MiniMax-H3-Image vs Qwen-Image 2.1: Hai checkpoint mở, hai kiểu khóa khác nhau

Cả hai mô hình này đều có thể tải xuống, và không mô hình nào là miễn phí sử dụng theo cách mà từ đó thường ngụ ý. MiniMax-H3-Image — bản tải xuống 68,65 GB với riêng phần transformer đã là 66,28 GB, cộng thêm bộ mã hóa văn bản 66,7 GB, trọng số được công bố vào ngày 10 tháng 11 năm 2026 — được phát hành theo một giấy phép cộng đồng loại trừ Liên minh châu Âu, Vương quốc Anh, Đại Hàn Dân Quốc và Hoa Kỳ khỏi phạm vi cấp phép, đồng thời yêu cầu văn bản chấp thuận của MiniMax khi doanh thu quy đổi theo năm vượt 1 triệu USD hoặc đối với bất kỳ dịch vụ được lưu trữ nào. Qwen-Image 2.1, được nhóm Qwen của Alibaba phát hành vào ngày 20 tháng 9 năm 2026 và có dung lượng tải xuống khoảng một phần tư, tức 33,13 GB, được phát hành theo Thỏa thuận Giấy phép Nghiên cứu Qwen, mà Mục 2(a) của thỏa thuận này cấp các quyền "CHỈ CHO MỤC ĐÍCH PHI THƯƠNG MẠI" và Mục 2(b) cấm sử dụng thương mại nếu không có giấy phép riêng. Một bên là rào cản địa lý kèm một núm điều chỉnh doanh thu; bên còn lại là tuyệt đối. Nếu bạn đến đây để chọn mô hình có thể đưa vào một sản phẩm, thì các tệp giấy phép đã trả lời rồi, và phần còn lại của so sánh này nói về tập hợp sử dụng hẹp hơn nhiều, nơi câu trả lời đó vẫn để bạn có lựa chọn.

Sự tương phản về kỹ thuật cũng sắc nét không kém, và nó diễn ra theo hướng ngược lại với những gì số lượng tham số gợi ý. Qwen-Image 2.1 là một trình tạo hình ảnh 7 tỷ tham số khử nhiễu trong bốn mươi bước. MiniMax-H3-Image là một transformer dày đặc 33,1 tỷ tham số được chưng cất xuống còn sáu bước. Một cái được xây dựng để vừa vặn trên một máy trạm; cái kia được xây dựng để khiến một yêu cầu được xử lý trên nền tảng đám mây có cảm giác tức thời. Việc xác định cái nào rẻ hơn trên mỗi nghìn hình ảnh không phải là chuyện nhân tham số với bất cứ thứ gì — mà là chuyện chi phí của mỗi cái thực sự nằm ở đâu.

“Mở” có nghĩa là gì trong mỗi giấy phép, xét theo từng điều khoản

Hãy bắt đầu với Q​wen, vì các điều khoản của nó đơn giản hơn trong hai bộ và cũng hạn chế hơn trong trường hợp thông thường. Thẻ trên Hugging Face gắn nhãn giấy phép là khác cùng với license_name: qwen-research, và tệp LICENSE trong kho lưu trữ là Thỏa thuận Cấp phép Nghiên cứu Q​wen đề ngày 20 tháng 9 năm 2026. Ngôn từ có hiệu lực không hề mơ hồ: các quyền chỉ được cấp cho mục đích phi thương mại, “Phi thương mại” được định nghĩa là nghiên cứu hoặc đánh giá, và bất kỳ ai muốn đưa sản phẩm ra thị trường đều phải yêu cầu giấy phép từ địa chỉ mà thỏa thuận nêu tên. Không có ngưỡng doanh thu, không có ngoại lệ theo lãnh thổ và không có con đường nào được ghi trong văn bản để một công ty nhỏ có thể tự động đủ điều kiện. Đây là một khoản cấp phép nghiên cứu, và chỉ có thế mà thôi.

