生图又快又便宜，MiniMax为什么还是没赢GPT？

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。

第二轮，我们测试视觉审美，让两款模型为以“AI算力与能源”为主题，设计一张纯净的高端科技杂志封面，不添加任何文字和Logo。

（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。

但问题是，它把数据中心画得太像普通工业厂房，右侧还出现了容易让人联想到传统发电厂的冷却塔，个人感觉，有点弱化了AI算力这一主题。

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。

毕竟，对真正拿AI干活的人来说，决定成本的不只是生成一张图片要花多少钱，还包括为了得到一张能用的图片，究竟需要修改多少次。

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。