MiniMax-H3-Image 與 MAI-Image 2.7 Preview：一個是檔案，一個是預覽
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 99 tok/s
- orca新Orca: OrcaC2 1.02026-11-07212 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 123 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 230 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 39 tok/s
- Orca新OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 123 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 104 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 62 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 429 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228智能
給 MAI-Image 2.7 Preview 一段文字提示，它什麼也不會回傳，因為它不是從文字生成，而是進行編輯。這句話說明了它與 MiniMax-H3-Image 之間大部分的差異，而這正是所有關於兩者的並排比較都會弄錯的地方，因為這兩個模型解決的不是同一個問題：一個是統一的文字轉圖像與參考編輯檢查點，權重可供下載；另一個是 Microsoft AI 僅供編輯的預覽版，只能透過遊樂場和排行榜等少數途徑使用，除此之外別無其他。
兩者都是近期發布的。MiniMax 於 2026 年 11 月 10 日 14:50 UTC 公布了 MiniMax-H3-Image 的權重；微軟的預覽版本自十月底起便已在市面上流傳，而它所屬的獨立排行榜也顯示其名次仍在變動。以下內容並非功能清單——而是試圖回答一個問題，而這正是你正在做選擇時唯一真正要緊的問題：這兩者之中，哪一個你真正能放進管線（pipeline）裡、代價是多少，以及選了它之後你得放棄什麼。
第一個差異是能力，而不是基準。
MiniMax-H3-Image 透過單一檢查點完成兩項工作。它能根據提示詞生成圖片，也能編輯以位置參數傳入的一張或多張參考圖片，依序為 <圖片 1> 至 <圖片 16>。同一組權重同時支援兩者；無需設定個別的編輯端點，也不必為第二個模型付費。
MAI-Image 2.7 Preview 負責的是第二項工作。它是編輯模型——你給它一張圖片和一個指令，它就會回傳修改後的圖片。沒有可以啟用的文字轉圖片模式。對於工作流程是「先產生產品照，再反覆迭代」的團隊來說，這意味著微軟的模型只能涵蓋迭代的那一半，無法涵蓋第一幀，因此它永遠不可能直接取代 MiniMax-H3-Image。它頂多只是鏈條中的第二個模型。
這種不對稱值得直說，因為它改變了比較的意義。你可以就剪輯品質比較它們。你無法就生成進行比較，因為其中之一並不進行生成。
一隻手把重物遞給你，另一隻手把預覽徽章遞給你
MiniMax-H3-Image 依據 MiniMax-H3-Image Community License Agreement 釋出，該授權並非 Apache 2.0，在商業部署前值得請律師審閱；不過它是可下載的產物：68.65 GB 的擴散 Transformer、VAE 與設定檔，外加從 MiniMax-H3 影片儲存庫借來的 66.7 GB 文字編碼器。你可以透過 SGLang、vLLM-Omni、diffusers 或 ComfyUI 在自己的硬體上執行它，而且 vLLM 團隊在發佈當天就為 NVIDIA 與 AMD 提供首日支援。你也可以在 MiniMax 自家的 API 上呼叫它，MiniMax-H3-Image，而 Highspeed 方案以更高的輸出速率提供相同的用量限制。