Thỏa thuận của MiniMax về nguyên tắc thì cho phép rộng rãi hơn, nhưng trên thực tế lại kỳ quặc hơn. Việc cấp phép có phạm vi toàn cầu nhưng loại trừ bốn khu vực pháp lý theo tên cụ thể. Việc sử dụng thương mại được tính đến chứ không bị cấm, tùy thuộc vào hai điều kiện kích hoạt đòi hỏi sự chấp thuận trước bằng văn bản, và vào một điều khoản ghi công buộc bất kỳ sản phẩm thương mại nào phải "hiển thị nổi bật 'MiniMax-H3-Image'" trong giao diện của mình. Thỏa thuận cũng yêu cầu các biện pháp bảo đảm đối với bất kỳ dịch vụ nào tạo ra đầu ra — triển khai, duy trì, kiểm thử và định kỳ rà soát — đây là kiểu điều khoản mà một nhóm tuân thủ đọc như một nghĩa vụ và một nhà phát triển độc lập đọc như văn bản khuôn mẫu.

Đặt cạnh nhau, hai tài liệu tạo nên một tấm bản đồ kỳ lạ. Một studio ở Tokyo có thể sử dụng MiniMax-H3-Image cho mục đích thương mại, với sự cho phép khi vượt ngưỡng, và hoàn toàn không thể sử dụng Qwen-Image 2.1 cho mục đích thương mại. Một studio ở California không thể dùng cả hai: MiniMax loại trừ hoàn toàn vùng lãnh thổ này, Qwen cấm mục đích sử dụng. Một nhóm nghiên cứu ở bất kỳ đâu có thể sử dụng cả hai, vì nghiên cứu là điều Qwen cho phép và là điều mà cách diễn giải phi thương mại của MiniMax bao hàm. Câu cuối cùng đó là bản tóm tắt trung thực về lĩnh vực hình ảnh trọng số mở vào tháng 11 năm 2026, và không bảng benchmark nào thay đổi được điều đó.

Bốn mươi bước so với sáu, và điều đó tác động thế nào đến một hóa đơn

Sự khác biệt về bộ lấy mẫu là yếu tố kỹ thuật có hệ quả quan trọng nhất trong cặp so sánh này, vì nó chi phối mọi khía cạnh khác liên quan đến chi phí.

• Các bước — Qwen-Image 2.1 chạy Flow Matching với lập lịch Euler rời rạc ở bốn mươi bước khử nhiễu theo mặc định trên checkpoint cơ sở, không có biến thể chưng cất nào trong kho lưu trữ cơ sở. Checkpoint Qwen-Image 2.1 Turbo riêng biệt, phát hành ngày 9 tháng 10 năm 2026, giảm xuống còn tám bước với CFG ở mức 1 và lịch trình của nó được lưu trong checkpoint. MiniMax-H3-Image chạy sáu bước và hoàn toàn không có hướng dẫn không phân loại — không phải mặc định mà là một ràng buộc: API được phục vụ trả về HTTP 400 cho bất kỳ số bước hoặc giá trị hướng dẫn nào khác, và từ chối lời nhắc phủ định.

• Kích thước — {{1}}thành phần tạo hình ảnh của Qwen có 7B tham số trải trên 32 lớp DiT single-stream, với attention nhân quả theo khối; văn bản và hướng dẫn nhận mặt nạ nhân quả cấp token, còn việc tạo hình ảnh nhận mặt nạ hai chiều cấp chunk.{{/1}} {{2}}Còn của MiniMax là dense 33.1B, 50 lớp, hidden 5,376, 56 head, FFN 14,336, với RoPE đa phương thức 3D và một patch tiềm ẩn 2×2 bao phủ 32×32 pixel mỗi token.{{/2}}

• Tải xuống — tổng cộng 33,13 GB cho Qwen-Image 2.1 (khoảng 20,5 GB cho transformer và VAE, phần còn lại là bộ mã hóa văn bản Qwen3-VL 8B). Khoảng 135 GB cho M​iniMax trước khi bạn tạo ra bất cứ thứ gì.

