáu bước ở mười sáu megapixel có vừa với card của bạn hay không.

Cái nào, với tất cả những điều đó

Nếu bạn ở ngoài EU, Vương quốc Anh, Hàn Quốc và Hoa Kỳ và cần khối lượng lớn ở 4K với nhiều tham chiếu, thì MiniMax-H3-Image hiện là mô hình chỉnh sửa tốt hơn và rẻ hơn, và lợi thế 12 Elo về chỉnh sửa là đủ nhỏ để bạn nên thử nghiệm nó trên các câu lệnh của riêng mình thay vì tin vào bảng xếp hạng. Nếu bạn ở trong các lãnh thổ đó, giấy phép đã đưa ra quyết định thay bạn, và câu hỏi thú vị trở thành liệu MiniMax có cấp phép cho nó hay không — đó là một cuộc trò chuyện thương mại, không phải kỹ thuật.

Nếu bạn cần kết xuất văn bản, neo dựa trên tìm kiếm, đánh dấu nguồn gốc hoặc một hợp đồng phía người gọi không giới hạn, Nano Banana 2 thắng về năng lực và thua về giá, còn mức dẫn trước 77 Elo ở text-to-image của nó là con số đơn lẻ lớn nhất trong so sánh này.

Tính đến ngày 14 tháng 11 năm 2026, cả hai mô hình đều không có trong danh mục của OrcaRouter, và trang này sẽ không giả vờ điều ngược lại. Những gì nền tảng thực sự có trong dòng sản phẩm hình ảnh là các mô hình hình ảnh của OpenAI và Google thực sự có thể gọi được ngay hôm nay, theo giá niêm yết của nhà cung cấp với mức chênh lệch 0% được chuyển thẳng — nghĩa là khi ưu đãi 4K của MiniMax hết hạn vào ngày 17 tháng 11, hoặc khi Google điều chỉnh một mức giá, con số trên danh mục của chúng tôi sẽ thay đổi ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo. Lý do khác khiến lớp định tuyến quan trọng ở đây là khả năng chuyển đổi dự phòng: một mô hình không có số liệu độ trễ độc lập và mục bảng xếp hạng đã sáu ngày tuổi chính là kiểu phụ thuộc mà bạn muốn đặt phía sau cơ chế chuyển đổi dự phòng tự động thay vì nối trực tiếp vào một luồng sản xuất.

Điều có thể thay đổi phán quyết này là một sửa đổi giấy phép. M​iniMax từng phát hành, được ca ngợi rồi sau đó cấp phép lại các mô hình, và điều khoản lãnh thổ đọc như một mặc định tuân thủ hơn là một hạn chế đã được cân nhắc kỹ. Nếu danh sách Lãnh thổ bị Loại trừ được rút ngắn, phía biên tập của so sánh này sẽ trở thành một khuyến nghị thẳng thắn về giá và điểm số. Cho đến lúc đó, mô hình mở là mở theo nghĩa bạn có thể đọc nó, và đóng theo nghĩa quyết định liệu bạn có thể sử dụng nó hay không.