MiniMax-H3-Image 对比 Nano Banana 2：开放权重，封闭边界

MiniMax-H3-Image 令人意外之处不在其得分，而在于其许可证中的地图。该检查点于 2026 年 11 月 10 日上线 Hugging Face——一个 68.65 GB 的仓库，其中 66.28 GB 是扩散 Transformer，外加一个从 H3 视频模型借来的 66.7 GB 文本编码器——而约束它的文件《MiniMax-H3-Image 社区许可协议》授予“全球范围内，不包括排除领土”的权利，随后又将排除领土定义为欧盟、英国、韩国和美国。Nano Banana 2，即 G​oogle 的 gemini-3.1-flash-image，自 2026 年 5 月 28 日起已全面可用，除了信用卡之外对你别无所求。因此，对这场较量最诚实的概括，不是开放与闭源之争。而是一个你可以下载、却可能无法在你居住的地方合法部署的模型，对阵一个你永远无法下载、却可以从任何地方调用的模型。其他一切——1600 万像素、价格阶梯、排行榜位置——相对于这一点都是次要的，而本文剩下的部分讲的是，一旦你接受这一点，什么会改变。

许可证实际允许的内容

2026年11月14日读到，M​iniMax 许可第 IV 节简短且异常具体。有两种情形会触发一项要求：必须通过 M​iniMax 的许可控制台获得事先书面授权——你或你的关联方年化收入超过 100 万美元，或向第三方提供托管服务。这两种触发情形均不收取特许权使用费。两者都要求你提出申请。第 IV 节还规定了一项署名义务——任何使用该模型的商业产品都必须在其界面中“显著展示‘MiniMax-H3-Image’”，这与常见的“built with”徽章不同，因为它标明的是模型，而不是公司。

地域条款是更难处理的那一条，而且它不是细枝末节。授权本身仅限于适用地域，而协议明确表示，在其之外使用“未获本协议授权”。这不是对再分发的限制；这是对在四个列明司法辖区内运行这些权重本身的限制。M​iniMax 自己的模型卡会引导这些地区的任何人去进行单独的许可洽谈，并提到“强有力的控制与护栏”是这类安排会涉及的一部分。对于柏林的工作室、首尔的初创公司，或者——对英文模型博客的大多数读者来说更关键的是——美国任何地方，实际答案都是：开放权重是一种你可以检查、做基准测试并撰写的科研产物，而不是生产依赖。

Nano Banana 2 没有对应的谜题。它是 Google Cloud 产品：你调用它，得到一张图像，把它发布出去，条款就是标准的 API 条款。没有收入门槛，没有地域排除条款，没有署名条款，也没有托管服务方面的谈判。为了这份简洁，你放弃的是文件。如果 Google 更改价格、停用该标识符或发生服务中断，你得到的是一张迁移工单，而不是一个备用方案。

这种对称性——一个模型给你的是附带不可用许可证的产物，另一个给你的是可用许可证却没有任何产物——才是真正的决策点。大多数对比页面会跳过这一点，因为许可证文件很无聊，而基准测试表却不是。

两个模型在板上交叉的位置

Artificial Analysis 现在在其两个图像竞技场中对两者都进行评分，而在 MiniMax-H3-Image 发布时并非如此。截至 2026 年 11 月 14 日读取，这些数字描述的是真正的交叉，而非差距：

文生图——Nano Banana 2 在 114 行中位列第 11，Elo 为 1,143（95% 区间 1,133–1,153）。MiniMax-H3-Image 位列第 25，Elo 为 1,066（1,051–1,080）。两者相差 77 Elo，且两个区间相距甚远，根本谈不上重叠。

• 图像编辑 — MiniMax-H3-Image 以 Elo 1,138（1,122–1,154）在 84 个中排名第 13。Nano Banana 2 以 1,126（1,114–1,138）排名第 17。M​iniMax 领先 12 Elo；两个区间有几个点的重叠，因此应将其视为微弱领先，而非碾压性优势，但这正是榜单显示的方向。

• 高速版本——MiniMax-H3-Image Highspeed，仅存在于 MiniMax 自有 API 上，单独排名：文生图以 1,072 分位列第 24，编辑以 1,134 分位列第 14。在 4K 下，每次生成的成本约为标准档的 1.7 倍，但在两个榜单上都没能换来更高的分数。它换来的是延迟，而榜单并不衡量延迟。

