MiniMax-H3-Image 与 FLUX 3：坐标还是像素——两种截然不同的控制理念

把这两个模型放到同一份需求简报前，它们会朝相反的方向失败。MiniMax-H3-Image 给你一千六百万像素、十六张参考图和六步采样器，却除了用文字描述之外，没有任何办法指明任何东西该放在哪里。FLUX 3 在其图像层级中，为每个元素提供一个边界框，基于 0–1000 网格，写作 [y_min, x_min, y_max, x_max]，让你一次只编辑一个框而不触碰画面其余部分，并且其分辨率阶梯从 768 像素起步。一个模型卖的是容量；另一个卖的是方向。如果你的问题是一张产品图必须经得起裁剪成广告牌，那么 MiniMax-H3-Image 是两者中唯一能产出该文件的。如果你的问题是客户的标志必须位于左上角，且宽度恰好为画面宽度的 12%，那么 FLUX 3 是唯一会接受这条指令的。

两者都是近期产物，而且本文并非在发布其中任何一个。FLUX 3 由 Black Forest Labs 于 2026 年 7 月 23 日发布，是一个统一的视频、图像、音频和动作模型；本次比较所涉及的图像层级已于 2026 年 10 月 1 日上线，并公布了价目表。MiniMax-H3-Image 的权重于 2026 年 11 月 10 日 14:50 UTC 登陆 Hugging Face，MiniMax 的 API 发布说明中只有一行卡片式说明，公司网站上任何地方都没有博客文章。因此，这是在比较一个已有六周付费流量的模型，和一个昨天才首次公开完整亮相一天的模型。这种不对称贯穿下文所有内容，也正是为什么最后诚实的答案是有条件的，而不是给出一个赢家。

每一项允许你指定的内容

FLUX 3 的控制界面是空间化的，这也是这款模型最有主见的地方。画布在两个轴向上始终是 0–1000 的归一化网格，因此布局提示词与分辨率无关：你在一段说明中描述整体场景，然后列出各个元素，每个元素带一个 id、一个框和一段描述，并在说明中引用这些 id。模型会规划排布方式——BFL 记录了一种由 LLM 生成布局的 agent 模式——而且此后每个框都保持可编辑。你可以重新描述某个框、替换它或移动它，而未触碰的区域则保持固定。引用是带编号的 token，ref_image_0 依次向上递增，最多十个，它们会被合成到一个场景中，而不是作为候选堆叠在一起。

MiniMax-H3-Image 的控制面由位置和文本构成。提示词文本最多可输入 32,000 个字符，其中大约前 4,096 个 token 会生效。参考图最多可传入十六张，并按上传顺序寻址——<图片 1>、<图片 2>——完全无需键入：API 中没有任何信息告诉模型哪张参考图是角色、哪张是产品、哪张是背景。整个编辑都用语言表达。没有第二遍处理，没有掩码区域，也没有坐标系。

这种差异并不是单向的功能差距。十六个无类型槽位比十个编号引用提供更大的余量，而一段描述关系的说明文字——“图3中的女人，穿着图7中的夹克，处在图1中的房间里”——承载了边界框无法承载的信息。但边界框也承载了说明文字无法承载的精确性，而 MiniMax-H3-Image 没有对应功能。

数字，逐维度地

• 输出上限——FLUX 3 Image：4K，发布尺寸为 5456×3072，约 16.8 MP。MiniMax-H3-Image：在所有宽高比下均约为 16 MP，1:1 时为 4096×4096，21:9 时最高可达 6272×2688，受 API 限制，上限为 20 MP。

• 输出下限 — FLUX 3 Image：768×768。MiniMax-H3-Image：该卡片将大约 4 MP 标为实际下限，完全没有小图档位。

• 1K 价格 — FLUX 3 Image：$0.048。MiniMax-H3-Image：$0.02179。

• 2K 价格 — FLUX 3 Image：$0.10。MiniMax-H3-Image：$0.02333。

• 4K 价格 — FLUX 3 Image：$0.607。MiniMax-H3-Image：标价 $0.06879，折扣价 $0.03439，该折扣将于 2026年11月17日 16:00 UTC 到期。

