MiniMax-H3-Image 對比 Meta Muse Image：開放權重的領先優勢止步於何處

有一項比較是 MiniMax-H3-Image 沒能勝出的，那就是對上一個只要一美分（0.01 美元）的模型。Meta Muse Image 自 2026 年 7 月 7 日起，在 Meta 自家的 Model API 上線，每張生成圖片固定收費 0.01 美元，且已把搜尋依據（search grounding）納入該價格；它在 AA-Image-T2I v2.1 上獲得 1,127 Elo，取樣 9,061 票，排名第十三，比 MiniMax-H3-Image 的 1,066（取樣 3,206 票、排名第二十五）高出六十一分，而兩者的信賴區間完全沒有交集。在編輯排行榜上，兩者實際上打成平手：MiniMax-H3-Image 為 1,138，Muse Image 為 1,128，相差十分，且誤差範圍大幅重疊。而 MiniMax-H3-Image 每張圖的價格是 0.02179 至 0.06879 美元，對手卻只要一美分。

所以，這款在兩個榜單上都領先所有可下載對手的模型，帶著一場它要付出兩倍代價的平局，以及一場讓它付出六十一 Elo 的敗仗，來到這場對決。這點值得好好沉澱思考，因為正是這個比較，告訴你「最佳開放權重圖像模型」究竟值多少。

十點與六十一，以及為什麼第二個更重要

編輯項目上的平手是真正的平手，應該如實呈現為平手。MiniMax-H3-Image 的區間是 1,122 到 1,154；Muse Image 的區間則是 1,117 到 1,139。兩者在大部分區間寬度上重疊，而排行榜本身的排名區間——第九名到第十八名，對上第十三名到第二十一名——只是用更長的方式表達同一件事。在這裡，沒有人能主張任何編輯優勢，而這種主張還能經得起再次細讀資料。

世代差距是另一種性質的數字。1,066，區間上限為 1,081，對比 1,127，區間下限為 1,116——兩個區間之間有三十五點的明顯差距。這不是雜訊，也不是小效果：在一百一十四個模型的排行榜上，這正是前四分之一與第二個四分之一之間的差別。在純文字轉圖像上，Meta 的 penny model 更好，而數據明確地證明了這一點。

這與 H3-Image 發佈時所講述的故事正好相反。這款模型以一千六百萬像素與十六個位置參考亮相，而所有人由此得出的推論是：這是一款具備嚴肅編輯能力的生成器。各家評測在「編輯」這一半上看法一致，在「生成」這一半上則有分歧。M​iniMax 打造出的是一款非常出色的編輯器，同時也能生成，而不是一款也能編輯的生成器。

一分錢到底能買到什麼，以及算術在哪裡失靈

Meta 的計費單位有異常精確的文件說明：是圖片，而非 token。開發者文件指出，該模型每張生成圖片固定收費 0.01 美元，並直接表示 Muse Image「不按 token 計價」；它回傳的用量區塊包含輸入與輸出 token 數量，僅供參考。隨之而來有兩個後果，且兩者都屬於營運層面，而非表面修飾。失敗不計費——生成失敗的圖片，或在回傳前被安全篩選移除的圖片，都不列入計算。而搜尋 grounding（在單一輸出背後進行即時網路查詢加上工具呼叫）已包含在每張圖片的價格內，而非另行計費。

用這件事對照 M​iniMax 的價目表，看一筆一萬張圖的任務。Muse Image：固定 $100，不論有多少次重試失敗。MiniMax-H3-Image 的 1K 級距：$217.90，而且每一個仍產生計費輸出的失敗請求都會出現在你的帳單上。在模型真正交付 1600 萬像素的 4K 級距，牌價為 $687.90，目前折扣期間為 $343.90，該折扣於 2026 年 11 月 17 日 16:00 UTC 到期，且僅在交付影像至少達 16,600,000 像素時適用。無論在哪個級距，這道差距都不是四捨五入的誤差；它是「你負擔得起一試的任務」與「你得先編列預算的任務」之間的差別。