Tính ra thì trực giác bị đảo ngược. Một mô hình 33B ở sáu bước thực hiện khoảng 199B bước-tham số công việc cho mỗi ảnh; một mô hình 7B ở bốn mươi bước thực hiện khoảng 280B. Mô hình lớn hơn không tự động là mô hình đắt hơn — đó chính là toàn bộ mục đích của chưng cất, và là lý do “33B” trên bảng thông số gần như chẳng cho bạn biết gì về chi phí của một ảnh. Tuy nhiên, trên một card cố định, checkpoint 33B lại là cái có thể không vừa ở 16 megapixel, và M​iniMax không công bố bất kỳ con số độ trễ nào, không có cấu hình phần cứng nào và không có hướng dẫn bộ nhớ nào ở bất cứ đâu trong tài liệu phát hành để cho bạn biết liệu nó có vừa hay không. Q​wen thay vào đó công bố các preset cố định: 2048×2048 ở 1:1, 2400×1792 ở 4:3, 2752×1536 ở 16:9, và các hoán vị của chúng — khoảng 4,2 megapixel ở mức cao nhất, bằng một phần tư con số M​iniMax tuyên bố.

{{1}}Khoảng cách độ phân giải đó không phải là chuyện ngẫu nhiên trong so sánh chi phí. Thang giá lên 4K của MiniMax phẳng một cách bất thường vì đơn vị tính của nó là token và số lượng token không tăng theo diện tích như trực giác gợi ý — $0.02179 ở 1K so với $0.06879 ở 4K trước khi ưu đãi ra mắt giảm một nửa bậc cao nhất. Qwen không có thang giá nào để so sánh, vì không có mô hình cơ sở được host để mua: Artificial Analysis liệt kê Qwen-Image-2.1 mà không có giá nào cả, mà với bảng đó nghĩa là không có API. Các bậc Pro và Turbo mà Alibaba thực sự host là những hàng hoàn toàn riêng biệt, ở mức $35.33 và $16 mỗi nghìn ảnh.{{/1}}

Khả năng duy nhất mà Q​wen có còn M​iniMax thì không

Độ trong suốt gốc. VAE của Qwen-Image 2.1 là bộ tự mã hóa RGBA 64 kênh với khả năng nén không gian 16×, nên kênh alpha xuất ra từ chính mô hình thay vì từ một lượt xóa nền thực hiện sau đó. Đó là một khác biệt thực sự về quy trình làm việc đối với bất kỳ ai tạo ra các tài nguyên sẽ được đem đi hợp thành — ảnh cắt sản phẩm, sprite, tệp thiết kế có lớp — và đây không phải là thứ bạn có thể dùng lời nhắc để khiến MiniMax-H3-Image tạo ra. Không có gì trong kho lưu trữ, thẻ mô hình hay giấy phép của nó đề cập đến kênh alpha, và VAE của nó được mô tả là bộ mã hóa CNN với bộ giải mã ViT 24 lớp và 24 kênh tiềm ẩn.

Phần còn lại của danh sách năng lực có lợi hơn cho M​iniMax trên lý thuyết và đáng đọc kỹ, vì phần lớn trong đó là do nhà cung cấp tự công bố:

• Độ phân giải — Đây là lúc 33B bắt đầu tỏ ra có mục đích rõ ràng. MiniMax-H3-Image tạo trực tiếp lên tới khoảng mười sáu megapixel ở bất kỳ tỷ lệ khung hình nào — từ 4096×4096 đến 6272×2688 — với giới hạn API 20 megapixel và không có bộ phóng đại nào trong quy trình. Các cấu hình sẵn được ghi nhận của Q​wen chỉ đạt tối đa gần 4,2 megapixel.

• Tài liệu tham khảo — MiniMax-H3-Image nhận tối đa mười sáu, và bạn trỏ đến chúng theo vị trí: câu lệnh ghi <Picture 3> và nghĩa là tệp thứ ba bạn đã tải lên. Qwen-Image 2.1 nhận tối đa mười, và phần trình diễn của nó bao gồm một bức ảnh nhóm được ghép từ sáu ảnh chân dung.

• Tuân thủ chỉ dẫn — thẻ của MiniMax tuyên bố "khả năng tuân thủ chỉ dẫn mạnh nhất trong số các mô hình mã nguồn mở" mà không có bảng đánh giá nào đằng sau câu đó. Qwen công bố một con số VDEBench là 0,81 cục bộ và 0,83 toàn cầu trên 3.506 mẫu, đây là một con số thực với số lượng mẫu thực và vẫn là con số của nhà cung cấp, được tính bằng bộ khung của chính nhà cung cấp.