• References — FLUX 3 Image：最多 10 张，带编号，免费。MiniMax-H3-Image：最多 16 张，按位置，按输入图像 token 计费，每百万 $1.50。

• 编辑 — FLUX 3 Image：框选范围，单次请求可处理多个框，未触及区域保持不变。MiniMax-H3-Image：整图处理，通过提示词描述，单次调用最多支持 16 个参考。

权重 — FLUX 3 Image：尚未发布；商业权重许可通过 BFL 销售向大规模企业出售，而 FLUX 3 Dev 主干仍“即将推出”。MiniMax-H3-Image：现已可下载，大小为 68.65 GB，另需一个从 MiniMax-H3 借用的 66.7 GB 编码器。

采样 — MiniMax-H3-Image：固定为六步，不使用无分类器引导，其他值会因 HTTP 400 被拒绝。FLUX 3 Image：未公布步数或引导控制；图像层级仅提供 API。

• 独立评分 — FLUX 3 Image：在 Artificial Analysis 的文生图榜单上 Elo 为 1116，在 108 个模型中排名第 16，基于超过 6,457 个样本；在图像编辑榜单上 Elo 为 1119，排名第 17，基于超过 5,256 个样本。MiniMax-H3-Image：两个榜单均无收录，也没有厂商评测表。

价格差距比分辨率差距更大，而且方向相反

在 1K 下，MiniMax-H3-Image 的成本为 $0.02179，FLUX 3 Image 为 $0.048——略高于一半。到 2K 时，比例扩大到大约四比一。到 4K 时则接近九比一：$0.607 对 $0.06879，而对照折扣价 $0.03439 则达到十二比一。这条曲线是本次比较中唯一最关键的事实，值得理解它为何呈现这种形态，而不是想当然地认为某一家厂商在漫天要价。

FLUX 3 Image 的价格阶梯——$0.041、$0.048、$0.07、$0.10、$0.607——在 2K 之前大致与像素数成正比，到 4K 时则大幅跳涨。MiniMax 的价格阶梯则几乎持平：$0.02179、$0.02333、$0.06879。像素数是十六倍，价格只贵了三倍多一点。MiniMax 按 token 计费，而 token 数量并不像朴素模型会预测的那样随面积缩放；BFL 似乎把 4K 档当作高端产品来定价。无论双方各自的理由是什么，实际后果是：在两个模型都为之打造的分辨率下，开放权重的那款便宜了将近一个数量级。

这也是对比不再对称的地方。如果你只生成 1K 图像，价格差是 2.5 美分，而 FLUX 3 的布局控制很可能比省下的钱更值。4K 档是唯一一个算账会改变决策的档位，而恰恰在这个档位上，MiniMax 的折扣是暂时的。

六周的流量能换来什么，而一天换不来什么

FLUX 3 Image 已完成评分。Artificial Analysis 将其在文本到图像任务中排在第 16 位，Elo 为 1116，基于 6,457 个样本；在编辑任务中排在第 17 位，Elo 为 1119，基于 5,256 个样本——处于榜单中游，高于 FLUX.2 [max]，低于当前 Nano Banana 和 MAI 阵营中的大多数，标价为每千张图像 48 美元。你可以把它与竞争对手的数字并列，然后做出决定。你也可以观察随着更多样本到来它的排名如何变化，这正是它上方几个模型经历过的情况。

MiniMax-H3-Image 没有可比数据。不是分数低——而是根本没有分数。厂商的规格卡宣称“开源模型中最强的指令遵循能力”，却没有提供表格，而模型页面上的展示网格是现有输出的唯一证据。公开仅一天，对于一个每次生成需十秒的模型来说，盲测竞技场还来不及积累样本，因此这种缺失是意料之中，而非可疑。但它终究是一种缺失，这意味着目前对 MiniMax-H3-Image 质量的论证，是基于架构和价格的论证。

架构论证并非空谈。将 33.1B 的稠密扩散 Transformer 蒸馏到六个无引导步骤，是关于服务成本的刻意选择；而六步也正是为什么一次 16 MP 生成是一项请求，而不是一个批处理任务。模型卡自身的表述——16 MP“以实用的计算成本”——是一个 FLOPs 声明，并且与仓库中的一切内容都一致。它并不是一项质量声明，而这两者在每篇发布帖中都会被混为一谈。