Artificial Analysis 于 2026 年 11 月 13 日发布的自家结果总结，补上了 MiniMax 会想要的框定：在其榜单上，MiniMax-H3-Image 是两个类别中带有开放权重标记的排名最高的行。这一说法是他们的，且取决于他们对哪些行算作开放权重的分类——在文生图类别中排在 H3-Image 之上的若干模型，包括评分为 1,119 的 FLUX 3 Image 行，并非显然可下载，因此这个标记确实在起关键作用。引用时应将其视为榜单运营方的声明，而不是仅凭权重就能核实的事实。

值得抓住的格局是这样的：M​iniMax 的模型在编辑任务上表现更好，而在空白页任务上明显更差。这与它的设计相符。十六个参考槽位，加上为重度依赖参考图的工作调校的采样器，把编辑这一项的分数推了上去；而六步蒸馏采样器、不带引导，讲的是可控性的故事，而不是保真度的故事，文生图上的差距就是为此付出的代价。

价格阶梯，以及仅剩三天的折扣

MiniMax 按 token 计费，而不是按图像计费，因此在阅读详细示例之前，总览数字会产生误导。标准档：每百万输入文本 token 为 2.30 美元，每百万输入图像 token 为 1.50 美元，每百万输出图像 token 为 3.80 美元。Highspeed：文本费率相同，图像输入为 3.00 美元，输出为 7.60 美元。

• 文本生成图像，标准版 — 在首发折扣有效期内，1K 为 $0.02179，2K 为 $0.02333，4K 为 $0.03439，而标价为 $0.06879。

• 使用一张参考图进行编辑 — 1K 时为 $0.02654，2K 时为 $0.02658，4K 时为 $0.03656（标价 $0.07312）。

• 使用三张参考图进行编辑 — 1K 时为 $0.03563，2K 时为 $0.04177，4K 时为 $0.03957（标价 $0.07914）。

• 高速版，文生图——1K 为 $0.03529，2K 为 $0.03622，4K 为 $0.06501（标价 $0.13001）。

将 4K 档价格减半的折扣持续到 2026 年 11 月 17 日 16:00 UTC，并且仅适用于已交付且至少达到 16,600,000 像素的图像。此后，4K 费率大约翻倍，而所有更低档位保持不变——这会改变推荐方案的形态，因为平坦的价格阶梯正是使用该模型的根本理由。按标价计算，一张 4K M​iniMax 图像的成本与一张 4K Nano Banana 2 图像大致相同，并且不再低于后者。

Google 这边是一张清晰的按图像计费表：1K 图像为 1,120 个 token，4K 图像为 2,520 个 token，每百万图像输出 token 收费 60 美元。折算下来，512px 为 0.045 美元，1024×1024 为 0.067 美元，2048×2048 为 0.101 美元，4096×4096 为 0.151 美元；文本和思考（thinking）单独计费，每百万输出 token 为 3 美元，输入为每百万 0.50 美元。与 Lite 姊妹型号不同，该模型没有列出批量档位。注意“按分辨率”含义中的不对称：Nano Banana 2 的 4K 图像是 4096×4096，MiniMax 的 4K 图像也是 4096×4096，因此两套阶梯在顶部可直接比较，而在底部出现分歧——Google 提供 512px 档，MiniMax 不提供。

每月一万张图像，每张一张参考图，2K 输出：按当前费率，在 M​iniMax 标准版上约为 266 美元，在 Nano Banana 2 上约为 1,010 美元。这是数字差距唯一不接近的地方，也正是许可证最可能让你止步的地方。

一方能做而另一方做不到的事

能力清单不像分数那样对称。两个模型都通过单一端点对进行生成和编辑，都接受参考图像，并且都输出数百万像素的文件。除此之外，它们在几乎所有维度上都存在差异：

• 参考图像 — MiniMax-H3-Image 接受 1 到 16 张图像，在提示词中按上传顺序以 <Picture 1> 到 <Picture 16> 的位置进行引用。Nano Banana 2 接受 14 张，但会将其拆分：最多 10 个对象参考以保证保真度，最多 4 个角色参考以保证一致性。

• 输出 — M​iniMax 声称在每种宽高比下都能达到约 1600 万像素，从 4096×4096 方形到 6272×2688 超宽，API 上限为 2000 万像素，且处理路径中没有上采样器。Nano Banana 2 最高为 4096×4096，但增加了极端的 1:4、4:1、1:8 和 8:1 形状，以及用于缩略图的 512px 档位。