但兩者賣的不是同一種成品，這正是比較必須具體到規格、而不能停留在每張影像層次的地方。MiniMax-H3-Image 公布了它在各個長寬比下的畫布尺寸：4096×4096、4736×3552、5024×3360、5472×3072、6272×2688，API 上限為 2,000 萬像素。Meta 則完全沒有公布 Muse Image 的像素尺寸。其文件明確指出，影像端點上的 size 參數「僅設定長寬比，不設定確切像素」——不要把它解讀為解析度保證。沒有公布的百萬像素數字可用來分攤那一分錢，這意味著無法依據文件算出能據此定案的每百萬像素比較。應將此事視為兩家廠商揭露資訊的事實，而非任一產品的缺陷。

封閉式模型是較容易部署的那一個，而這正是反轉之處。

這就是讓這場比較不只停留在價目表上的部分。Meta Muse Image 是專有模型。沒有權重、沒有模型卡、沒有授權條款可讀，而 Meta 的開發者文件也明確劃清界線：你透過 Model API 呼叫的 Muse 系列模型是由服務端提供，而該系列中唯一的開放權重模型 Muse Glimmer，是從 Muse Spark 蒸餾而來的另一個模型，並非 Muse Image 的開放版本。呼叫它只是在相容於 OpenAI 或 Anthropic 的 SDK 上改動模型字串。

MiniMax-H3-Image 可供下載，這通常會被理解為自由選項。但根據 MiniMax-H3-Image 社群授權協議，其排除範圍涵蓋歐洲聯盟、英國、大韓民國與美國——是模型本身，而不僅是其輸出——在任何營收水準下提供託管服務，以及在其他情況下年化營收超過一百萬美元時，均須另行取得書面授權；使用時必須在顯眼處展示模型名稱，並禁止使用其輸出訓練其他模型。

把兩者並排放在奧斯汀或曼徹斯特的團隊面前，平常的直覺會整個反過來。專有模型才是他們週一就能用的那個。開放權重模型則是需要先取得 M​iniMax 的簽名才能放進產品，而且可能完全得另開一場對話。這種話寫在一個通常主張開放權重的部落格上很怪，但它是真的，所以就放在這裡。

對於在新加坡或聖保羅的團隊，授權條款形同虛設，計算會回到上述那一種：在編輯上打成平手時是一便士對兩美分，在生成上落敗時也是一便士對兩美分。就這些數字而言，仍然是 Meta，除非像素才是必要條件。

拆下旋鈕的兩種方法

這兩個模型都移除了你的取樣控制，而且做法正好相反。MiniMax-H3-Image 將一個 331 億參數的 transformer 蒸餾成六個取樣步驟，且不使用無分類器引導，而 API 會以 HTTP 400 拒絕任何其他步數或引導值。沒有負面提示詞。你唯一能變動的是提示詞——最多 32,000 個字元，其中大約前 4,096 個 token 會生效——以及參考圖像，最多十六個，並依位置指定為 <Picture 1> 到 <Picture 16>。

Meta Muse Image 透過在這些旋鈕上方加了一層，移除了旋鈕。用 Meta 的話說，該模型「先推理再渲染」：它會呼叫搜尋與程式撰寫工具、自我精煉其生成結果，並透過擴展測試時運算來改進。單次請求最多可提供十張參考圖像，且這種代理式行為可切換，這使得推理深度——而非取樣器——成為控制成本與延遲的槓桿。Meta 描述其與 Muse Spark 推理模型的配對，讓兩者共用工具並共同規劃，文件所述的多部分輸出——動畫 GIF、內嵌圖像的頁面、小型互動遊戲——便是如此產生。

實際差異會在失敗時顯現。當 MiniMax-H3-Image 把某次編輯做錯時，只有單一處理階段可供檢視，呼叫內部沒有第二意見；解法是更好的提示詞或更好的參考圖。當 Muse Image 做錯某次編輯時，失敗可能出在推理路徑而非渲染，而把你自己的提示詞上的代理行為調高或調低，是首先該測試的事，而不是憑信念接受。兩者沒有孰優孰劣。它們是不同的除錯介面，知道自己身處哪一種，能省下一個下午。

Meta 不會告訴你的事

這個低廉價格伴隨著巨大的文件缺口，而這點應與價格並提。Meta 並未公布我們能讀到的 Muse Image 速率限制——其開發者網站上的速率限制頁面只回傳一個沒有任何數字的空殼。沒有公布延遲概況、沒有成功率，也沒有針對代理式迴圈在生產流量下的獨立評估。沒有任何獨立第三方對指令遵循或編輯保真度進行基準測試，而 Meta 自家的基準測試圖也沒有可讀的數字。如果吞吐量對你的設計很重要，你將是從 API 而非手冊得知其上限範圍。