• Độ dài prompt — {{1}}M​iniMax chấp nhận 32.000 ký tự trên API được phục vụ, với khoảng 4.096 token đầu tiên có hiệu lực.{{/1}} {{2}}Thẻ và các ví dụ của Q​wen được viết xoay quanh các hướng dẫn có cấu trúc ngắn thay vì prompt dài, và cơ chế attention hỗn hợp nhiều mức độ chi tiết của nó được thiết kế rõ ràng để lưu vào bộ nhớ đệm hướng dẫn và ảnh điều kiện một lần rồi tái sử dụng chúng qua các bước, đây là một tuyên bố về hiệu quả chứ không phải về dung lượng.{{/2}}

Những gì các hội đồng độc lập đang cho thấy hiện nay

Cả hai mô hình đều được chấm điểm trên cả hai đấu trường hình ảnh của Artificial Analysis tính đến ngày 14 tháng 11 năm 2026, điều này khiến đây trở thành một trong số ít những màn so tài trọng số mở mà hai bên có bằng chứng từ bên thứ ba có thể so sánh được. Bảng xếp hạng text-to-image gần như hòa: MiniMax-H3-Image giữ vị trí thứ 25 trong 114 hàng với 1.066 Elo, khoảng tin cậy từ 1.051 đến 1.080, và Qwen-Image-2.1 đứng thứ 28 với 1.047 Elo, khoảng 1.035 đến 1.059. Hai mươi điểm Elo với các khoảng chỉ vừa chạm nhau là một sự dẫn trước, không phải một khoảng cách, và không ai nên chuyển đổi pipeline chỉ dựa vào đó.

Bảng xếp hạng chỉnh sửa mới là thứ tạo nên sự khác biệt. MiniMax-H3-Image đứng thứ 13/84 với Elo 1.138 (1.122–1.154); Qwen-Image-2.1 đứng thứ 30 với 1.084 (1.071–1.097). Đó là khoảng cách 54 Elo hoàn toàn không chồng lấn, và đây là chỗ duy nhất trong so sánh này mà bằng chứng từ bên thứ ba đưa ra kết luận mang tính quyết định về chất lượng chứ không phải về chi phí hay cấp phép.

Các biến thể theo sát bản gốc mà không thay đổi hình dạng. MiniMax-H3-Image Highspeed đứng thứ 24 ở text to image (1.072) và thứ 14 ở editing (1.134), nên bậc phục vụ nhanh hơn vẫn sát bậc tiêu chuẩn trên cả hai bảng. Về phía Qwen, phiên bản Pro được host đạt 1.059 và 1.068, còn Turbo đạt 1.025 và 1.062 — cả hai đều thấp hơn điểm editing của checkpoint gốc, đó là cái giá được dự kiến của lịch trình tám bước chứ không phải điều bất ngờ.

Hai lưu ý trước khi bất kỳ ai dựng hồ sơ mua sắm dựa trên những con số đó. Thứ nhất, Elo đến từ bỏ phiếu so sánh cặp mù, không phải từ đo lường độ phân giải, cách xử lý alpha hay mức tuân thủ số bước; một hội đồng không thể nhìn thấy pipeline tổng hợp của bạn thì không thể chấm điểm được điều quan trọng với họ. Thứ hai, các dòng của Qwen-Image-2.1 được tạo ra bởi những người tự chạy trọng số, vì không có endpoint cơ sở được lưu trữ nào để trỏ prompt tới, trong khi các dòng của MiniMax bao gồm lưu lượng truy cập vào API của nó. Các nhóm khác nhau, cùng một bảng xếp hạng — và Artificial Analysis tự nêu bật khác biệt đó thay vì che giấu nó.

OrcaRouter phù hợp ở đâu, và ở đâu thì không

Cả hai mô hình này đều không nằm trong danh mục của OrcaRouter, và đáng để nói thẳng về điều đó thay vì che giấu: tính đến ngày 14 tháng 11 năm 2026, không có tuyến nào ở đây dành cho MiniMax-H3-Image hay Qwen-Image 2.1, và phân tích giấy phép ở trên là phần lớn lý do vì sao một danh mục được lưu trữ lại là một mảng kinh doanh khác với một kho trọng số. Trong dòng sản phẩm hình ảnh, thứ nền tảng định tuyến là các họ G​oogle và O​penAI — bao gồm các mô hình hình ảnh G​emini và dòng GPT Image — nằm sau cùng một khóa như các mô hình văn bản của nền tảng, ở giá niêm yết của nhà cung cấp với 0% phụ phí được chuyển nguyên.