MAI-Image 2.7 Preview 就一般意義而言是封閉的：沒有權重、沒有可閱讀的授權條款、沒有附上參數量或架構的模型卡。微軟尚未公布每張圖片的價格、最大解析度、參考圖片數量上限、遮罩介面，或是在 Foundry 上提供開發者今日就能呼叫端點的上架資訊。目前存在的是 MAI Playground、在 Arena 上的亮相，以及在 Artificial Analysis 上的一筆條目。這足以對這個模型形成看法，卻不足以據此編列預算。
這正是決定大多數實際決策的差異。沒有基準測試分數的開放權重模型，是一種可透過實際運行來排除的工程風險。沒有定價的閉源模型，無論樣本看起來多好，都是採購上的死胡同。
獨立董事會究竟說了什麼
截至 2026 年 11 月 11 日，MAI-Image 2.7 Preview 在 Artificial Analysis 的 AA-Image-Editing v2.1 排行榜上以 1123 Elo 位居第四，落後於 1209 的 GPT Image 2.6 Sunburst、1206 的 GPT Image 2.6 Flare 和 1126 的 GPT Image 2.5 Sunburst。其樣本數為 5,280，這是真實樣本數，而非佔位值。Microsoft 於 2026 年 10 月 27 日宣布此預覽版時，將該模型描述為在該排行榜上以 1,193 Elo 位居第二，落後 GPT Image 2.5 Sunburst 六分。此後，排行榜上湧入更多較新的 OpenAI 項目，名次如今為第四、Elo 為 1123——這正是排名在快速變化的一個月裡會出現的情況，也是為何閱讀任何 Elo 時都應附上其擷取日期，而非將其視為永久事實。廠商對各子分數的說明（基於推理的編輯與場景及風格編輯從第七升至第一，文字與符號編輯從第六升至第一，在場景與風格方面領先 24 Elo）仍是廠商對第三方資料的詮釋：這是一種比自家基準測試更高階的說法，但仍不是可重現的測量。
MiniMax-H3-Image 在那個榜上沒有資料列，在 AA-Image-T2I v2.1 上也同樣沒有。不是排名很低——是根本沒有。它於 11 月 10 日發布，而兩兩偏好榜單的樣本收集需要時間，目前沒有任何數字可供引用。任何人告訴你某個模型在獨立評分上勝過另一個，都是在拿已排名的模型跟未排名的模型相比，那根本算不上比較。
所以，誠實的評分立場是：MAI-Image 2.7 Preview 在一個榜首擠滿 OpenAI 模型的排行榜上，拿下了編輯項目的第四名分數，而 MiniMax-H3-Image 則完全沒有任何分數。這並不是在主張 MiniMax 的模型更好或更差。這是在說，唯一知道它有多好的人，就是實際跑過它的人。
逐維度地
• 功能說明 — MiniMax-H3-Image：在單一 checkpoint 中同時提供文字轉圖像與參考編輯功能。MAI-Image 2.7 Preview：僅支援編輯；沒有文字轉圖像模式。
輸出尺寸 — MiniMax-H3-Image：每個長寬比下約一千六百萬像素，1:1 時為 4096×4096，21:9 時最高達 6272×2688，API 上限為 20 MP。MAI-Image 2.7 Preview：未公布；其前代上限約 2.36 百萬像素。
• 參考資料 — MiniMax-H3-Image：最多 16 個，依上傳順序的位置來指定。MAI-Image 2.7 Preview：無文件記載的上限。
• 權重 — MiniMax-H3-Image：68.65 GB，外加一個 66.7 GB 的文字編碼器，採用並非 Apache 2.0 的社群授權條款。MAI-Image 2.7 Preview：無，且沒有任何即將推出的跡象。
• 價格 — MiniMax-H3-Image：1K 圖像為 $0.02179，2K 為 $0.02333，4K 定價為 $0.06879；在 2026 年 11 月 17 日 16:00 UTC 結束的 50% 折扣下為 $0.03439。MAI-Image 2.7 Preview：完全未公布價格。
• 獨立編輯評分 — MAI-Image 2.7 Preview：1123 Elo，在 AA-Image-Editing v2.1 上排名第四。MiniMax-H3-Image：截至 2026 年 11 月 11 日，在兩個排行榜上皆無排名。
• 取樣 — MiniMax-H3-Image：固定為六步，不使用無分類器引導，也不使用負向提示；任何其他步數都會被以 HTTP 400 拒絕。MAI-Image 2.7 Preview：未公開。
