MiniMax-H3-Image 对比 Seedream 5.5：1600 万像素，无 Alpha 通道

给两个模型同一张产品图，它们返回的文件类型却不同。MiniMax-H3-Image 返回的是 4,096 像素的正方形——约一千六百万像素的不透明栅格，而且 MiniMax 自己的 API 参考文档里还有一行直截了当地写着：透明背景：不支持。Seedream 5.5 返回的是带真实 Alpha 通道的 2K 图像，会把你未指定的画面部分在像素层面锁定不动，并且其设计目标就是让你反复修改上百次也不会偏移。其中一个是你可以直接定稿的文件，另一个是你还得继续打磨的文件。这个差别比两家厂商本周公布的任何基准测试都更大，而它们都没有公布一个你能独立核验的数字。

时机正是让这项比较公平的关键。ByteDance 于 2026 年 11 月 9 日发布了 Seedream 5.5；M​iniMax 于 11 月 10 日 14:50 UTC 将 MiniMax-H3-Image 的权重上传至 Hugging Face，并于 15:40 发帖介绍该模型。两天，两次发布，一个重叠的任务。真正不对称的，是开发者实际能触及每个模型的程度。MiniMax-H3-Image 有公开的模型标识符、附有计算示例的费率表，以及 68.65 GB 的可下载权重，外加一个从第二个仓库借来的 66.7 GB 文本编码器。Seedream 5.5 有五个 ByteDance 入口，新闻稿中有一句话称 Volcano Ark 端点将在“本周”开放，而 ModelArk 的文档中任何地方都没有模型标识符，该文档仍然列出 5-0-pro、5-0-flash、5-0-lite、4-5 和 4-0。截至 2026 年 11 月 11 日，两个模型在 Artificial Analysis 的图像榜单上都没有一行记录——不是排名低，而是根本没有。

每份规格表中另一份无法回答的那一行

MiniMax-H3-Image 主打的是分辨率，而且对这一点异常直白。无论何种宽高比，输出几何尺寸都约为 1600 万像素——1:1 时为 4096×4096，4:3 时为 4736×3552，3:2 时为 5024×3360，16:9 时为 5472×3072，21:9 时为 6272×2688——整个流程中没有单独的放大模型，API 上限为 2000 万像素。1600 万像素足以应付一块印版、一次广告牌裁切，或是一张在从中裁出三个投放素材后仍要保持细节的背景图。它不具备的是 alpha 通道。API 参考文档将预览图、蒙版编辑和透明背景一并列为不支持，也没有任何公告表明并非如此。对于合成工作流来说，这可不是小疏漏：透明背景模型能省去制作蒙版的步骤，而一个没有透明背景的 4K 模型交给你的，是 1600 万像素，却在能够分层合成之前仍需先抠图。

Seedream 5.5 则是它的镜像对应物。在“百轮编辑”这一说法之后，它的第二大主打特性是原生 RGBA 输出——透明度作为一等输出直接生成，边缘处理专为合成而设计，而不是后期处理出来的抠图。中国的发布报道给出的上限是每个素材最多 100 个透明图层——在有人用设计工具打开分层文件、检查 Matte 之前，这仍是厂商数据，但方向很明确：字节跳动卖的是一份能直接放进版面的文件，而不是一份导出后还要清理的文件。代价是分辨率。已公布的每一个 Seedream 5.5 数字都是以 2K 口径给出的，也没有宣布 4K 档位。在 2K 参考尺寸下，单边两千像素对于网页主视觉或产品目录小图绰绰有余；但它不是可交付印刷的文件。

所以这两个模型根本不是在争夺相同的像素预算。M​iniMax 对“我能得到什么”的回答是面积。ByteDance 的回答是通道。

逐个维度

• 输出上限 — MiniMax-H3-Image：各宽高比下均约 16 MP，1:1 时为 4096×4096，21:9 时最高可达 6272×2688，API 上限为 20 MP。Seedream 5.5：2K 既是参考尺寸，也是报价所依据的尺寸；尚未公布 4K 档位。

• 透明度 — MiniMax-H3-Image：根据 API 参考文档，不支持。Seedream 5.5：原生 RGBA，厂商数据为每个资产最多 100 个透明图层。

