MiniMax-H3-Image 對比 Nano Banana 2：開放權重，封閉邊界

MiniMax-H3-Image 令人意外的地方不在於它的分數，而在於其授權條款裡的那張地圖。這個模型檢查點於 2026 年 11 月 10 日上架 Hugging Face——一個 68.65 GB 的儲存庫，其中 66.28 GB 是擴散 Transformer，外加一個從 H3 影片模型借來的 66.7 GB 文字編碼器——而規範它的《MiniMax-H3-Image 社群授權協議》授予的權利是「全球，但不包括『排除領土』」，隨後又將後者定義為歐盟、英國、大韓民國與美國。Nano Banana 2，也就是 Google 的gemini-3.1-flash-image，自 2026 年 5 月 28 日起已正式全面開放，對你的唯一要求就是一張信用卡。因此，這場對決最誠實的定位並不是開放對上封閉，而是一個你可以下載、卻可能無法在你居住地合法部署的模型，對上一個你永遠無法下載、卻能從任何地方呼叫的模型。其他一切——那一千六百萬像素、價格階梯、排行榜名次——都次要於這一點；而本文其餘部分要談的，正是你一旦接受這一點，哪些事情就會隨之改變。

執照實際允許什麼

於 2026 年 11 月 14 日所讀到的 M​iniMax 授權條款第 IV 節簡短且異常具體。有兩件事會觸發必須透過 M​iniMax 授權主控台取得事先書面授權的要求：你或你的關係企業的年化營收超過 100 萬美元，或向第三方提供託管服務。這兩項觸發條件都不收取權利金，但兩者都要求你提出申請。第 IV 節也施加了一項標示義務——任何使用該模型的商業產品都必須在其介面中「顯著展示『MiniMax-H3-Image』」，這與慣常的「built with」徽章是不同義務，因為它標明的是模型，而非公司。

領土條款是較難處理的一項，而且這不是細枝末節。授權本身即以北適用的領土為範圍，而協議明言，在其範圍之外使用「未經本協議授權」。這並非對再散布的限制；而是對在四個所列司法管轄區內根本不得執行這些權重的限制。M​iniMax 自家的模型卡會請身處那些地區的人另行洽談授權安排，並提到「健全的控制措施與護欄」是此類安排會涉及的內容之一。對於柏林的工作室、首爾的新創公司，或者——對這份英語模型部落格的多数讀者更切題的是——美國境內任何地方而言，實際的答案就是：開放權重是一種可供檢視、基準測試與撰寫評論的研究產物，而不是可依賴的生產環境依賴項。

Nano Banana 2 沒有對應的謎題。它是 G​oogle Cloud 的產品：你呼叫它、取得影像、上線交付，條款就是標準的 API 條款。沒有營收門檻、沒有地域排除條款、沒有署名條款，也沒有託管服務的協商空間。而你為這份簡便所付出的代價，就是那個檔案。如果 G​oogle 調漲價格、淘汰該識別碼，或發生服務中斷，你手上只有一張遷移工單，而不是備援方案。

那種對稱性——一個模型給你附帶不可用授權的產物，另一個給你可用授權卻沒有產物——才是真正的決策關鍵。大多數比較頁面會略過這一點，因為授權文件很無聊，而基準測試表則不然。

兩個模型在板上交會之處

Artificial Analysis 現在在其兩個圖像競技場上為兩者評分，而 MiniMax-H3-Image 推出時並非如此。以 2026 年 11 月 14 日為準，這些數字描述的是真正的交叉，而非差距：

• {{1}}文字轉圖像{{/1}} — Nano Banana 2 {{2}}在 114 列中排名第 11{{/2}}，{{3}}Elo 1,143{{/3}}（{{4}}95% 區間 1,133–1,153{{/4}}）。MiniMax-H3-Image {{5}}排名第 25{{/5}}，分數為 {{6}}1,066{{/6}}（{{7}}1,051–1,080{{/7}}）。這相差 {{8}}77 Elo{{/8}}，且兩者的區間完全沒有重疊。

• 圖像編輯 — MiniMax-H3-Image 以 Elo 1,138（{{1}}1,122–1,154{{/1}}）在 84 個中排名第 13。Nano Banana 2 以 1,126（{{2}}1,114–1,138{{/2}}）排名第 17。M​iniMax 領先 12 Elo；兩個區間有數點重疊，因此應將此視為小幅領先，而非壓倒性勝利，但這正是排行榜所顯示的方向。

