MiniMax-H3-Image 对决 Qwen-Image 3.0：Qwen 留下的开放空位

Alibaba 的图像产品线曾是任何想拥有而非租用模型的人的轻松推荐之选：下载权重、运行模型，不必再为费率表争论。Qwen-Image 3.0 在八月终结了这一点。它于 2026 年 7 月 22 日以邀请制发布，于 8 月 4 日在 Qwen Cloud 和 Alibaba Cloud Model Studio 的 Standard 与 Pro 档位正式全面可用，并且发布时没有权重、没有模型卡、没有参数数量，也没有技术报告。该家族的开源分支是 Qwen-Image-2.1，于 2026 年 9 月 20 日在非商业研究许可证下发布——可检查、可微调，但不能用于产品交付。MiniMax-H3-Image 的权重于 2026 年 11 月 10 日 14:50 UTC 上传至 Hugging Face，它是此后首个填补该位置的重要图像模型。这才是真正的比较：不是哪个模型更漂亮，而是哪个模型给你留了一条退路。

曾经合二为一的两条购买路径

在3.0之前，“Qwen还是别的选择”是一个关于质量的问题，因为许可方面的答案始终一样。如今，这两个模型站在一条比任何基准测试都更重要的分界线两侧：如果供应商涨价、弃用该层级，或者经历糟糕的一周，会发生什么。

Qwen-Image 3.0 是一项托管服务，拥有文档完善的接口和公开的价目表。MiniMax-H3-Image 既是一项托管服务，也是 68.65 GB 的可下载 transformer，外加一个从 MiniMax-H3 视频仓库借用的 66.7 GB 文本编码器，相关文件依据 MiniMax-H3-Image Community License Agreement 提供。该许可不是 Apache 2.0，商业部署前你方法务人员应当阅读它——但它是一份针对你所持有文件的许可，与价目表在性质上截然不同。

一个很容易被忽略的实际后果是：这种退出的代价不只是磁盘空间。MiniMax-H3-Image 的采样器固定为六步，不使用无分类器引导，也不支持负面提示词，并且 API 会以 HTTP 400 拒绝任何其他步数或引导值。六次前向传播正是让一个 330 亿参数的 Transformer 在 1600 万像素下能在租用硬件上实际运行的原因，这也意味着通常的自托管调优循环并不存在。你需要调整的是提示词和参考素材。

Qwen-Image 3.0 实际上会告诉你关于它自身的哪些信息

不及其文档所暗示的水平。阿里巴巴没有发布 Qwen-Image 3.0 的任何基准测试数据——无论是在 Qwen-Image-Bench 上，还是在其他任何地方——也没有公布架构，因此唯一的独立信号是 Artificial Analysis：其当前榜单显示，Qwen-Image-3.0-Pro 在文生图任务上以 6,691 个样本取得 1094 Elo，Qwen-Image-3.0 为 1074，在一个前五名均为 OpenAI 模型的榜单上分别位列第十九和第二十。在图像编辑方面，Pro 约为 1,085，Standard 约为 1,062。这些排名平平无奇，而它们也是仅有的可用数字。

截至2026年11月11日，MiniMax-H3-Image 在两个榜单上都没有任何排名条目——不是排名靠后，而是完全没有。因此，无法通过独立评分将这两个模型相互排名；任何声称一方在质量上胜过另一方的说法，都只是某人的主观印象披着对比的外衣。能够比较的是界面、分辨率、价格和退出方式。

两者严重分歧的维度

• 分辨率 — MiniMax-H3-Image：在所有宽高比下约为 1600 万像素，1:1 时为 4096×4096，21:9 时最高可达 6272×2688，API 上限为 20 MP。Qwen-Image 3.0：根据 Alibaba 自身公布的数据，最高为 2048×2048，约 420 万像素。

• 2K 价格——MiniMax-H3-Image：每张生成图像 $0.02333，包括标价 $0.06879 的 4K 档。Qwen-Image 3.0：Standard 版在 1K 或 2K 下为每张图像 $0.03，编辑按每个输入参考图约 $0.003 计费；Pro 版 1K 为 $0.04，2K 为 $0.075。

• 权重 — MiniMax-H3-Image：可用，社区许可证，有四条有文档记载的服务路径，包括在 NVIDIA 和 AMD 上首日支持 vLLM-Omni。Qwen-Image 3.0：无，较 1.0 和 2.0 出现倒退。Qwen 家族中的开放成员是 Qwen-Image-2.1，仅限非商业用途。

• 图像中的文字——Qwen-Image 3.0：提示词最多 4,500 个 token，文字在低至约 10 像素时仍清晰可辨，支持十二种原生语言、二十多种字体，每次调用最多可生成六份输出，并支持服务端提示词重写。MiniMax-H3-Image：支持 32,000 个字符的提示词，其中大约前 4,096 个 token 会生效；未公布文字渲染相关声明。

• 参考图 — MiniMax-H3-Image：最多 16 张，按上传顺序以位置方式引用；不过，vLLM-Omni 针对同一权重发布的方案文档中记录的是每次请求 9 张。Qwen-Image 3.0：未公布参考图数量上限；3.0 是一个托管端点，带有文档化的 schema，而不是权重发布。

• 独立评分 — Qwen-Image 3.0：在 AA-Image-T2I v2.1 上为 1074，Pro 为 1094，Pro 在编辑方面约为 1,085。MiniMax-H3-Image：两个榜单上均无条目。

