MiniMax-H3-Image 对比 Meta Muse Image：开放权重的领先优势止步于何处

有一项对比是 MiniMax-H3-Image 没能胜出的，那就是与一款每张图仅需一美分的模型之间的对比。Meta Muse Image 自 2026 年 7 月 7 日起在 Meta 自家的 Model API 上线，生成每张图固定收费 0.01 美元，且搜索 grounding 已包含在该价格内；在 AA-Image-T2I v2.1 上，它基于 9,061 票获得 1,127 Elo，排名第十三，比 MiniMax-H3-Image 的 1,066 高出六十一分——后者基于 3,206 票排名第二十五，且两者的置信区间远未接近相交。在编辑榜上，两者实际上不相上下：MiniMax-H3-Image 为 1,138，Muse Image 为 1,128，相差十分，误差棒大幅重叠。而 MiniMax-H3-Image 每张图的成本为 0.02179 至 0.06879 美元，对比之下对方只要一美分。

所以，这个在两个榜单上都领先于所有可下载竞品的模型，带着一场代价翻倍的平局和一场代价六十一 Elo 的失利来到这组对比中。这值得好好琢磨，因为正是这个对比告诉你，“最佳开源权重图像模型”这个名号究竟值多少。

十点和六十一，以及为什么第二个更重要

在图像编辑方面，这确实是真正的并列，应当如实作为一个并列结果来报告。MiniMax-H3-Image 的区间为 1,122 到 1,154；Muse Image 的区间为 1,117 到 1,139。两者在大部分区间宽度上重叠，而榜单自身的排名范围——前者第九到第十八，后者第十三到第二十一——只是换一种更冗长的说法来表达同一件事。在这里，没有人能声称存在某种图像编辑优势，还能在再次审读数据后站得住脚。

代际差距则是另一类数字。1,066 的区间上限达到 1,081，而 1,127 的区间下限为 1,116——两个区间之间有三十五点的明显空白。这不是噪声，也不是小效应：在一百一十四个模型的排行榜上，这就是前四分之一与第二个四分之一之间的差别。在纯文本到图像任务上，Meta 的 penny 模型表现更好，数据明确无误地证明了这一点。

这颠覆了 H3-Image 发布时所讲述的故事。该模型以 1600 万像素和 16 个位置参考亮相，所有人由此推断，这是一款具备严肃编辑能力的生成器。榜单在编辑这一半上意见一致，在生成这一半上则存在分歧。M​iniMax 打造的是一个也很能生成的优秀编辑器，而不是一个也能编辑的生成器。

一便士实际能买到什么，以及算术在哪里失效

Meta 的计费单位有着非同寻常的精确说明：计费单位是图像，而非 token。开发者文档称，该模型按每张生成图像统一收费 $0.01，并明确表示 Muse Image“并非按 token 计价”；其返回的用量块中携带的输入和输出 token 数量仅供参考。由此产生两个后果，二者都属于运营层面，而非表面修饰。失败不计费——生成失败的图像，或在返回前被安全过滤移除的图像，均不计入。而搜索接地（search grounding）——即一次实时网页查询，加上为单个输出服务的工具调用——已包含在按图像计价的价格内，而不是另行计费。

拿这个去对比 M​iniMax 的价目表在一万张图片任务上的价格。Muse Image：一口价 $100，无论有多少次重试失败。MiniMax-H3-Image 在其 1K 档位为 $217.90，而且每一个仍然产生了计费输出的失败请求都会出现在你的账单上。在模型真正交付 1600 万像素的 4K 档位，标价为 $687.90，当前折扣期间为 $343.90；该折扣将于 2026 年 11 月 17 日 16:00 UTC 到期，并且仅在交付图像至少为 16,600,000 像素时适用。这一差距在任何档位都不是四舍五入的差异；它是你可以承受去尝试的任务，与你必须为之做预算的任务之间的差别。