• 高速變體——MiniMax-H3-Image Highspeed，僅存在於 MiniMax 自家 API，單獨排名：文字轉圖像以 1,072 分名列第 24，編輯以 1,134 分名列第 14。在 4K 下每次生成的成本約為標準版的 1.7 倍，且在兩個榜單上都換不到更好的分數。它換來的是延遲，而榜單並不測量延遲。

Artificial Analysis 於 2026 年 11 月 13 日發布的自家結果摘要，補上了 MiniMax 會想要的框架：在其榜單上，MiniMax-H3-Image 是兩個類別中標有開放權重標記的最高排名列。該說法是他們的，且取決於他們對哪些列算作開放權重的分類——在文字轉圖像上排在 H3-Image 之上的幾個模型，包括得分 1,119 的 FLUX 3 Image 列，並非顯而易見可下載，因此該標記確實在發揮作用。請將其作為排行榜供應商的陳述引用，而非可僅憑權重驗證的事實。

要記住的整體態勢是：M​iniMax 的模型在編輯任務上表現更好，在空白頁任務上則明顯更差。這與其設計相符。十六個參考槽位，以及針對大量參考素材的工作而調校的取樣器，推高了編輯任務的表現；一個六步蒸餾取樣器且不設引導，與其說是在講保真度的故事，不如說是在講可控性的故事，而文生圖的落差正是其代價。

價格階梯，以及只剩三天的折扣

MiniMax 以 token 而非圖片計費，因此單看主要數字會產生誤導，直到你讀完計算範例。標準方案：每百萬輸入文字 token 2.30 美元，每百萬輸入圖片 token 1.50 美元，每百萬輸出圖片 token 3.80 美元。高速方案：文字費率相同，圖片輸入為 3.00 美元，輸出為 7.60 美元。

• 文字轉圖像，標準 — 在首發折扣持續期間，1K 為 $0.02179、2K 為 $0.02333、4K 為 $0.03439，相較之下原價為 $0.06879。

• 以一張參考圖進行編輯 — 1K 為 $0.02654，2K 為 $0.02658，4K 為 $0.03656（定價 $0.07312）。

• 使用三個參考進行編輯 — 1K 為 $0.03563、2K 為 $0.04177、4K 為 $0.03957（定價 $0.07914）。

• 高速，文字轉圖像 — 1K 為 $0.03529，2K 為 $0.03622，4K 為 $0.06501（原價 $0.13001）。

使 4K 欄位價格減半的折扣持續到 2026 年 11 月 17 日 16:00 UTC，且僅適用於至少 16,600,000 像素的已交付影像。之後 4K 費率大約會翻倍，而所有較低階層維持不變——這會改變建議的樣貌，因為平坦的價格階梯正是使用此模型的原因。按定價計算，一張 4K M​iniMax 影像的價格與一張 4K Nano Banana 2 影像大致相同，且不再比它便宜。

Google 這邊是清楚的逐圖表格：1K 圖像為 1,120 個 token，4K 為 2,520 個，每百萬個圖像輸出 token 收費 $60。換算後為 512px $0.045、1024×1024 $0.067、2048×2048 $0.101、4096×4096 $0.151；文字與思考則另行計費，每百萬輸出 token 為 $3，輸入為每百萬 $0.50。此模型未列出批次層級，與其 Lite 版本不同。注意「at resolution」所指含義的不對稱：4K 的 Nano Banana 2 圖像為 4096×4096，4K 的 MiniMax 圖像也是 4096×4096，因此兩者在頂端可直接比較，在底端則出現分歧，Google 提供 512px 層級，而 MiniMax 沒有。

每月一萬張圖片，每張各附一張參考圖，2K 輸出：以目前費率計算，MiniMax 標準方案約 $266，Nano Banana 2 約 $1,010。這是數字差距唯一懸殊的地方，也是授權最可能讓你卻步的地方。

一方能做而另一方做不到的事

能力清單不如分數那麼對稱。兩個模型都透過同一組端點進行生成與編輯，都接受參考圖像，也都輸出多百萬像素的檔案。除此之外，它們幾乎在每個面向上都不相同：

• 參考資料 — MiniMax-H3-Image 接受 1 至 16 張圖片，在提示詞中依位置對應為 <Picture 1> 到 <Picture 16>（依上傳順序）。Nano Banana 2 接受 14 張，但會將其拆分：最多 10 個物件參考以維持保真度，以及最多 4 個角色參考以維持一致性。

• 輸出 — MiniMax 在各種長寬比下皆宣稱可達約 1600 萬像素，從 4096×4096 正方形到 6272×2688 超寬比例，API 上限為 2000 萬像素，且流程中不經過任何升頻器。Nano Banana 2 最高支援 4096×4096，但額外提供極端的 1:4、4:1、1:8 與 8:1 比例，以及供縮圖使用的 512px 層級。