如果你要打印，1600 万像素可不是可有可无的。

四百万像素是网页主视觉图、产品目录图块或演示图片。一千六百万像素则是印版、广告牌裁切图，或是一张在从中裁出三个投放版面后仍须保持细节的背景图。Qwen-Image 3.0 的 2048×2048 上限并不是缺陷——这是关于该模型用途的一项决定，也是大多数托管图像模型做出的相同决定。但这意味着，对于任何制作包装、户外广告或高 DPI 产品摄影的人来说，MiniMax-H3-Image 根本不是在与 Qwen-Image 3.0 竞争；它是在与你原本会附加到 Qwen 输出上的那个放大工具竞争，而放大工具添加细节的方式，与原生一千六百万像素生成并不相同。

话虽如此，Qwen-Image 3.0 真正有意思的地方并不在分辨率，而在于文字。清晰可辨的文字小到约十个像素，支持十二种语言、二十多种字体，还有一个服务端的重写步骤，会在模型看到提示词之前先对其进行重塑——这一系列主张直指海报、包装文案、UI 效果图和图表这类场景，而在这些场景中，人人都知道的失败模式就是：图像渲染得很漂亮，却有一个词是乱码。上手体验的记述称它在 UI 效果图和图表方面表现强劲，偶尔会出现小字乱码，这大体上也符合厂商说法所预示的情况。MiniMax-H3-Image 在其模型卡中并未提出可与之相提并论的文字能力主张，也没有第三方对其进行过测评。

所以，对于一场正面对比而言，这种分野异常清晰。如果你的任务是排版布局中的密集文本，那么 Qwen-Image 3.0 就是有明确文档背书的选择。如果你的任务是一张大幅、细节丰富、照片级真实的画面，那么在两者都提供的尺寸下，MiniMax-H3-Image 的像素数是四倍，每张图片的价格却更低。

对一千张图片进行数据分析

以一千张 2K 产品图为一个批次，仅生成、不使用参考图。Qwen-Image 3.0 Standard 按 $0.03 计算，合计 $30。MiniMax-H3-Image 按 $0.02333 计算，合计 $23.33。每张输出再加一张参考图——这是商品目录更新中希望保持商品一致性的常见情形——Qwen 会增加约 $3 的输入 token 费用，总价接近 $33；而 MiniMax 的输入图像费率为每百万 token $1.50，增加的比例与之相近，总价仍低于 $30。在 4K 档位，同样的 1000 张图片，MiniMax 标价为 $68.79，若享受限时 50% 折扣则为 $34.39；该折扣截至 2026 年 11 月 17 日 16:00 UTC，并要求每张交付图像至少达到 16,600,000 像素。Qwen-Image 3.0 没有可定价的 4K 档位。

这些差距从绝对值上看很小，它们并不是选择任一模型的理由。选择 MiniMax-H3-Image 的理由是，$23 的 API 支出与在自有硬件上每张图片 $0 的边际成本是两种不同的生意，而其中只有一种可以向前建模。选择 Qwen-Image 3.0 的理由是，它有文档化的文本流水线，以及一个你今天下午就能集成的接口。

这两个模型都不在 OrcaRouter 上，本文也不会假装它们在。我们真正提供的范围更窄，也值得准确说明：我们路由的图像模型——gpt-image-2.5-sunburst、gpt-image-2、G​emini 图像预览版、三个层级的 Imagen 4、G​rok Imagine Image——均按提供商标价计费，0% 加价直接透传，并且当第一个提供商失败时，路由规则可以回退到第二个提供商。这并不能帮你在 MiniMax-H3-Image 和 Qwen-Image 3.0 之间做选择。它能在你停止评估、开始上线的那个日子帮上忙——而你选中的模型恰好那天状态不佳。

许可证问题究竟要付出多大代价

“开放权重”对 MiniMax-H3-Image 来说是准确的说法，而“开源”这个说法则会让团队陷入麻烦。社区许可协议是一份包含可能附加到你产品上的条款的文件，唯一负责任的建议是去阅读实际文件，而不是摘要——包括这份摘要。同样的情况也适用于 Qwen-Image-2.1，而且更为尖锐：非商业研究许可证意味着你可以检查原型，但产品很可能无法在不进行沟通的情况下发布；并且至少有一个对比网站仍将 Qwen Image 3.0 列为 Apache-2.0，这完全是错误的，而且这种错误会让人损失一周时间。

实际测试很短。你的计划是否要求将权重放在你自己的边界内——出于数据驻留、规模化成本或微调的需要？如果是，那么这两者中唯一的候选就是 MiniMax-H3-Image，而退出路径确实可行，涉及约 135 GB 的制品和一次许可证审查。如果否，那么许可证问题就失去意义，决策便简化为在文本渲染与分辨率之间权衡，而且是在两个质量尚无供应商之外的任何人独立测量过的模型上做此权衡。

真正值得关注的，不是下一次排行榜刷新，因为这两个模型都没有以任何能定论的方式出现在榜单上。真正值得关注的是，A​libaba 是否会逆转闭源决定，并为 3.x 系列发布权重，因为那将是一年来首次有两个开源高分辨率图像模型进入同一市场——以及 MiniMax-H3-Image 是否会获得评分，因为眼下唯一能告诉你它有多好的人就是你自己，用你自己的提示词来评判；这要么是这场对比中最诚实的位置，要么是最不方便的位置，取决于你这一周有多少时间。