快速结论: MiniMax H3-Image 与 Nano Banana 2.1 的取舍归结为“控制力”与“便利性”的权衡。如果你想要开放权重、最多 16 张参考图以及更低的单张 4K 图像挂牌价($0.06879 对比 $0.113),选择 MiniMax H3-Image。如果你想要对话式多轮编辑、Google 搜索接地(Search grounding)以及无需研究许可证条款的全托管 API,选择 Nano Banana 2.1。
AI Coding 交流群
如果你也在用 AI 写代码,或者正在研究 Cursor、Claude Code 这些工具,欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流,还有各种新工具和新玩法。
MiniMax H3-Image 与 Nano Banana 2.1 一览
MiniMax H3-Image 是一款支持文生图和图像编辑的开放权重模型,最高可输出约 1600 万像素(16 MP)图像,并支持最多 16 张参考图。Nano Banana 2.1(gemini-nano-banana-2.1)则是 Google 在 Gemini API 中提供的闭源图像模型,专为对话式编辑打造,支持 1K、2K 和 4K 输出以及最多 14 张参考图。

| 对比维度 | MiniMax H3-Image | Nano Banana 2.1 |
|---|---|---|
| 发布时间 | 2026 年 11 月 10 日 | 2026 年 10 月 6 日 |
| 模型权重 | 开放权重(遵循社区许可证) | 闭源,仅提供 API |
| 最大输出规格 | 约 16 MP(1:1 下为 4096 x 4096,21:9 下为 6272 x 2688) | 4K(1:1 下为 4096 x 4096,16:9 下为 5504 x 3072) |
| 参考图数量 | 每次编辑最多 16 张 | 最多 14 张(10 个物体、4 个角色) |
| 速度宣称 | “10 秒生成 4K 图像” | “Flash 级速度”,未公布具体秒数 |
| 4K 价格(挂牌价) | 1:1 文生图每张 $0.06879 | 每张 $0.113 |
| 免费 API 层级 | 未列出 | “不可用(Not available)” |
| 水印 | API 参考文档未说明 | 每张图像均带 SynthID 水印 |
数据来源(核查于 2026 年 11 月 11 日):MiniMax 定价、H3-Image 模型卡、Gemini API 定价 以及 Google 的 图像生成指南。
分辨率与输出尺寸
两款模型在正方形图像上的最高分辨率都接近 1600 万像素,因此单看“4K”拉不开差距。真正不同的是指定尺寸的方式:
- MiniMax H3-Image 支持自由格式的
size(例如2720x1536),总像素范围在 655,360 到 20,000,000 之间,宽高比范围在 1:3 到 3:1 之间。或者你也可以设置aspect_ratio和area(1K、2K或4K),交由 API 自动计算。模型卡指出在 16 MP 左右效果最佳。 - Nano Banana 2.1 则从三个固定的
image_size档位和固定比例表中选择。该比例表包含像 8:1 这样的超宽横幅比例,在 4K 档位下可输出 12288 x 1536。
需要精确到像素的自定义尺寸?H3-Image 可以让你省去二次裁剪。需要极宽的横幅长条图?Nano Banana 2.1 能突破 H3-Image 3:1 的自定义比例上限。
速度:两家厂商各自的说法
MiniMax 表示 H3-Image 生成一张 4K 图像大约需要 10 秒,这得益于蒸馏到 6 步采样且无需分类器自由引导(classifier-free guidance)。官方没有指明测试所用的硬件,因此请将其视为厂商宣称值。
Google 没有公布 Nano Banana 2.1 的具体耗时秒数,而是将其描述为“Flash 级速度”,并允许你通过 minimal、medium(默认)和 high 三个思考等级(thinking levels)在生成质量与延迟之间做权衡。该模型在输出最终图像前,最多还可能先绘制两张中间“思考”图像。
两边都不是独立基准测试。如果延迟决定了你的选型,可以用下文的测试方法自行实测。
图像编辑与参考图
MiniMax H3-Image 通过单独的端点 POST /v1/images/edits 进行编辑。你可以将 1 到 16 张参考图作为公开 URL、已上传的文件 ID 或 data URI 传入(单次请求体最大 64 MiB),并在提示词中用 <Picture 1>、<Picture 2> 等标签引用它们。MiniMax 指南也列出了暂不支持的能力:蒙版局部重绘(masked edits)、透明背景以及预览图。