每个在生产环境中会出问题的地方

FLUX 3 的局限在于其最小输出。768 像素的下限和 4K 的上限意味着，该模型在大多数商业工作所处的范围内游刃有余，但它不会给你一张 6000 像素宽的底图。它也是闭源的：你无法下载它，无法锁定某个 checkpoint，而且 BFL 的许可页面将自托管面向规模化企业而非个人出售。如果 BFL 更改费率或停用某个层级，你的流水线也会随之改变。六周的流量只能算一份过往记录，而非保证。

MiniMax-H3-Image 的限制在于许可证，而它比“开放权重”所暗示的更为严格。MiniMax-H3-Image 社区许可协议在定义上排除了欧盟、英国、韩国和美国；要求年化收入超过一百万美元时需获得单独的书面授权；对任何托管服务也有同样的要求，且不设收入门槛；要求在所有商业界面上醒目展示模型名称；并禁止使用输出结果训练其他模型。如果你身处上述地区之一并在构建产品，那么按这些条款，开放权重对你并不可用，而 MiniMax 销售的托管 API 则是仍然可行的路径。

还有一个两者共有、却没有任何发布文章提到的第三重限制：评估回路。两个模型都无法让你在生成之前判断某个提示词是否会奏效——除了实际生成一次。FLUX 3 的边框把可能的失败范围收窄到摆放位置，而这是可以用代码检查的。MiniMax-H3-Image 的失败则是语义层面的，这意味着必须由人来查看。对于一条每天生成数千张图像的流水线而言，验证成本上的这一差异，可能超过生成成本上的差异。

要调用哪一个

如果交付物很大——一块印刷版、一张将被裁成三种宽高比的背景图、一张必须在 100% 下仍保持细节的 4K 主视觉图——那么 MiniMax-H3-Image 就是这一环节中唯一能产出该文件的一方，而且按每帧 $0.06879 计算，它也是便宜得多的一方。选它吧，做预算时按标价而非折扣价来算，并且在基于它构建产品之前先读一遍许可证。

如果交付物是构图性的——布局必须精确，编辑必须不影响其他所有部分，品牌体系里位置就是全部关键——那么 FLUX 3 是唯一具备这些控制能力的一方，而且它是有评分的，这意味着你可以预判自己买到的是什么。在 1K 下贵 2.5 美分并不是那里的决定性数字。

如果你两者都需要，真正可行的做法是拆分任务，而不是二选一：先在 FLUX 3 能胜任的分辨率下完成构图和编辑，再把定稿画面放大或重新生成到 16 MP。这样是两次调用、两份费用而不是一次，但仍然比生成上百次之后才发现模型无法在角落稳定保留一个标志更划算。

今天这两款模型都不在 OrcaRouter 的目录中——FLUX 3 Image 是直接调用 Black Forest Labs，MiniMax-H3-Image 则是 MiniMax 自有 API 或你自己的 GPU——因此这里没有任何路由建议。我们确实提供的是 MiniMax H3 家族的视频部分，minimax/minimax-h3，以及我们确实托管的图像路由，在一个密钥下，按提供商列表价 0% 加价。在像这样的对比中，这一点之所以重要，原因在于故障转移：当一个 16 MP 请求耗时超过客户端超时时间时，同一接口下的第二条路由比更优的单图价格更有价值。长时间、超时即计费的生成任务，正是回退方案体现价值的负载，而 MiniMax 对超时收费而非退款。

能够一锤定音的那个问题

这个对比中缺少的不是一项规格参数，而是样本量。当 MiniMax-H3-Image 出现在一个拥有几千张盲投票的图像竞技场上时，价格差距就不再是主要论据，而会变成一种权衡：用一定金额换取一定程度的可量化质量。在那之前，FLUX 3 是你可以据理分析的模型，而 MiniMax-H3-Image 是你必须实测的模型；而测试它的成本足够低——几美元加一个下午——以至于任何有 4K 交付物的人都应该直接跑这个测试，而不是等别人的结果。