Trong phép so sánh này, phần thực sự hữu ích là DSL định tuyến. Một pipeline cần một bản ảnh 16 megapixel cho một tác vụ in và một ảnh thu nhỏ 1 megapixel cho một trang niêm yết thì không muốn một mô hình đảm nhận cả hai với một mức giá, và cũng không muốn hai hợp đồng nhà cung cấp để đạt được điều đó. Việc tổ hợp các lời gọi — một tuyến cho việc tạo nặng, một tuyến khác cho bản dẫn xuất rẻ, cả hai phía sau một điểm cuối — chính là việc mà một router sinh ra để làm, và đó cũng là lập luận tương tự cho việc đặt một checkpoint được cấp phép cho nghiên cứu phía sau một dịch vụ nội bộ thay vì gắn nó vào một ứng dụng.

Quyết định đó, được diễn đạt ở phạm vi hẹp nhất như nó đáng được.

Đối với một nhóm nghiên cứu, một nhóm đánh giá, hoặc bất kỳ ai mà kết quả đầu ra không bao giờ được phát hành thương mại, Qwen-Image 2.1 là bản tải xuống tốt hơn: chỉ bằng một phần ba kích thước, có các preset được ghi tài liệu, một con số đánh giá được công bố kèm số lượng mẫu, Turbo tám bước khi bạn muốn lặp lại thử nghiệm, và alpha gốc nếu công việc của bạn liên quan đến ghép lớp. Đây cũng là mô hình mà bạn có thể mô tả đặc điểm hành vi của nó trên phần cứng của chính mình ngay chiều nay.

Đối với một nhóm thương mại bên ngoài bốn khu vực pháp lý bị loại trừ, MiniMax-H3-Image là mô hình duy nhất trong hai mô hình mà bạn có thể phân phối hợp pháp, và đây là mô hình chỉnh sửa mạnh hơn với khoảng cách đủ rõ để hội đồng quản trị phân định. Hãy dự trù ngân sách cho việc tải xuống, chuẩn bị đàm phán với MiniMax khi doanh thu vượt một triệu, và lên kế hoạch đưa yêu cầu ghi công vào giao diện của bạn trước khi ra mắt thay vì để sau.

Đối với một đội ngũ thương mại nằm trong các khu vực tài phán đó, câu trả lời là không cái nào cả. Điều đó thật không thỏa đáng và nó lại chính xác. Lĩnh vực hình ảnh open-weight đã đến mức mà câu hỏi thú vị không còn là checkpoint nào đạt điểm cao hơn, mà là checkpoint nào luật sư của bạn sẽ cho phép bạn chạy — và ở câu hỏi đó, cặp này là một minh họa hữu ích cho việc “open” đã trở nên có bao nhiêu nghĩa khác nhau.

Điều gì sẽ thúc đẩy điều này

Một sửa đổi giấy phép ở bất kỳ bên nào sẽ làm thay đổi việc so sánh nhiều hơn bất kỳ bản phát hành điểm nào. Danh sách lãnh thổ của M​iniMax trông giống như một mặc định tuân thủ, và công ty từng cấp lại giấy phép cho các mô hình trước đây; giấy phép nghiên cứu của Q​wen đã là tiêu chuẩn của dòng mô hình này kể từ dòng 2.1, và một hạng thương mại dành cho trọng số cơ sở — khác với các endpoint Pro và Turbo được lưu trữ — sẽ khiến nó trở thành lựa chọn hiển nhiên cho bất kỳ ai muốn có được mô hình đó. Cho đến khi một trong những điều đó xảy ra, những khác biệt kỹ thuật giữa hai mô hình này là có thật, được ghi chép đầy đủ và phần lớn mang tính học thuật đối với bất kỳ ai có sản phẩm cần ra mắt.