MiniMax H3 Image vs. GPT Image 2.6 hands-on comparison: cheaper and faster, but still behind on complex instructions
English text is being prepared.
The author compares MiniMax H3 Image and GPT Image 2.6 across six rounds of hands-on testing. H3 Image has advantages in image realism, generation speed and price—a 4K 16MP image costs about 0.2261 yuan per image with the first-week discount—but it still falls short of GPT Image 2.6 in executing complex instructions, precise quantity control and commercial poster design. H3 Image is derived from the H3 multimodal model, supports text-to-image, image editing and up to 16 reference image inputs, and its model weights have also been released. The author also notes that MiniMax's image capabilities are scattered across different entry points such as Hailuo and MiniMax Code, so the experience for ordinary creators is less coherent than the ChatGPT ecosystem.
Why read this
AI score 65
The author compares the two image generation models across six rounds of hands-on testing, illustrating the trade-off between realism and instruction precision, and adds differences in pricing and product entry points.
Topics
Body
文 | 第四波,作者|冯皓钦
前两天,闫俊杰刚刚说,自己最近全部精力都投注在M3 Pro上。结果11日凌晨,MiniMax就先扔出一道前菜——H3 Image,并同步开放了模型权重,坚定地践行着自己的多模态路线。
在正式评测之前,我们先了解一下H3 Image几个核心功能点。
它衍生自此前的H3多模态模型,除了文生图、图片编辑,还支持最多16张参考图输入。官方重点强调的几个优势:生成速度、画面真实感,复杂指令遵循能力以及便宜的价格。一张约1600万像素的4K图片,最快只需要10秒,价格不到3毛钱。
但在前几天,11月4日,OpenAI端出了GPT Image 2.6,也重点升级了生成速度、图像编辑和视觉一致性。两款模型前后脚发布,难免让人好奇:MiniMax这次到底追上GPT了吗?
为此,第四波拿两款模型做了几轮实际测试。从生活纪实、科技封面,到中文海报、工业爆炸图、多参考图融合,再到3A游戏场景,全部使用2K画质,看看它们究竟相差几何。
画面真实感,MiniMax确实有点东西
第一轮,我们让两款模型生成一张上海老居民区的雨后街景。画面中要有修自行车的老人、提着塑料袋经过的年轻女性,以及远处交谈的行人。没有电影滤镜,也没有刻意营造的戏剧性光效。
(左/GPT Image 2.6 右/MiniMax H3 Image)
GPT Image 2.6的表现相当稳。老人、年轻女性、远处行人基本都出现在指定位置,建筑、便利店、电动车等环境元素也比较完整。
但整张图片过于工整,街道、人物和光线都恰到好处,反而少了几分真实生活中的随意感。
相比之下,MiniMax H3 Image的画面则多了几分真实生活的粗粝感。
老人脸上的皱纹、粗糙的双手、自行车上的锈迹,以及斑驳的墙面,都很有质感。整体画面更粗粝,也更有街头人文纪实摄影的味道。
但它也出现了明显偏差。原本要求的是年轻女性,结果生成人物看起来明显偏成熟,指定的便利店也没有得到清晰呈现。
H3 Image的确已经能生成相当有生活气息的纪实照片,但在追求真实质感的同时,难免可能会牺牲对具体指令的准确执行。这或许也是不少开发者使用后评价它“几乎没有AI味”的原因之一吧。
所以这一轮,H3 Image的真实质感值得肯定,但作为评测,GPT Image 2.6对指令的执行更准确,综合来看小幅领先。
(左/GPT Image 2.6 右/MiniMax H3 Image)
GPT Image 2.6把数据中心、输电铁塔和变电设施放在同一场景中,结构完整、主题清晰,但整体更像一张精致的商业效果图,设计语言不算新颖。
H3 Image反而更有自己的风格。
它选择了大面积天空留白,建筑与输电线路集中在画面下方,灰褐色调克制、自然,整体更接近纪实摄影,也更有杂志封面的视觉氛围。
这一轮,如果强调信息表达,GPT Image更准确,但如果看审美和摄影氛围,我更偏向H3 Image。
从前面这两轮,可以看出MiniMax H3 Image的确具备了与头部生图模型掰手腕的能力,模型也不再只是靠低价吸引用户,画面质感和审美确实有竞争力。
真拿来干活,差距就出来了
接下来,我们开始提高难度。
