MiniMax-H3-Image 對比 Qwen-Image 3.0：Qwen 留下的開放空缺

Alibaba 的圖像產品線過去一直是任何想擁有模型、而非租用模型的人不必多想就會推薦的選擇：下載權重、跑起來，然後不必再爭論費率表。Qwen-Image 3.0 在八月終結了這一切。它於 2026 年 7 月 22 日以僅限邀請的方式推出，並於 8 月 4 日在 Qwen Cloud 與 Alibaba Cloud Model Studio 的 Standard 和 Pro 方案正式全面推出；推出時沒有權重、沒有模型卡、沒有參數量，也沒有技術報告。這個家族中的開放分支是 Qwen-Image-2.1，於 2026 年 9 月 20 日在非商業研究授權下發布——可檢查、可微調，但不能放進產品出貨。MiniMax-H3-Image 的權重於 2026 年 11 月 10 日 14:50 UTC 上架 Hugging Face，是此後第一個認真填補那個空缺的圖像模型。這才是真正的比較：不是哪個模型更漂亮，而是哪個模型還留給你一條退路。

兩條過去合而為一的購買路徑

在 3.0 之前，「Qwen 還是其他選擇」是一個關於品質的問題，因為授權方面的答案始終一樣。如今，這兩個模型分別位於一條比任何基準測試都更重要的界線兩側：如果供應商漲價、棄用該方案層級，或碰上糟糕的一週，會發生什麼事。

Qwen-Image 3.0 是一項託管服務，具有文件完善的介面，並已公布價目表。MiniMax-H3-Image 既是託管服務，也是可下載的 68.65 GB transformer，外加一個 66.7 GB、借用自 MiniMax-H3 影片儲存庫的文字編碼器，並依 MiniMax-H3-Image Community License Agreement 授權。該授權並非 Apache 2.0，貴公司法務應在商業部署前審閱；但它是針對你所持有之檔案的授權，這與價目表在本質上截然不同。

一個容易忽略的實際後果是：那個退出的代價不只是磁碟空間。MiniMax-H3-Image 的取樣器固定為六步，不支援無分類器引導，也不支援負向提示詞，且 API 對任何其他步數或引導值都會以 HTTP 400 拒絕。六次前向傳遞，正是讓一個 330 億參數的 transformer 在 1600 萬像素下、於租用硬體上可行的原因；這也意味著一般自架主機的調參迴圈並不存在。你要調的是提示詞與參考素材。

Qwen-Image 3.0 實際上會告訴你哪些關於它自身的事

不如其說明文件所暗示。A​libaba 並未公布 Qwen-Image 3.0 的任何基準測試數字——不論是在 Qwen-Image-Bench 上，還是在任何其他地方——也沒有公布架構，因此唯一的獨立訊號是 Artificial Analysis；其現行排行榜將 Qwen-Image-3.0-Pro 在文字轉圖像項目上列為 1094 Elo、樣本數 6,691，並將 Qwen-Image-3.0 列為 1074，分別位居第十九與第二十名，而該排行榜前五名全是 O​penAI 模型。在圖像編輯方面，Pro 約為 1,085，Standard 約為 1,062。這些都是平淡無奇的名次，而它們也是唯一存在的數字。

截至 2026 年 11 月 11 日，MiniMax-H3-Image 在兩個榜單上都沒有任何一列紀錄——不是表現偏弱的那種，而是完全沒有。因此，這兩個模型無法透過獨立評分互相比較排名；任何宣稱其中一方品質勝過另一方的說法，都只是某人的主觀印象披著比較的外衣。真正能比較的是介面、解析度、價格與退出機制。

兩者分歧極大的維度

• 解析度 — MiniMax-H3-Image：每種長寬比下皆約一千六百萬像素，1:1 時為 4096×4096，最高可達 21:9 的 6272×2688，API 上限為 20 MP。Qwen-Image 3.0：根據 Alibaba 自身公布的數據，最高為 2048×2048，約 420 萬像素。

• 2K 價格 — MiniMax-H3-Image：每張生成圖片 $0.02333，包含 4K 方案，定價 $0.06879。Qwen-Image 3.0：Standard 在 1K 或 2K 下每張圖片 $0.03，編輯約按每個輸入參考圖 $0.003 計費；Pro 在 1K 為 $0.04，在 2K 為 $0.075。

• 權重 — MiniMax-H3-Image：可用，社群授權，有四條有文件記載的服務途徑，包括在 NVIDIA 與 AMD 上首日支援 vLLM-Omni。Qwen-Image 3.0：無，這是從 1.0 和 2.0 的倒退。Qwen 家族的開放成員是 Qwen-Image-2.1，僅限非商業使用。

• 圖片內的文字 — Qwen-Image 3.0：提示詞最多可達 4,500 個 token，文字在低至約 10 像素時仍可辨識，支援十二種原生語言、二十多種字型，每次呼叫最多可產生六個輸出，並在伺服器端改寫提示詞。MiniMax-H3-Image：提示詞可達 32,000 個字元，其中約前 4,096 個 token 會生效；未公布文字渲染相關說法。

• 參考資料 — MiniMax-H3-Image：最多 16 張，依上傳順序按位置定址，不過 vLLM-Omni 針對同一組權重發布的配方記載每次請求為 9 張。Qwen-Image 3.0：未公布參考上限；3.0 是託管端點，具有已記錄的結構描述，而非權重發布版。

• 獨立評分 — Qwen-Image 3.0：在 AA-Image-T2I v2.1 上為 1074，Pro 為 1094，Pro 於編輯項目約為 1,085。MiniMax-H3-Image：在兩個榜單上皆無排名。

