MiniMax-H3-Image vs Nano Banana 2.1：价格几乎相同，证据却相去甚远

两个图像模型，每张图都大约三美分，而在 MiniMax-H3-Image 和 Nano Banana 2.1 之间做选择，并不是价格能决定的。在 1024×1024 下，这个开放权重的新来者每次生成花费 $0.02179，而 Google 的 Nano Banana 2.1 花费 $0.0336——相差约一美分。在 4096×4096 下，差距扩大到 $0.06879 对 $0.113。所以便宜的那个确实更便宜，便宜三分之一到一半。现在无论花多少钱都买不到的，是一个相信便宜模型质量主张的理由，因为 MiniMax 之外没有人测量过它。Nano Banana 2.1 在 Artificial Analysis 的两个图像榜单上都位列第四，每个排名背后都有数千个样本。MiniMax-H3-Image 两个榜单都没有出现，不在任何位置，也没有任何样本量。这种不对称就是整场比较的全部，再多的规格表算术也无法弥合它。

在继续之前，值得把日期说具体一些，因为这两个模型并不处于同一生命周期阶段。Nano Banana 2.1 自 2026 年 10 月 6 日起已正式可用，即 gemini-nano-banana-2.1，并取代了 gemini-3.1-flash-image，Google 已将其弃用，关停日期为 2026 年 10 月 29 日——因此，如果你之前调用的是旧模型，那你早就必须迁移了。MiniMax-H3-Image 的权重于 2026 年 11 月 10 日 14:50 UTC 上线 Hugging Face，同日的 MiniMax API 发布说明中只有一张简短的卡片，且没有配套的博客文章。一个模型已经有一个月的生产流量；另一个才刚开放下载一天。请据此判断。

每一项实际给你带来什么

Nano Banana 2.1 是 Gemini 3.6 Flash 的衍生产品，仅通过 G​oogle 的 API 销售。它有三个分辨率档位——1K、2K、4K，且没有 512 像素选项——支持常见的一组宽高比，输入上下文为 131,072 个 token，输出为 32,768 个 token。它在单次请求中最多接受 14 张参考图像，由 G​oogle 将其分为 10 张对象参考图和 4 张角色参考图，并且可以让生成内容以 G​oogle 搜索或图片搜索结果为依据。思考功能默认以 medium 级别开启，可选择 minimal 和 high 级别，且完全无法通过 API 关闭。每个输出都带有 SynthID 水印。

MiniMax-H3-Image 是一个 33.1B 的稠密扩散 Transformer，其 VAE 采用 CNN 编码器和 24 层 ViT 解码器，以 M​iniMax 自有社区许可证发布。文生图与编辑均通过同一对端点运行，编辑接受 1 至 16 张参考图，按上传顺序以位置方式引用为 <Picture 1> 至 <Picture 16>，且模型经蒸馏至六步采样，不使用无分类器引导——若传入除 num_inference_steps=6 和 guidance_scale=1 之外的任何值，所服务的 API 会返回 HTTP 400。通过 API 输出面积上限为 20,000,000 像素，面积档位为 1K、2K 和 4K，默认 4K；模型卡声称在各宽高比下均约为 1600 万像素。仓库和许可证中均未提及任何搜索接地、思考预算或水印方案。

两份能力清单的差异，恰好清晰地对应出每款产品的目标用户。G​oogle 交付的是编排能力：引用、检索、推理预算、来源标记。M​iniMax 交付的是分辨率与控制力：十六个参考槽位、2000 万像素上限、一个固定的六步采样器，你可以在自己的硬件上精确复现。

价格阶梯，并明确说明折扣窗口

Nano Banana 2.1 按每百万输出图像 token 30 美元计费，而 G​oogle 自己的文档将其折算为每张 1K 图像 0.0336 美元、每张 2K 图像 0.0504 美元、每张 4K 图像 0.113 美元。输入图像按每百万 token 1.50 美元计费，文本输出按每百万 7.50 美元计费。对于可以等待的任务，还有按这些输出费率减半计费的批处理层级；Artificial Analysis 将有效的 1K 费率列为每千张图像 33.60 美元——这是同一个数字的批量表达方式。

MiniMax-H3-Image 在原则上采用相同的计费方式，但结果却大不相同。标准档：每百万输入文本 token 收费 $2.30，每百万输入图像 token 收费 $1.50，每百万输出图像 token 收费 $3.80。按供应商自己的示例计算：