但两者出售的并不是同一种产物，而这正是比较必须具体化、而不能停留在单张图像层面的地方。MiniMax-H3-Image 公布了其在每种宽高比下的画布尺寸：4096×4096、4736×3552、5024×3360、5472×3072、6272×2688，API 上限为 2000 万像素。Meta 则完全没有公布 Muse Image 的任何像素尺寸。其文档明确指出，images 端点上的 size 参数“仅设置宽高比，而非精确像素”——不要将其解读为分辨率保证。没有已公布的百万像素数值可用来计算每百万像素的价格，这意味着本可为此定论的每百万像素比较无法根据文档计算。应将其视为关于两家厂商披露情况的事实，而非任一产品的缺陷。

闭源模型是更容易部署的那一个，而这恰恰是颠倒之处。

下面这一点让这次对比不止是一份价目表。Meta Muse Image 是专有的。没有权重、没有模型卡，也没有可查阅的许可证，而且 Meta 的开发者文档明确划清了界限：你通过 Model API 调用的 Muse 系列模型是由服务端提供的，而该系列中唯一的开放权重模型 Muse Glimmer 是从 Muse Spark 蒸馏出的另一个模型，并不是 Muse Image 的开放发布版。调用它只是在兼容 OpenAI 或 Anthropic 的 SDK 上更改模型字符串。

MiniMax-H3-Image 可下载，这通常会被理解为自由选项。但根据《MiniMax-H3-Image 社区许可协议》，该协议将欧盟、英国、韩国和美国排除在外——被排除的是模型本身，而不仅是其输出——在任何收入水平下提供托管服务均需另行书面授权，在其他情况下年化收入超过一百万美元时也需另行书面授权；协议还要求在使用该模型的任何地方显著展示模型名称，并禁止使用其输出来训练其他模型。

把一个奥斯汀或曼彻斯特的团队叫来，把两者并排放着看，通常的直觉就反过来了。专有模型才是他们周一就能用的那个。开放权重模型则是那个需要先拿到 MiniMax 的签字才能进产品、而且可能还得另开一场完全不同的对话的模型。在一篇总体上主张开放权重的博客里写下这话有点怪，但它是真的，所以就写在这儿了。

对于新加坡或圣保罗的团队，许可条款形同虚设，计算会回到上面那一种：编辑打平时是一便士对两美分，生成落败时也是一便士对两美分。按这些数字，仍然是 Meta，除非像素才是硬性要求。

拆卸旋钮的两种方法

两个模型都收走了你的采样控制权，而且方向相反。MiniMax-H3-Image 将一个 331 亿参数的 Transformer 蒸馏到六个采样步，且不使用无分类器引导，API 会以 HTTP 400 拒绝任何其他步数或引导值。没有负向提示词。你唯一能改变的是提示词——最多 32,000 个字符，其中大约前 4,096 个 token 会生效——以及参考图，最多十六张，按位置分别称为 <Picture 1> 到 <Picture 16>。

Meta Muse Image 通过在其上增加一层，去掉了那些旋钮。用 Meta 的话说，该模型"先推理，再渲染"：它会调用搜索与编码工具，对自身生成的内容进行自我精修，并通过扩展测试时计算来持续改进。单次请求最多可传入十张参考图像，而智能体行为可以开关，这使得推理深度——而非采样器——成为控制成本与延迟的杠杆。Meta 描述了与其 M​use Spark 推理模型的配对方式，使两者共享工具并联合规划，文档中所述的多部分输出——动画 GIF、内嵌图像的页面、小型交互式游戏——正是由此产生的。

实际差异会在失败时显现。当 MiniMax-H3-Image 把一次编辑做错时，调用中只有一遍结果可供追问，没有第二种意见；解决办法是更好的提示词或更好的参考图。当 Muse Image 出错时，失败可能出在推理路径而不是渲染本身，因此在你自己提示词上首先要测试的是调高或调低智能体行为，而不是盲目相信。两者没有优劣之分。它们是不同的调试面，知道自己处在哪一个上能省下一个下午。

Meta 不会告诉你的事

这个代价伴随着巨大的文档缺口，而且这一点应当与价格一并说明。Meta 尚未发布我们能读到的 Muse Image 速率限制——其开发者网站上的速率限制页面只返回了一个空壳，没有任何数字。没有公开的延迟概况，没有成功率，也没有对生产流量下智能体循环的独立评估。没有任何独立方提供的指令遵循或编辑保真度基准测试，而 Meta 自己的基准测试图表也没有可读的数字。如果吞吐量对你的设计很重要，你将从 API 而不是手册中发现其性能边界。

