MiniMax-H3-Image vs FLUX 3：座標或像素——兩種不同的控制理念

把這兩個模型放在同一份簡報前面，它們會往相反的方向失手。MiniMax-H3-Image 給你一千六百萬像素、十六張參考圖像和六步取樣器，而且除了用散文描述之外，沒有辦法指定任何東西該放在哪裡。FLUX 3 在其圖像層級中，則為每個元素提供一個以 0–1000 網格表示的邊界框，寫成 [y_min, x_min, y_max, x_max]，讓你一次只編輯一個框而不動到畫面的其餘部分，而且它的解析度階梯從 768 像素起跳。一個模型賣的是容量；另一個賣的是方向。如果你的問題是一張必須經得起裁切成看板尺寸的產品照，那麼 MiniMax-H3-Image 是兩者之中唯一能產出那個檔案的。如果你的問題是客戶的標誌必須位在左上角、且恰好佔畫面寬度的 12%，那麼 FLUX 3 是唯一會接受這道指令的。

兩者都是近期的事，而且都不是本文所指的發布。FLUX 3 由 Black Forest Labs 於 2026 年 7 月 23 日宣布，是一個統一的影片、圖像、音訊與動作模型；本次比較所涉及的圖像層級，則於 2026 年 10 月 1 日隨著公開的價目表正式上線。MiniMax-H3-Image 的權重於 2026 年 11 月 10 日 14:50 UTC 上架 Hugging Face，MiniMax 的 API 版本說明中只有一行說明，公司網站上則沒有任何部落格文章。因此，這是拿一個已經有六週付費流量、另一個昨天才剛度過公開上線第一個完整日子的模型來比較。這種不對稱貫穿以下所有內容，也正是為什麼最後的誠實答案是有條件的，而不是直接選出贏家。

每一個分別可讓你指定什麼

FLUX 3 的控制介面是空間性的，也是這個模型最有主見的一環。畫布在兩個軸上始終是正規化後的 0–1000 網格，因此版面提示詞與解析度無關：你先在說明文字中描述整體場景，接著列出帶有 ID、方框與描述的元件，並在說明文字中引用這些 ID。模型會規劃排列方式——BFL 記載了一種由 LLM 產生版面的代理模式——而之後每個方框仍可編輯。你可以重新描述某個方框、替換它或移動它，而未觸及的區域會保持固定。參照是編號符記，ref_image_0 起算，最多十個，且它們會組合成同一個場景，而不是堆疊成候選項。

MiniMax-H3-Image 的控制介面是基於位置與文字的。提示文字最多可輸入 32,000 個字元，其中大約前 4,096 個 token 會生效。參考圖像最多可放入十六張，並依上傳順序指稱——<圖片 1>、<圖片 2>——完全不需要輸入任何文字：API 中沒有任何資訊告訴模型哪一張參考圖是角色、哪一張是產品、哪一張是背景。整個編輯都以語言表達。沒有第二次處理、沒有遮罩區域、沒有座標系統。

那個差異並非單方面的功能差距。十六個無類型插槽比十個編號參照提供更大的餘裕，而一段描述關係的說明文字——「圖片 3 中的女子，穿著圖片 7 的夾克，身處圖片 1 的房間」——承載了邊界框無法承載的資訊。但邊界框承載了說明文字無法承載的精確度，而 MiniMax-H3-Image 沒有對應的功能。

這些數字，逐維度地

• 輸出上限 — FLUX 3 Image：4K，發佈規格為 5456×3072，約 16.8 MP。MiniMax-H3-Image：每個長寬比皆約 16 MP，1:1 時為 4096×4096，21:9 時最高可達 6272×2688，API 上限為 20 MP。

• 輸出下限 — FLUX 3 Image：768×768。MiniMax-H3-Image：這張卡將約 4 MP 標示為實際下限，完全沒有小尺寸影像層級。

• 1K 價格 — FLUX 3 Image：$0.048。MiniMax-H3-Image：$0.02179。

• 2K 價格 — FLUX 3 Image：$0.10。MiniMax-H3-Image：$0.02333。

• 4K 價格 — FLUX 3 Image：$0.607。MiniMax-H3-Image：原價 $0.06879，折扣價 $0.03439，該折扣將於 2026 年 11 月 17 日 16:00 UTC 到期。