如果你要列印，一千六百萬像素可不是可有可無的講究。

四百萬像素是網頁主視覺、目錄圖磚，或簡報插圖。一千六百萬像素則是印刷版、大型戶外廣告的裁切區域，或是一張得在從中裁出三個投放版面時仍保住細節的背景圖。Qwen-Image 3.0 的 2048×2048 上限並不是缺陷——而是關於這個模型用途的決定，也是多數託管式圖像模型所做的相同決定。但這意味著，對任何製作包裝、戶外廣告或高 DPI 產品攝影的人來說，MiniMax-H3-Image 根本不是與 Qwen-Image 3.0 競爭；它競爭的對象，是你原本會加裝在 Qwen 輸出上的那款放大工具，而放大工具增添細節的方式，和原生一千六百萬像素生成並不相同。

話雖如此，Qwen-Image 3.0 有趣的地方不在解析度，而在文字。可辨識的文字小至約十像素、涵蓋十二種語言、二十多種字型，還有一個伺服器端改寫步驟，會在模型看到提示詞之前先重塑提示詞——這是一組明確瞄準海報、包裝文案、UI 模型稿與圖表的宣稱；在這些場景中，眾所皆知的失敗模式就是圖像渲染得很漂亮，卻有一個字詞錯亂。實際試用評價形容它擅長 UI 模型稿與圖表，偶爾小字會錯亂，這大致符合廠商宣稱所預期的表現。MiniMax-H3-Image 在其模型卡中沒有提出可相比的文字宣稱，且尚無第三方測量過。

所以，就正面對決而言，兩者的分野異常清楚。如果你的任務是在講究排版的版面中處理密集文字，Qwen-Image 3.0 是有文件佐證的押注。如果你的任務是大型、細節豐富、照片級寫實的畫面，那麼在兩者都提供的尺寸下，MiniMax-H3-Image 的像素是四倍，每張圖的價格卻更低。

對一千張圖片進行數據核算

以一批一千張 2K 產品圖片為例，僅進行生成，不使用參考圖。Qwen-Image 3.0 Standard 每張 $0.03，總計 $30。MiniMax-H3-Image 每張 $0.02333，總計 $23.33。若每張輸出都加一張參考圖——這是型錄更新時希望維持商品一致性的常見情況——Qwen 會增加約 $3 的輸入 token 費用，總計接近 $33；而 MiniMax 的輸入圖片費率為每百萬個 token $1.50，會增加相應比例，總計仍低於 $30。在 4K 級別，同樣一千張圖的 MiniMax 定價為 $68.79，若適用限時 50% 折扣則為 $34.39；該優惠持續到 2026 年 11 月 17 日 16:00 UTC，且要求每張交付圖片至少達到 16,600,000 像素。Qwen-Image 3.0 沒有 4K 級別可供報價。

那些差距以絕對值來看很小，也不是選擇任一模型的原因。選擇 MiniMax-H3-Image 的理由是，$23 的 API 支出與在自有硬體上每張圖片 $0 的邊際成本是兩種不同的生意，而其中只有一種可以往前推估建模。選擇 Qwen-Image 3.0 的理由是，它有文件記載的文字管線，以及一個你今天下午就能整合的介面。

這兩款模型都不在 OrcaRouter 上，本文也不會假裝它們在。gpt-image-2.5-sunburst、gpt-image-2、G​emini 圖像預覽版、涵蓋三個層級的 Imagen 4、G​rok Imagine Image 等我們所路由的圖像模型，皆依供應商牌價計費、零加成原樣轉嫁，而且路由規則可在首家供應商失敗時改由第二家接手。這對你在 MiniMax-H3-Image 與 Qwen-Image 3.0 之間做選擇毫無幫助。它幫得上忙的，是你停止評估、開始上線的那一天，而你挑中的模型偏偏那天狀態奇差。

授權問題真正要付出多少代價

「開放權重」對 MiniMax-H3-Image 來說是準確的；「開源」則是會讓團隊惹上麻煩的說法。《社群授權協議》是一份文件，其條款可能附著到你的產品上，而唯一負責任的建議是閱讀實際檔案，而不是摘要——包括這一份。同樣的道理更尖銳地適用於 Qwen-Image-2.1：非商業研究授權意味著一個你可以檢視的原型，以及一個你大概不能不先洽談就出貨的產品；而且至少還有一個比較網站仍把 Qwen Image 3.0 列為 Apache-2.0，這根本是錯的，而且是那種會讓你損失一週的錯。

實務上的測試很短。你的計畫是否需要在自家邊界內持有權重——為了資料駐留、為了大量使用時的成本，還是為了微調？若是，這兩者中唯一的候選就是 MiniMax-H3-Image，而退場代價是真實的：大約 135 GB 的產出物，外加一次授權條款審查。若否，那麼授權問題就無關緊要，決策就簡化為文字渲染與解析度之間的取捨，而這兩個模型的品質，廠商之外沒有人獨立測量過。

值得關注的不是下一次排行榜更新，因為這兩個模型都不是以能讓任何事有定論的方式上榜。真正值得關注的是，A​libaba 是否會逆轉封閉做法，為 3.x 系列釋出權重，因為那會是一年來首次有兩個開放的高解析度影像模型出現在同一個市場；以及 MiniMax-H3-Image 是否會取得評分，因為現在唯一能告訴你它有多好的人，就是你自己，用你自己的提示詞——這在這次比較中，要麼是最誠實的立場，要麼是最不方便的立場，取決於你這一週有多少時間。