• 接地 — Nano Banana 2 可以讓生成內容以 G​oogle 搜尋或圖片搜尋結果為依據。MiniMax-H3-Image 完全沒有任何檢索功能；一切都來自提示詞與參考資料。

• 來源追溯 — 每個 Nano Banana 2 輸出都帶有 SynthID 浮水印與 C2PA 中繼資料。M​iniMax 的儲存庫與授權條款並未載明任何浮水印機制；這可能是特色，也可能是合規問題，取決於你所在的司法管轄區，而在歐盟，則是後者。

• 推理控制 — Nano Banana 2 透過 minimal 或 high 公開其思考內容，預設為 minimal，且無法透過 API 關閉思考；無論你是否閱讀，這些 token 都會計費。M​iniMax 則完全不提供推理介面，只有固定的取樣器。

• 取樣器 — MiniMax 被蒸餾成六步，且不使用無分類器引導。若傳入其他步數或引導值，API 會回傳 HTTP 400，並且會拒絕負面提示詞。你只能調整提示詞與參考資料，其他都不能調。Google 的模型則採用一般常見的參數介面。

取樣器這一點是雙面刃。它讓 M​iniMax 的輸出能在你自己的硬體上精確重現，這對回歸測試而言是一項實實在在的特性；但它也移除了標準的品質調節旋鈕——當編輯結果出錯時，慣於調校 CFG 的團隊最先會去動的那個旋鈕。

如果你打算自行架設，請先閱讀這篇

大多數人想要開放權重的原因不是意識形態，而是可以選擇不再按每張圖片付費。在這個模型上，那個選項的代價高昂，而下載大小暗示了這一點，公告卻沒有。Transformer 在 BF16 下是 66.28 GB，VAE 是 2.34 GB，而文字編碼器則是另外要拉取的 66.7 GB——來自 MiniMax-H3 的完整 Qwen3-VL，原封不動，DiT 會讀取其第 50 層隱藏狀態。這是在你生成第一張圖片之前就大約 135 GB 的權重，而且這個模型是 331 億參數的稠密 transformer，不是具有低成本有效路徑的專家混合模型。

相較之下，Qwen-Image 2.1——大家常問的另一個開放選項——下載大小約為四分之一。如果你的規劃是單一工作站或一張租來的 GPU，這個檢查點的算術是你最先該算的，而不是最後才算。M​iniMax 自家的模型卡既沒有提供延遲數字，也沒有硬體配置建議，因此發布資料中沒有任何內容能告訴你，在 1600 萬像素下跑六步是否適合你的顯示卡。

考慮到這一切，是哪一個？

如果你身處歐盟、英國、南韓與美國之外，而且需要以 4K 大量產出並搭配大量參考素材，MiniMax-H3-Image 目前是更好也更便宜的編輯模型；它在編輯能力上領先 12 Elo，幅度小到足以讓你應該用自己的提示詞實測，而不是信任排行榜。如果你身處這些地區，授權條款已經替你做了決定，接下來有意思的問題是 M​iniMax 是否會授予授權——這是商業層面的對話，而非技術層面的對話。

如果你需要文字渲染、搜尋依據、來源標記，或不受限制的呼叫端合約，Nano Banana 2 在能力上勝出，但在價格上遜色，而它在文字轉圖像上 77-Elo 的領先幅度，是這項比較中最大的單一數字。

截至 2026 年 11 月 14 日，這兩款模型都不在 OrcaRouter 的目錄中，而本頁也不會假裝它們在。平台在影像產品線中確實提供的是今日實際可呼叫的 OpenAI 與 Google 影像模型，以供應商定價、0% 加價轉嫁——這意味著當 MiniMax 的 4K 折扣於 11 月 17 日到期，或當 Google 調整費率時，我們目錄上的數字會在同一天變動，而不是等到下一次合約續約。路由層在這裡之所以重要的另一個原因是容錯移轉：一個沒有獨立延遲數據、排行榜資料已是六天前的模型，正是那種你會希望放在自動容錯移轉之後、而非直接接進生產路徑的依賴項。

改變這項結論的會是授權條款修訂。M​iniMax 過去就曾推出模型、予以讚揚，然後再重新授權；而地區條款讀起來像是合規上的預設，而非經過深思熟慮的限制。若「排除地區」清單縮短，這項比較中的編輯方面就會變成單純依價格與分數作出的直接建議。在那之前，這個開放模型的「開放」在於你能讀它，「封閉」則在於決定你是否能使用它。