溯源方面也是同樣的情況。Muse Image 搭載 Content Seal，這是一套隱形浮水印系統，Meta 表示它經過裁切、壓縮、縮放和截圖後仍能保持完整，並提供預覽版偵測工具。請仔細閱讀適用範圍：Meta 將此標記描述為附帶於在 Meta AI 應用程式和 meta.ai 上建立的影像——也就是消費端介面——而模型頁面和 API 文件都未說明透過 Model API 產生的影像是否帶有該標記。在你測試自己帳號的輸出之前，請假定它不會隨 API 產生的檔案一同附帶。另外，路透社報導過唯一一次針對該偵測器的測試，結果發現它無法驗證大多數帶有浮水印的影像。至於 MiniMax，它根本沒有為 H3-Image 發布任何溯源或浮水印系統，這是對同一個問題的另一種回答。

MiniMax 自身的落差在於另一個方向的延遲：廠商宣稱的是十秒內 1,600 萬像素，但這項說法背後並沒有公布各長寬比的 p50、p95 或上限。Krea 會公布其最慢模式下每項任務的上限；MiniMax 公布的則是最佳情況。Meta 兩者都不公布。三家廠商，對同一個營運問題有三種不同的揭露程度，而價格資訊最詳細的那家，並不是效能資料最詳細的那家。

如何一次決定

如果你的輸出會放到網站、資訊流、商品刊登或客戶簡報，且尺寸低於約四百萬像素，那麼就這些數字來說，答案就是 Meta Muse Image。它在生成方面實測領先，在編輯方面打平，每次呼叫便宜二到七倍，失敗不計費，把搜尋納入價格，而且在 M​iniMax 排除的那四個司法管轄區無需進行授權審查。文件缺口確實存在，而這類問題適合用你自己一週的測試來解決，而不是走採購流程。

如果你的輸出必須在印刷尺寸下保留細節，或要從同一張母圖裁出三種版本，答案就是 MiniMax-H3-Image，而價格無關緊要，因為其他方案根本無法產出這項資產。每個長寬比都具備原生一千六百萬像素，這是低價模型無論偏好分數多高都無法競爭的類別；而參考系統的十六個位置插槽，讓你將多張提供的影像組合成新場景，而非編輯單一影像——這是本次比較中其他模型在該規模下都未記載的能力。

如果你身處歐盟、英國、韓國或美國，而你需要那些像素，誠實的答案是：你正在等待——等待 M​iniMax 的書面授權，或等待一個無需授權就能回傳那麼多畫布的模型。兩者在一個季度內都有可能實現。但今天兩者都不存在。

路由器適用之處，以及不適用之處

OrcaRouter 並未提供這兩個模型。MiniMax-H3-Image 在我們的目錄中沒有對應路由，而 Meta Muse Image 是透過 Meta 自家的 Model API 存取，並非經由我們。另請注意，我們目錄中名稱相近的 Muse 模型是聊天模型，並非這個圖像模型，且本處任何內容都不應被解讀為通往該模型的路由。我們從 MiniMax H3 系列實際提供的是影片模型，minimax/minimax-h3，以供應商定價、0% 加價轉嫁提供。

在這項比較中，路由真正能幫上忙的唯一地方，正是數字最不確定的部分。MiniMax-H3-Image 才問世四天，其編輯列上有十六個百分點的區間，而且授權因國家而異；Muse Image 則有四个月的投票資料，以及未經文件記載的運作範圍。這兩者都不該被接成硬性依賴。主要路由加上自動容錯切換至第二個經測量的模型，這正是讓新進者獲得真實流量、又不必把整個工作押在它身上的做法——而當上述比較在誤差範圍內打成平手時，這才是誠實的生產架構，而不是一種對沖。

一分錢對上兩分錢，看似是輕而易舉的選擇，直到第一個模型能回傳四倍大的畫布，而第二個模型可以切換到推理深度。就在你釐清你的輸出實際上依賴這兩種特性中的哪一種時，它就不再像是價格問題了。