• 1K 文生图 — Nano Banana 2.1 $0.0336 对比 MiniMax-H3-Image $0.02179。

• 2K 文生图 — $0.0504 对比 $0.02333。

• 4K 文生图 — $0.113 对比 $0.06879，或在 M​iniMax 限时 50% 折扣下为 $0.03439。

• 使用一张参考图进行编辑——Google 在这些层级并未公布按图像计费的编辑价格；MiniMax 在 1K 收费 $0.02654，在 2K 收费 $0.02658，在 4K 收费 $0.07312。

• 使用三张参考图进行编辑 — 在 M​iniMax 上，1K 时为 $0.03563，2K 时为 $0.04177，4K 时为 $0.07914。

那张价格阶梯里有两个细节很容易被忽略，却会改变算账结果。第一，MiniMax 的折扣仅在交付图像至少达到 16,600,000 像素时适用，并且将于 2026 年 11 月 17 日 16:00 UTC 到期——也就是权重上线六天后。若用折扣后的 4K 数字给流水线定价，你其实是在按促销价定价。第二，MiniMax 的价格阶梯异常平坦：像素多十六倍，价钱只多三倍多一点，因为计费单位是 token，而 token 数量并不像标价所暗示的那样随面积缩放。Google 的阶梯则更接近按比例。在 4K——这个开放权重模型所针对的分辨率——真正的节省正藏在这种平坦之中。

路由层在这里的价值，就在于不必在意自己用的是这两种计量方式中的哪一种。 OrcaRouter 按提供商标价以 0% 加价透传，这意味着供应商的价格变动——包括像 MiniMax 那样的促销，也包括促销到期——当天就会在我们这边生效，而无需等待计费迁移。本次比较中的两个模型都不在我们的目录中：MiniMax-H3-Image 才发布一周，尚无托管路由，而 Nano Banana 2.1 是通过 Google 自家 API 访问的。我们确实从这一谱系中提供的是 上一代，google/gemini-3.1-flash-image-preview，以及 OpenAI 的图像路由和面向 MiniMax H3 的视频路由。之所以要把这一点讲清楚，是因为一篇将未经测量的开放权重检查点与已有评分的闭源模型进行比较的文章，不应假装这个新检查点只需按一下键就能用。

这件事只有一方有记分牌

Artificial Analysis 在其文生图榜单上为 Nano Banana 2.1 打出 Elo 1160 分，排名第四，样本量超过 6,055 个；在其图像编辑榜单上打出 Elo 1137 分，同样排名第四，样本量超过 5,968 个。这两个名次都对应第四到第六的排名区间，具体取决于你查看的区间。这些结果是独立采样得出的，并且可与榜单上其他所有模型进行比较——包括你已经在使用的模型。

MiniMax-H3-Image 在两个榜单上都没有条目。不是排名低，而是根本没有。厂商的宣传卡称其为“领先的开放权重图像模型”，而仓库的展示网格是现存唯一的输出质量证据，而这恰恰是那种被设计得看起来很好的证据。也没有厂商评测表——没有 GenEval，没有 DPG-Bench，没有人类偏好数据，没有任何可与竞争对手已发布评测相比较的内容。一个月后情况可能已经改变。今天，诚实的总结是：更便宜的模型更便宜，被测量的模型被测量了，而这两个事实并不冲突，因为它们说的是不同的事情。

存在一项二阶成本，单张图像的价格完全掩盖了它，而它是本文中最大的数字：BF16 和 FP32 下的扩散 Transformer 与 VAE 共 68.65 GB，外加一个文本编码器，它根本不在仓库中。MiniMax-H3-Image 会加载text_encoder/，其来自 MiniMax-H3 视频模型，即 66.7 GB 的 Qwen3-VL，因此首次本地生成需要跨两个仓库下载约 135 GB。再加上 GPU：MiniMax 自己针对 vLLM-Omni 的服务指南点名了 H200、RTX PRO 6000 Blackwell 和 AMD Instinct MI350X，而多 GPU 序列并行——--ulysses-degree 在 SGLang 上，--usp 在 vLLM-Omni 上——才是文档中给出的、在全分辨率下获得可接受延迟的方法。按每张 1K 图像 0.02179 美元计算，在很长一段时间里，API 都比电费更便宜。开放权重对于可控性和许可证条款很有价值，而不是小规模下的单位经济效益。

限制比质量更能决定部署数量

分辨率上限是最明显的一点，而且差距毫无悬念。Nano Banana 2.1 止步于 4K。MiniMax-H3-Image 通过 API 可达 20 兆像素，在卡片示例中约为 16 兆像素——1:1 下为 4096×4096，21:9 下为 6272×2688，4K 16:9 下为 5472×3072。如果你的交付物是印刷尺寸的图版，或是会被大幅裁剪的背景，那么闭源模型在质量成为讨论点之前就已出局，而本文中的这两个模型根本不再构成竞争。