• 编辑能保留什么——MiniMax-H3-Image：没有任何内容被锁定；每次编辑都是基于你传入的参考图进行全新生成。Seedream 5.5：未编辑区域“在像素级别”得到保留，色彩漂移被消除，同一张图可进行 100 轮编辑——这些均为厂商报告。

• 参考图像 — MiniMax-H3-Image：最多 16 张，按上传顺序以 <Picture 1> 到 <Picture 16> 按位置引用，按每百万输入图像 token 收费 1.50 美元。Seedream 5.5：未公布参考图像数量上限，因为没有公开的请求 schema。

• 2K 下的价格 — MiniMax-H3-Image：$0.02333。Seedream 5.5：每次编辑约 ¥0.28，约合 $0.039。

• 4K 价格 — MiniMax-H3-Image：标价 $0.06879，享受 50% 折扣后为 $0.03439；该折扣截至 2026 年 11 月 17 日 16:00 UTC，且仅当交付图像至少为 16,600,000 像素时适用。Seedream 5.5：未提供。

• 采样 — MiniMax-H3-Image：固定为六步，且不使用无分类器引导；任何其他值都会以 HTTP 400 拒绝。Seedream 5.5：步数和引导未披露。

• 提示词长度 — MiniMax-H3-Image：可接受 32,000 个字符，其中大约前 4,096 个 token 会生效。Seedream 5.5：未作说明。

• 可在哪里调用 — {{1}}MiniMax-H3-Image{{/1}}：模型 ID 为 MiniMax-H3-Image，可在 MiniMax 自有 API 上使用，另有一个限制完全相同的高速档，并提供开放权重。{{2}}Seedream 5.5{{/2}}：Doubao、Doubao Work、Dreamina、BytePlus AI Playground 和 Dola，开发者 API 已承诺将在 Volcano Ark 上提供，但尚未明确。

• 独立评分——两者皆非。两个模型的两块计分板均为空。

算一算：一个百万像素实际要花多少钱

标价按所报方式并不可比，因为一个是按 2K 报的，另一个是三档阶梯报价。除以交付面积后二者便可比较，而答案并非价目表所暗示的那个。

Seedream 5.5 一张 2K 正方形图约 $0.039，折合每百万像素约 $0.0093。MiniMax-H3-Image 同样的 2K 正方形图为 $0.02333，折合每百万像素约 $0.0056——同样名义交付量下，每像素便宜约 40%。把 MiniMax-H3-Image 推到 4K，曲线进一步下弯：$0.06879 覆盖约 16.8 百万像素，即每百万像素 $0.0041，比它自家的 2K 档还要划算近五成，每像素比 Seedream 5.5 的 2K 档便宜约 2.3 倍。算上首发折扣，这就变成每百万像素 $0.00205——但这个数字 11 月 17 日就失效了，而一条按它做预算的流水线，就是按一次促销做预算。

平心而论，M​iniMax 的阶梯价几乎持平，因为计费基于 token，而 token 数量并不像直觉预期的那样随面积扩展：1K 时为 $0.02179，2K 时为 $0.02333，4K 时为 $0.06879。4K 下像素是十六倍，价格却只是 1K 的三倍多一点。ByteDance 的计价方式则性质不同——输入图加输出图，文本 token 免费——所以 Seedream 的一次编辑无论你要求小改动还是大改动，价格都一样；对于一个产品是修订而非生成的模型来说，这才是正确的形态。

逐像素算账也会偏袒这场比较中不该占优的一方。没人是为像素数买单，大家买的是可交付成果。如果你需要的是 2K，那么单张图像上 MiniMax-H3-Image 大约便宜 40%——这还没算上你仍然得做的抠图，以获得它无法生成的 alpha 通道。抠图是一项实实在在的成本项，而对于包含几百个 SKU 的产品目录来说，决定项目成败的正是这项成本。

购买一百发子弹和购买一百张图片是两回事。

Seedream 5.5 的核心主张是耐久性：单张图像经得起 100 轮编辑，未触及区域保持原样，且不会产生累积色偏。每轮定价 ¥0.28，对同一素材进行完整百轮处理约需 ¥28，约合 $3.89，而每一轮都是对同一画面的局部修补。这正是 ByteDance 所推销的工作流，也解释了两段式计费——你付费是为了发送一张图像并收到一张图像，而不是生成一张新图像。