• 參考 — FLUX 3 Image：最多 10 個，具編號，免費。MiniMax-H3-Image：最多 16 個，依位置，按輸入圖像 token 計費，每百萬 $1.50。

• 編輯 — FLUX 3 Image：以框選範圍為限，每次請求可處理多個框選區域，未觸及區域保持不變。MiniMax-H3-Image：整張影像、以提示詞描述，單次呼叫最多可使用 16 個參考。

• 權重 — FLUX 3 Image：尚未釋出；商業權重授權透過 BFL 銷售以規模化方式售予企業，而 FLUX 3 Dev 主幹仍「即將推出」。MiniMax-H3-Image：今日即可下載，68.65 GB，外加一個從 MiniMax-H3 借用的 66.7 GB 編碼器。

• 取樣 — MiniMax-H3-Image：固定為六步，不使用無分類器引導，其他數值會以 HTTP 400 拒絕。FLUX 3 Image：未公布步數或引導控制；影像層級僅提供 API。

• 獨立評分 — FLUX 3 Image：在 Artificial Analysis 的文字轉圖像排行榜上，Elo 為 1116，在 108 個模型中排名第 16，樣本數超過 6,457；在圖像編輯排行榜上，Elo 為 1119，排名第 17，樣本數超過 5,256。MiniMax-H3-Image：兩個排行榜皆無上榜紀錄，也沒有廠商評測表。

價格差距比解析度差距更大，而且方向正好相反。

在 1K 時，MiniMax-H3-Image 的費用是 $0.02179，而 FLUX 3 Image 是 $0.048——前者略高於後者的一半。到了 2K，比例擴大到約四比一。在 4K 時則將近九比一：$0.607 對上 $0.06879，若與折扣後的 $0.03439 相比則是十二比一。這條曲線是這項比較中最具決定性的一項事實，值得理解它為何呈現這種形狀，而不是逕自假設某家供應商在漫天開價。

FLUX 3 Image 的價格階梯——$0.041、$0.048、$0.07、$0.10、$0.607——在 2K 以内大致與像素數成正比，到了 4K 就大幅跳升。MiniMax 的階梯則幾乎持平：$0.02179、$0.02333、$0.06879。像素多了十六倍，價格卻只多出三倍多一點。MiniMax 以 token 計費，而 token 數量並不會像天真模型所預測的那樣隨面積等比增長；BFL 則似乎把 4K 層級當成高階產品來定價。無論雙方的定價邏輯為何，實際結果是：在兩款模型原本就鎖定的解析度下，開放權重的那一款便宜了將近一個數量級。

這也是比較不再對稱的地方。如果你只會生成 1K 圖像，價差是 2.5 美分，而 FLUX 3 的版面控制能力很可能比省下的錢更有價值。4K 級別是唯一會讓計算結果改變決策的級別，而這正是 MiniMax 折扣只是暫時性的那個級別。

六週的流量能換來什麼，而一天又換不來什麼

FLUX 3 Image 已完成評分。Artificial Analysis 將其文生圖項目排在第 16 名，Elo 為 1116，基於 6,457 個樣本；圖像編輯項目排在第 17 名，Elo 為 1119，基於 5,256 個樣本——處於中段，高於 FLUX.2 [max]，低於目前大多數 Nano Banana 與 MAI 系列，標價為每千張圖片 48 美元。你可以把它和競爭對手的數字並列比較，做出決定。你也可以隨著更多樣本進來，觀察它的排名變動，這正是它上方幾個模型所發生的情況。

MiniMax-H3-Image 沒有可比的資料。不是分數低，而是根本沒有分數。廠商的模型卡宣稱「開源模型中數一數二的指令遵循能力」，卻沒有表格佐證，而模型頁面上的展示網格是唯一存在的輸出證據。公開才一天，不足以讓盲測競技場在一個每次生成要花十秒的模型上累積樣本，所以這種缺席是預料之中，而非可疑。但它仍然是一种缺席，這意味著目前支持 MiniMax-H3-Image 品質的理由，是架構與價格層面的論證。

架構論點並非空話。將 33.1B 稠密擴散 Transformer 蒸餾至六個無引導步驟，是針對服務成本所做的刻意選擇；而六個步驟正是為什麼 16 MP 生成是一項請求，而非批次作業。卡片本身的表述——16 MP「以實用的運算成本」——是一項 FLOPs 主張，且與儲存庫中的一切相符。只是它並非品質主張，而這兩者在每篇發布貼文中都被混為一談。