第三轮我们开始使用两个模型设计中文商业海报。要求包含完整的会议名称、时间、地点,以及六项会议议程,不能有任何错字或信息遗漏。
结果有些出乎意料,两款模型的中文表现都不错,指定文字和时间均准确呈现。
但设计上的差距......一言难尽。
(左/GPT Image 2.6 右/MiniMax H3 Image)
GPT Image 2.6采用黑橙配色,标题、议程和主办方信息都有明确的视觉层级,整体已经具备商业海报的基本可用性。虽然顶部标题稍显拥挤,右侧的大面积橙色图形也有些用力过猛,但至少看得出完整的设计思路。
H3 Image则是完全走向了另一个极端。
它把所有信息规规矩矩地排在米白色背景上,文字没什么问题,留白也足够,但视觉表达过于简单。就像一份会议通知,或者说没设计完的PPT。
它理解了文字要求,却没有真正完成设计任务。这一轮,胜负想必非常直观了。
第四轮,我们测试更复杂的工业产品爆炸图。
这次要求非常明确:一款手持探照灯,严格按照顺序拆分成7个主要部件,准确标注中文名称,再额外展示3枚固定螺丝和完整组装效果。
(左/GPT Image 2.6 右/MiniMax H3 Image)
GPT Image 2.6几乎把这些要求全部完成了。7个部件顺序正确,3枚螺丝没有遗漏,金属、玻璃、电路板的材质区分也很清晰。虽然不能直接作为工程图纸,但已经具备不错的专业展示效果。
H3 Image的表现则没这么理想了。
它同样画对了7个主要部件,中文标注也没有明显错误,但要求3枚螺丝,最后只给了2枚。
更明显的是,右下角的成品还出现了大面积外露的银色散热结构,与拆解图中的黑色后壳并不完全对应。
这类问题在普通插画中或许无伤大雅,但如果用于产品介绍、结构说明,就不能忽视了。
第五轮,我们又提供了4张不同的参考图,分别对应耳机产品、人物主体、动作姿势和建筑环境,要求模型将它们融合成一张高端商业广告。
(两款模型一致的参考图)
这次两款模型的表现都不错。
(左/GPT Image 2.6 右/MiniMax H3 Image)
GPT Image 2.6的整体构图更加完整,人物、耳机与建筑环境结合得比较自然,有成熟商业广告的质感。
H3 Image在人物皮肤、服装纹理和光影方面同样表现不错,尤其是侧脸和暖色光线,颇有时尚摄影的味道。
但它没有完整保留原本的椅子,而是让人物直接倚坐在建筑边缘,场景安排出现偏差。至于人物身份和耳机外观的还原精度,还需要结合原始参考素材进一步判断。
综合来看,这一轮两款模型各有千秋。
此外,最后一轮,我们还补充了一组3A游戏场景测试,要求生成废弃工业城市中的第三人称游戏实机截图。
(左/GPT Image 2.6 右/MiniMax H3 Image)
两款模型生成的图片画面中,机器人、破损建筑、雨后积水和游戏UI都相当精致,但整体都还是更接近精心摆拍的游戏宣传CG,缺少真正游戏过程中自然形成的镜头语言。
相比之下,用ClaudeFable 5.2生成的可交互HTML游戏,在武器视角、任务信息与场景布局的结合上,反而更有真实游戏的代入感。
那既然说到这儿了,顺便也提一下后续我们会用不同的Agent模型去vibe这样的可交互3A游戏作品,让大家从游戏视频里更直观的看到不同模型的特色。感兴趣的朋友可以关注我们后续的视频。
这样一比,至少说明了一点:在没有Agent加持场景构建的情况下,单张AI生图即使材质、光影足够精致,也不一定能真正还原游戏的实机质感。
所以整体测下来,结果也比较清楚了。
H3 Image在真实感和视觉审美上具备竞争力,但面对复杂指令、精确数量控制和商业设计时,GPT Image 2.6仍然稳如老狗。
便宜又快的MiniMax,还差什么?
不过,如果只看画面效果定输赢,未免有些片面。
因为H3 Image有两个非常突出的优势,是价格和速度。
先说价格。
按照MiniMax公布的国内API参考价格,1K文生图约0.143元,2K约0.1531元。4K、16MP规格的标准版常规参考价约0.4522元,而发布首周还提供五折优惠,单张约0.2261元。
也就是说,在活动期间,两毛多钱就能生成一张1600多万像素的高清图片。
这个价格确实很有竞争力了。特别是对于需要大量生成电商素材、广告方案、游戏概念图的创作者来说,成本优势会随着生成次数增加而放大。
而且,在这次实际体验中,我也明显感觉到,H3 Image的生成速度比GPT Image 2.6更快一些。
当然,这只是本次测试入口和设置下的体验,并不是严格控制分辨率、模型参数和服务器负载后的速度基准测试。但就日常创作而言,少等一会儿,就能多尝试几次方案,这种效率提升是实实在在的。
再加上H3 Image开放了模型权重,开发者可以在许可范围内自行部署、定制和集成。这对需要自主控制模型和工作流的企业来说,也是非常看重的。
但体验过程中,我还发现了一个容易被忽略的用户体验问题,产品入口。
现在使用GPT,不管是在ChatGPT中直接对话生图,还是通过ChatGPT Work、Codex和相关图像插件进行创作,图像能力已经与更多任务流程联系在一起上下文也能更好的共享。
我们在创作时完全可以先讨论创意、整理素材,再生成图片,之后继续修改。整个过程不只是调用一次生图模型,而是在同一套产品生态中持续完成任务。
MiniMax虽然一直坚持多模态路线,文本、视频、图像、语音等模型领域都有布局,但普通用户实际接触这些能力时,仍然需要在海螺、MiniMax Code等不同产品场景之间切换,非常麻烦。
它也有统一的开放平台,可以通过API整合模型能力,但对于不懂开发的普通创作者来说,前台体验的连贯性仍有提升空间,也希望未来官方能对此有所优化。
但无可厚非,从这次实测来看,H3 Image已经是一款有竞争力的生图模型了,尤其是画面真实感、生成速度和成本表现,确实值得肯定。
但如果要直接承担复杂商业设计、结构说明和精确执行任务,GPT Image 2.6目前仍然更让人省心。
便宜和速度决定了我们愿不愿意多尝试,准确性和工作流体验,才决定了它能不能成为日常生产力工具。