• Grounding（外部信息依据）—— Nano Banana 2 可以将生成内容建立在 Google 搜索或图片搜索结果之上。MiniMax-H3-Image 则完全不具备任何检索能力；所有内容都来自提示词和参考素材。

来源追溯——每个 Nano Banana 2 输出都带有 SynthID 水印和 C2PA 元数据。{{1}}MiniMax 仓库和许可证未声明任何水印方案，这究竟是一项特性还是合规问题，取决于你所在的司法管辖区；在欧盟，它属于后者。{{/1}}

• 推理控制 — Nano Banana 2 支持在 minimal 或 high 级别进行思考，默认使用 minimal，且无法通过 API 关闭思考；无论你是否读取，这些 token 都会计费。M​iniMax 完全不暴露推理接口，只有一个固定的采样器。

• 采样器 —— MiniMax 被蒸馏为六步，且不使用无分类器引导。如果你传入任何其他步数或引导值，API 会返回 HTTP 400，并且会拒绝负面提示词。你只需调整提示词和参考图，其他都不用调。Google 的模型则采用常规的参数集合。

采样器这一点有利也有弊。它让 MiniMax 的输出可以在你自己的硬件上精确复现，这对回归测试来说是一项实实在在的特性；同时，它也移除了标准的质量调节旋钮——一个习惯于调 CFG 的团队在编辑结果出错时，首先会去动这个旋钮。

如果你打算自行托管，请先读这篇

大多数人想要开放权重，并不是出于意识形态，而是为了拥有停止按图付费的选择。在这个模型上，这个选择的代价高昂，下载体积对此有所暗示，而公告却没有说明。Transformer 在 BF16 下为 66.28 GB，VAE 为 2.34 GB，文本编码器则是另外单独拉取的 66.7 GB——来自 MiniMax-H3 的完整 Qwen3-VL，原样未改，DiT 读取其第 50 层隐藏状态。也就是说，在生成第一张图之前，大约就有 135 GB 的权重，而且该模型是 331 亿参数的稠密 Transformer，不是具有低成本激活路径的混合专家模型。

相比之下，Qwen-Image 2.1——人们会问到的另一个开放选项——下载体积大约只有四分之一。如果你的计划是单台工作站或一块租来的 GPU，那么这个检查点上的账就是第一件要算的事，而不是最后一件。M​iniMax 自己的模型卡没有提供延迟数据，也没有硬件配置建议，因此发布材料里没有任何内容能告诉你，在十六兆像素下跑六步是否适合你的显卡。

考虑到这一切，是哪一个

如果你身处欧盟、英国、韩国和美国之外，并且需要在有大量参考图的情况下进行 4K 批量处理，那么 MiniMax-H3-Image 目前是更好也更便宜的编辑模型；而且它在编辑方面领先 12-Elo 的幅度足够小，你应该用自己的提示词实测它，而不是信任排行榜。如果你位于这些地区之内，许可证已经替你做了决定，而更有意思的问题就变成了 MiniMax 是否会将其授权——这是一场商业对话，而不是技术对话。

如果你需要文本渲染、搜索接地、来源标记或无限制的调用方侧契约，Nano Banana 2 在能力上胜出，但在价格上落败，而且它在文生图方面 77-Elo 的领先优势是本次比较中最大的单一数字。

截至2026年11月14日，这两款模型均未出现在 OrcaRouter 的产品目录中，本页面也不会假装它们已经上架。该平台在图像产品线中确实提供的是目前可实际调用的 O​penAI 和 G​oogle 图像模型，按供应商标价、以 0% 加价直接透传——这意味着，当 M​iniMax 的 4K 折扣于11月17日到期，或当 G​oogle 调整价格时，我们目录中的数字会在同一天变动，而不是等到下一次合同续约。这里路由层重要的另一个原因是故障转移：一个没有独立延迟数据、且排行榜条目已是六天前的模型，正是那种你希望放在自动故障转移之后、而不是直接接入生产路径的依赖项。

改变这一结论的将是许可证修订。M​iniMax 此前曾发布、称赞过模型，随后又为其重新授权，而地域条款读起来更像是合规上的默认设置，而非经过深思熟虑的限制。如果“排除地区”名单缩短，这项比较中编辑方面就会变成基于价格和评分的直接推荐。在那之前，这个开放模型在你可以阅读它的意义上是开放的，而在决定你能否使用它的那层意义上则是封闭的。