参考处理则相反。Google 的 14 个参考是有类型的——10 个对象、4 个角色——而类型划分在发挥作用：它告诉模型每张图像扮演什么角色。MiniMax 的 16 个是未类型化的槽位，按位置寻址，这意味着更多余地、更少结构。如果你的工作流是“把这个人穿上这件夹克，置于这个背景前”，那么 Google 的类型化就是特性。如果是“这里有十六帧，在所有帧中保持身份一致”，那么 MiniMax 的上限就是特性。两者互不为超集。

提示词预算排在第三。Nano Banana 2.1 拥有 131,072 个 token 的输入上下文可用。MiniMax-H3-Image 在正式提供的 API 上最多接受 32,000 个字符，但在关闭提示词增强时，只有大约前 4,096 个 token 会生效；而本地 SGLang 路径则直接在 4,096 个 token 处截断。对于一个主打指令遵循的模型来说，这样的预算相当紧张，因此 MiniMax 推出了配套模型：MiniMax-H3-Image-PE。这是一个基于 Qwen3.8-27B 的 27B FP4 微调模型，可将简短请求改写为长描述，并给出宽高比建议，再按 schema 以 JSON 输出。它大约占用 19 GiB 显存。其编辑侧部分被描述为仅支持提示词，且仍在开发中，因此该扩写器目前主要对文生图有帮助，其他方面作用不大。

而许可证在 G​oogle 这边没有对应物，因为没有什么可许可的。M​iniMax 的社区协议要求：当年化收入超过 100 万美元，或你提供托管服务时，须获得单独的预先书面授权；要求在任何使用它的商业界面上显著展示“MiniMax-H3-Image”字样；将使用限制在指定地域；并禁止使用输出内容来训练或改进其他模型。G​oogle 的条款是一份标准的 API 合同。这里的“开放权重”意味着一种你必须阅读的许可证，而不是一种可以无视的许可证。

这两张账单在真实的一个月里是什么样子

假设你每月以 2K 分辨率生成 20,000 张图像。Nano Banana 2.1 按标价收费 1,008 美元；如果任务可以排队，批量层级则为 504 美元。MiniMax-H3-Image 通过 M​iniMax 的 API 按标价收费 466.60 美元；或者采用自托管，费用相当于两到四块这类 GPU 在相关时长上的成本，而对大多数团队来说，这更高。再假设你改为每月以 4K 分辨率生成 2,000 张图像，并且折扣窗口已经关闭：G​oogle 为 226 美元，M​iniMax 为 137.58 美元。节省是真实的，而且是每月三位数，不是五位数。这才是收益的正确规模，并且应当把它与成为第一个发现未经测量的模型会在哪里出问题的人所付出的成本进行权衡。

这种不对称性说明要采用的是一种特定模式，而不是挑出一个赢家。把生产路径指向有评分成绩的模型，并把一小部分流量发给便宜的那个模型，以积累你自己的证据——固定提示词集、你自己的评审、两周的对比。这正是故障转移真正适用的场景：把不熟悉的模型当作候选路由而非替代品，并在任务返回错误时由已知可靠的模型兜底。按图像请求的标准，在 1600 万像素下进行六步无引导采样也算是长请求，而且它在 M​iniMax 一侧不是幂等的——客户端超时也会计费，并且 O​penAI SDK 默认会重试两次，除非你设置 max_retries=0。又长又会在超时时计费的请求，正是你希望在其下再准备一条路由的那类请求。

大约一个月内能解决此事的问题

两个模型都不是错误的选择；选择取决于你是否承担得起亲自去衡量的代价。如果交付物在需要作出决策之前先需要一块记分牌，那么 Nano Banana 2.1 是这场比较中唯一有记分牌的一方，而且在 4K 下它的费用是 $0.113，而 MiniMax 是 $0.06879——这个差额你会不止一次花在内部争论上。如果交付物需要 1600 万像素，那么类型化引用并不重要，分辨率才重要，而 MiniMax-H3-Image 是唯一提供它的那一方。

能定论的是那件尚未发生的事：一次独立评测上榜。MiniMax-H3-Image 公开亮相才一天，权重发布数小时后，仓库讨论帖里仍有人在询问其许可证条款，而它自带的提示词扩展器也还没做完。当它带着样本数出现在 Artificial Analysis 上时，价格差距就不再是间接论据，而会变成一笔实际的权衡。在那之前，为必须交付的工作购买经过实测的模型，并把便宜的那个当作你正在评估的候选——而不是你已经决定采用的替代品。