溯源标识也是同样的情形。Muse Image 搭载 Content Seal，这是一种不可见水印系统；Meta 称其能在裁剪、压缩、调整尺寸和截图后保持完整，并提供一个预览中的检测工具。仔细看清适用范围：Meta 描述该标记由在 Meta AI 应用和 meta.ai 上创建的图像承载，而这两者都属于面向消费者的使用界面；不过，模型页面和 API 文档都没有说明通过 Model API 生成的图像是否带有该标记。在你用自己的账户测试过输出之前，应假定它不会随 API 生成的文件一起传递。另外，来自 Reuters 的唯一一次已报道的检测器测试发现，该检测器未能验证大多数带有水印的图像。就 MiniMax 而言，它根本没有为 H3-Image 发布任何来源标识或水印系统，这是对同一个问题的另一种回答。

M​iniMax 自身的短板则在于反方向的延迟：厂商声称十秒内达到一千六百万像素，但其背后并未公布按宽高比划分的 p50、p95 或上限。Krea 为其最慢模式公布了每任务上限；M​iniMax 公布的则是最佳情况。Meta 两者都不公布。三家厂商，围绕同一个运营问题给出了三种不同层次的披露，而价格信息最详细的那家，并不是性能数据最详细的那家。

如何一遍就做出决定

如果你的输出要用于网页、信息流、列表页或客户演示文稿，且尺寸低于约四百万像素，那么根据这些数据，答案就是 Meta Muse Image。它在生成方面实测领先，在编辑方面持平，每次调用成本仅为原来的二分之一到七分之一，失败调用计费为零，搜索功能已包含在价格内，并且在 MiniMax 排除的四个司法辖区无需许可证审查。文档缺口确实存在，但这类问题只需花一周自行测试就能解决，而不必走采购流程。

如果你的输出需要在打印尺寸下承载细节，或者需要从一张母版裁出三种构图，那么答案就是 MiniMax-H3-Image，价格无关紧要，因为替代方案无法产出该资产。每种宽高比下原生 1600 万像素，这是一个廉价模型无论偏好评分如何都无法竞争的品类；而参考系统的 16 个位置槽让你能把多张提供的图像合成为一个新场景，而不是编辑单张图像——这是本对比中其他模型在该规模下都未记录的能力。

如果你身处欧盟、英国、韩国或美国，而你需要这些像素，那么诚实的答案是：你正在等待——要么等 M​iniMax 的书面授权，要么等一个无需授权就能返回那么多画布的模型。两者都有可能在一个季度内实现。但今天两者都还不存在。

路由器适用于哪些场景，以及不适用于哪些场景

OrcaRouter 不提供这两个模型中的任何一个。MiniMax-H3-Image 在我们的产品目录中没有路由，而 Meta Muse Image 需通过 Meta 自己的 Model API 访问，而非我们的。另请注意，我们目录中名称相似的 Muse 模型是聊天模型，而非此图像模型，此处任何内容都不应被理解为通往该模型的途径。我们从 MiniMax 的 H3 系列中确实提供的是视频模型，minimax/minimax-h3，按供应商标价、0% 加价直通。

在这项比较中，路由真正有帮助的唯一地方，就是数字最不确定的那部分。MiniMax-H3-Image 才问世四天，其编辑行上有 16 个百分点的区间，且许可证因国家而异；Muse Image 则有四个月的投票，以及一个无文档记录的运行包线。两者都不适合作为硬依赖接入。一条主路由，并自动故障转移到第二个经过实测的模型，正是让新进入者获得真实流量、又不把这项工作押在它身上的方式——而当上述比较在误差范围内打平时，那才是诚实的生产架构，而不是一种对冲。

一分钱对两分钱看起来是个容易的决定，直到第一个模型能返回四倍大的画布，而第二个可以切换到推理深度。恰恰在你弄清楚自己的输出实际依赖这两项特性中的哪一项时，它就不再像是一个价格问题了。