Nano Banana 2.1 在对话过程中完成编辑。你只需用文字描述要修改的区域(例如“只更换沙发”),无需上传蒙版,而且每一轮追问都会建立在上一轮的基础上,从而保持商品或角色的一致性。参考图上限为 14 张:最多 10 个物体和 4 个角色。
因此,经验法则如下:
- 多图输入、单图合成(例如用 15 张家具照片拼出一间房间,或制作角色设定表):H3-Image 的 16 张参考图上限更合适。
- 围绕单张图像多轮微调(例如替换标签、翻译信息图、微调颜色):Nano Banana 2.1 的多轮对话编辑更合适。
- 依赖实时事实的图像(例如今日天气图表、近期新闻事件):只有 Nano Banana 2.1 提供 Google 搜索接地能力,包括将图片搜索结果作为视觉上下文。
我们的 Nano Banana 2.1 API 指南详细演示了多轮对话与搜索接地调用,而 MiniMax H3-Image API 指南则涵盖了编辑端点的用法。
开放权重对比闭源 API
MiniMax H3-Image 在 Hugging Face 上以 MiniMax-H3-Image 社区许可证发布了模型权重。你可以私有化自托管部署;而 Nano Banana 2.1 不提供自托管选项。不过该许可证设有明确的限制条款:
- 默认授权范围排除了欧盟、英国、韩国和美国。
- 年化收入超过 100 万美元的企业,或任何将模型作为托管服务提供给第三方的机构,都需要获得 MiniMax 的书面授权。
- 商业产品必须在界面中标明“MiniMax-H3-Image”,且不得使用模型输出去训练其他模型。
自托管的硬件门槛也相当高:正如 MiniMax H3-Image 介绍文中所拆解的,它包含一个 33.1B 参数的 Transformer,权重文件总计约 137 GB。
Nano Banana 2.1 的接入条件则简单直接:一个付费 Gemini API 密钥、遵循 Google 服务条款,且每张生成图像都会自带 SynthID 水印。
单张图像价格
两款模型在底层都按 token 计费,但各自都公布了折算后的单张图像价格。以下是标准层级的挂牌价(核查于 2026 年 11 月 11 日):
| 输出规格 | MiniMax H3-Image | MiniMax H3-Image-Highspeed | Nano Banana 2.1 |
|---|---|---|---|
| 1K (1024 x 1024) | $0.02179 | $0.03529 | $0.0336 |
| 2K (2048 x 2048) | $0.02333 | $0.03622 | $0.0504 |
| 4K (4096 x 4096) | $0.06879 | $0.13001 | $0.113 |
有几个细节会影响实际账单:
- 首发折扣: 在 2026 年 11 月 17 日 16:00 UTC 之前,当交付图像的像素数达到至少 16,600,000 时,MiniMax 会对两款 H3 模型的整次请求费用打 5 折。这使首发周内标准版 4K 图像的单张成本降至 $0.03439。更小尺寸的图像不享受此折扣。
- 批量处理(Batch): Google 通过 Batch API 将 Nano Banana 2.1 的图像输出定为每百万 token $15,是标准价 $30 的一半。
- 附加 token: Nano Banana 2.1 还会按每百万 token $7.50 收取文本和思考输出费用。MiniMax 则会将默认开启的提示词扩写计入输入文本 token;传入
disable_prompt_enhanced: true可以将其关闭。 - 重试计费: MiniMax 的生成端点不是幂等的:超时后的自动重试会重新生成图像并再次扣费。
单看标准版挂牌价,H3-Image 在表中每个分辨率档位上都更便宜,在 2K 档位上大约便宜一半。
用 Apifox CLI 运行你自己的对比测试
最公平的测试方式是将同一条提示词同时发给两个 API,重复运行几次,并逐次记录状态码、图像字段和响应耗时。你可以让编码 Agent 配合 Apifox CLI 来构建这套测试,而不必手写两套 SDK 脚本。

可以用 Apifox CLI 把这套对比流程写成可重复执行的命令:先安装 CLI、用令牌登录并查看测试用例分类:
npm install -g apifox-cli@latest
apifox auth login --with-token <YOUR_APIFOX_TOKEN>
apifox test-case category --project <PROJECT_ID>
然后给 Claude Code、Codex、Cursor 或其他 Agent 一条提示词:
In Apifox project <PROJECT_ID>, set up a head-to-head image test.