每一個在生產環境中會在哪裡出問題

FLUX 3 的限制在於其最小輸出。768 像素的下限與 4K 的上限，意味著這個模型在大多數商業工作所處的範圍內游刃有餘，但它不會給你 6000 像素寬的畫面。它同時也是封閉的：你無法下載它、無法固定檢查點版本，而 BFL 的授權頁面是把自我託管賣給大規模企業，而非個人。如果 BFL 改變價格或淘汰某個方案層級，你的工作流程也會隨之改變。六週的流量是過往紀錄，不是保證。

MiniMax-H3-Image 的限制在於授權條款，而且它比「開放權重」一詞所暗示的更嚴格。MiniMax-H3-Image 社群授權協議按定義排除歐盟、英國、韓國與美國；年化收入超過一百萬美元時，需另行取得書面授權；任何託管服務也需如此，且沒有收入門檻；商業介面須顯著展示模型名稱；並禁止使用輸出內容訓練其他模型。若您位於上述任一地區並正在打造產品，依這些條款，開放權重並不提供給您，而 MiniMax 所販售的託管 API 則是僅剩的途徑。

還有一個兩者共有的第三項限制，而任何發布文章都沒有提到：評估迴路。兩個模型都沒有提供方法，讓你得知某個提示詞是否會奏效，除非實際生成一次。FLUX 3 的邊框把可能的失敗範圍縮小到位置擺放，而這可以在程式碼中檢查。MiniMax-H3-Image 的失敗屬於語意層面，這意味著必須由人工查看。對於每天生成數千張影像的流程而言，這種驗證成本的差異可能超過生成成本的差異。

該打哪一個

如果交付物很大——一張印刷版、一張會被裁成三種長寬比的背景、一張必須在 100% 檢視下仍保有細節的 4K 主視覺——MiniMax-H3-Image 是這裡唯一能產出檔案的一方，而且每帧 $0.06879，它同時也是便宜得多的一方。選它吧，預算請按定價而非折扣價編列，並且在拿它來打造產品之前先讀過授權條款。

如果交付物是講究構圖的——必須分毫不差的版面、必須讓其他一切保持原樣的編輯、以位置為核心的品牌系統——那麼 FLUX 3 就是唯一具備這些控制選項的一方，而且它是有評分的，這意味著你能預測自己買到的是什麼。在 1K 解析度下多付兩分半美分，並不是那裡的決定性數字。

如果你兩者都需要，真正可行的做法是把工作拆開，而不是選邊站：先在 FLUX 3 能處理的解析度下構圖與編輯，再把已核准的畫面放大，或以 16 MP 重新生成。那是兩次呼叫與兩筆帳單，而不是一次；而且這仍然比經過一百次生成後，才發現你的模型無法在角落保留標誌來得便宜。

目前這兩款模型都不在 OrcaRouter 的目錄中——FLUX 3 Image 是直接呼叫 Black Forest Labs，而 MiniMax-H3-Image 則是 MiniMax 自家的 API 或你自己的 GPU——所以這裡沒有任何內容構成路由建議。我們確實有提供的是 MiniMax H3 系列中的影片部分，minimax/minimax-h3，以及我們實際託管的影像路由，全部置於單一金鑰之下，且對供應商定價零加成。在這樣的比較中，這之所以重要，是因為容錯切換：當 16 MP 請求的耗時超過你用戶端的逾時設定時，同一介面下的第二條路由，比更低的每張影像價格更有價值。長時間、逾時仍計費的生成，正是備援路線最能發揮價值的負載類型，而 MiniMax 對逾時收費，而不是退還費用。

能讓事情定案的那個問題

這個比較缺的不是規格，而是樣本數。當 MiniMax-H3-Image 出現在有數千票盲投的圖像競技場上時，價格差距就不再是主要論點，而會變成一種取捨：用多少錢換取多少可量測的品質。在那之前，FLUX 3 是你可據以推敲評估的模型，而 MiniMax-H3-Image 是你必須實測的模型；實測它的成本低到——幾美元和一個下午——任何有 4K 交付成品的人都應該直接跑測試，而不是等別人的結果。