• 可在何處呼叫 — MiniMax-H3-Image：MiniMax 自家的 API，以及透過四套有文件記載的框架自行託管。MAI-Image 2.7 Preview：MAI Playground，以及 Microsoft 接下來把它推向的任何地方。
一項編輯，僅在標有價格的那一側計價
MiniMax-H3-Image 是依輸入與輸出的 token 計費，而非依圖片計費；卡片上的計算範例是較易讀的版本：一次 1,024×1,024 編輯搭配一張 1K 參考圖，費用為 $0.02654，因為除了輸出費用外，每百萬個輸入圖片 token 還須支付 $1.50。2K 生成為 $0.02333，4K 生成牌價為 $0.06879。批次處理一千次 2K 編輯、每次各搭配一張參考圖，費用大約落在 $26 至 $30，取決於參考圖的編碼成本——這是你今天就能放進試算表的數字。
你無法為 MAI-Image 2.7 Preview 做那樣的計算，而這正是缺失的價格不再只是文件缺口、而是變成規劃問題的地方。一個沒有公布費率的預覽版無法編列預算、無法比較，也無法承諾採用，無論它在排行榜上排在哪裡。如果 Microsoft 的模型在編輯方面確實更好——而 1123 Elo 的第四名是相當不錯的位置——那麼弄清楚這一點的代價並不是每張圖片的費用，而是一週的整合工作，面對一個可能在正式推出前改變的介面。
OrcaRouter 這兩個模型都不路由，本文也不會裝作不是如此。我們實際路由的是圖像生成，你可以用與其他服務相同的金鑰直接呼叫——gpt-image-2.5-sunburst、gpt-image-2、Gemini 圖像預覽版、三個等級的 Imagen 4、Grok Imagine Image，全數以供應商定價、0% 加價原樣轉嫁，因此當廠商調整費率時，你的帳單當天就同步變動。對於正在製作圖像功能原型的團隊來說，在等待 MiniMax 的編輯品質被實測、或 Microsoft 的預覽版開始標上價格的同時，這是一種讓流程持續推進、又不必再多簽一份合約的方法。它無法取代這兩個模型中的任何一個，而這個差別很重要。
十六個引用，對上一個未記載的上限
MiniMax-H3-Image 規格表中最被低估的一項，是參考圖數量。十六張圖片、以位置定址，足以在單次呼叫中，讓編輯以角色設定圖、產品、房間的三個角度、色彩參考與風格板為條件。很少有圖像模型會記錄這項能力，而幾乎沒有閉源模型會記錄它——MAI-Image 2.7 Preview 就沒有，因此依賴大量參考圖的工作流程，必須先經過實證驗證，才能圍繞它來設計。
關於那個數字有一點要提醒，因為它早晚會讓人踩坑：模型卡上寫的是 16 個參考，而 vLLM-Omni 針對同一組權重所發布的配方文件則記載每次請求最多 9 張影像。這兩個數字可以同時都是對的——服務堆疊的批次上限和模型訓練出的容量是兩回事——但如果你的工作流程需要十二個參考，誠實的立場是：你應該在自己的服務路徑上實測，而不是信任任一份文件。
這個，這週該怎麼處理
如果你需要高解析度生成，而且要有自行託管的選項，真正的抉擇其實不在這兩個模型之間；MAI-Image 2.7 Preview 並不在這個競爭行列中。那就選 MiniMax-H3-Image，其 2K 價格為 $0.02333、4K 價格為 $0.06879，並在 11 月 17 日前決定 4K 折扣是否會改變你的計畫，而且要在下載前閱讀授權條款，而不是下載後才讀。
如果你需要目前最好的編輯能力，也願意在預覽版環境中作業，那麼 MAI-Image 2.7 Preview 在獨立編輯評測榜上排名第四，確實是個值得重視的訊號；而它尚未公布價格，則是個實實在在的障礙。不妨向 Microsoft 索取 Foundry 使用權限與價目表。在這兩者之一到手之前，以它為基礎打造的編輯流程只能算原型，還称不上產品。
值得關注的不是下一輪排行榜更新，而是 MAI-Image 2.7 Preview 是否會獲得定價與端點，因為這會讓它從「開放模型對上封閉示範」的比較，變成兩個可購買產品之間的真正選擇。還有 MiniMax-H3-Image 是否會取得評分，因為現在這兩者中，只有帶權重的模型是你能自行衡量品質的；對任何曾被預覽版坑過的人來說，這或許是兩個未知數中更有價值的那個。