MiniMax-H3-Image 在设计上就没有对应功能。没有蒙版，没有区域锁定，也没有第二遍处理；一次编辑就是一次完整生成，其条件是最多 16 张位置参考图像和最多 4,096 个有效 token 的提示词。按 4K 标价做一百次修订大约是 6.88 美元——比 Seedream 的一百轮更贵，而且这是结构上不同的钱，因为第三十七轮是对整帧的新采样，而不是对第一轮到第三十六轮的局部修补。这重不重要，取决于你的审核者是在检查 Logo 位置还是整张画面。如果要求是“把标签向左移两毫米，其他什么都不改”，那么“重新生成再碰运气”的循环就是错误的工具，再多的提示词细节也无法把它变成正确的工具。

今天早上，它们中只有一个可以从代码中调用。

这是决定大多数真实评估的部分，而且它与图像质量无关。MiniMax-H3-Image 现在可调用：一个真实存在的模型标识符、一个有文档记录的 schema（包含固定的六步采样器）、PNG、JPEG 和 WebP 输出，以及如果你更愿意自己运行的话可用的开放权重。自托管的算术并不好看——68.65 GB 的权重加上 66.7 GB 的编码器，在你处理第一个请求之前就是 135 GB，相比之下 API 上一帧 4K 是 $0.06879——但它作为一个选项存在，这比对方提供的要多。

真正制约它的是许可证。权重依据 MiniMax-H3-Image 社区许可协议发布，其排除地区涵盖欧盟、英国、韩国和美国。对于位于上述任何地区的团队而言，下载权重并不能绕开 API；那是一场结局未定的法律审查。Hugging Face 页面将这一切概括为 license: other，这很准确，却什么也没告诉你。

Seedream 5.5 恰恰相反：它是一个已经完成的产品，但开发者目前还没有入口。今天你可以在字节跳动自家的应用中使用它，等火山方舟端点开放后，还能通过厂商自己的 API 和若干第三方平台接入；但截至 11 月 11 日，还没有可写入配置文件的模型 ID，没有限流表，没有 schema，也没有任何说明表明 ¥0.28 的消费者价格就是按量计费 API 将收取的价格。体验场价格和按量计费 API 价格常常不是同一个数字。

这两个模型都不在 OrcaRouter 的目录中，因此这里的内容不构成对其中任何一个的路由推荐。我们确实提供的是同一家族中的视频部分——minimax/minimax-h3——以及同一个密钥下的 200 多条其他路由，按供应商标价 0% 加价直通，并在某家供应商出现短时故障时自动故障转移。这之所以能推广到本次比较，是因为这两个模型目前都是单一供应商的押注：一个厂商、一个队列、没有回退。在第二条路由出现之前，故障转移这一点是你买不到的，而实际做法是把模型标识符放在配置里而不是代码里，这样它出现的那天只需改一个字符串。

谁应该选哪个

如果交付物体量大且不透明——一块印版、一张 4K 主视觉、一张被裁成三个投放位的背景——MiniMax-H3-Image 是两者中唯一能生成该文件的，而且就其本身而言，$0.06879 很便宜。按标价做预算，而不是按折扣数字，并把 Alpha 通道视为你仍需补上的一步。

如果交付物是版式里的一个图层——一张产品抠图、一个包装合成稿、一份四个人都会各自微调的素材——那么 Seedream 5.5 是两者中唯一解决了这个问题的，而像素级的编辑保持意味着第四十次修改的成本与第一次相同。本周就在 Dreamina 或 Doubao 里把它用起来；在模型 ID 出现之前，不要围绕它规划集成。

如果你两者都需要，分开处理是诚实而非取巧的做法：以一千六百万像素生成底图，再从任何能给出可信蒙版的模型那里获取透明通道。这是两个工具、两份账单，但仍比到第四十轮才发现图像已经跑偏，或在印厂才发现主视觉只有 2K 要划算。

有三件事可以解决这个问题，而且没有一件是基准测试。Volcano Ark 的模型标识符，以及按量计费价格是否会落在 ¥0.28 附近。MiniMax-H3-Image 上的 Alpha 通道，其文档目前将其列为不支持，而不是列入路线图。以及任一模型的首个独立 Elo 评分——因为目前双方整个质量论证都依赖于展示网格图和厂商评审小组，而展示网格图本来就是为好看而设计的。