1. Environment "minimax", base URL https://api.minimax.io. Endpoint
POST /v1/images/generations with Bearer {{MINIMAX_API_KEY}}.
Body: model MiniMax-H3-Image, size 1024x1024, n 1,
disable_prompt_enhanced true, response_format url.
2. Environment "gemini", base URL https://generativelanguage.googleapis.com.
Endpoint POST /v1beta/interactions with header x-goog-api-key {{GEMINI_API_KEY}}.
Body: model gemini-nano-banana-2.1, response_format type image,
aspect_ratio 1:1, image_size 1K.
3. Use the same prompt in both: "A ceramic coffee mug on a walnut desk,
morning window light, the word APIFOX printed on the mug."
4. One test case per endpoint. MiniMax asserts status 200, data[0].url exists
and data[0].error is absent. Gemini asserts status 200 and an image output
block is present (read the Gemini docs for the response path).
5. Run each case 3 times and compare status, assertions and response times.
Agent 会读取并校验 schema,创建测试用例并执行对比(以下命令参数均对照 Apifox CLI 2.2.12):
apifox cli-schema get test-case-create
apifox cli-schema validate test-case-create --file ./h3-case.json
apifox test-case create --project <PROJECT_ID> --file ./h3-case.json
apifox test-case create --project <PROJECT_ID> --file ./nb21-case.json
apifox test-case run <H3_CASE_ID> --project <PROJECT_ID> -e <MINIMAX_ENV_ID> \
-n 3 -r cli,json --out-dir ./image-ab-reports
apifox test-case run <NB21_CASE_ID> --project <PROJECT_ID> -e <GEMINI_ENV_ID> \
-n 3 -r cli,json --out-dir ./image-ab-reports
cli-schema validate 会在写入前校验每个 JSON 文件。-n 3 会将每个用例重复运行 3 次,避免单次偶发的慢请求左右你的判断。CLI 会打印通过/失败摘要并输出 JSON 报告供 Agent 读取对比;加上 --upload-report 还可以在 Apifox 中查看运行记录。
在 1K 分辨率下,按挂牌价计算,两边各跑 3 次(共 6 次调用)在 MiniMax 上大约花费 $0.07,在 Nano Banana 2.1 上大约花费 $0.10(另加 Gemini 侧可能产生的思考 token 费用)。接着对比生成的图片:马克杯上的文字可以顺便检验文字渲染能力——Google 将这项能力列为 2.1 版本的重点改进之一。我们在撰写本文时并未实际跑这组测试,你可以用它测出自己环境下的真实数据。
你应该选择哪款图像模型?
在以下场景中选择 MiniMax H3-Image:
- 你需要私有化自托管部署,且符合其社区许可证的适用地区与营收条款。
- 你的编辑任务需要融合多张输入素材(最多 16 张参考图)。
- 你需要大批量渲染 1K 和 2K 图像,并希望获得更低的挂牌单价。
- 你需要精确到像素的自定义尺寸,而不是固定档位。
在以下场景中选择 Nano Banana 2.1:
- 你需要围绕同一张图像进行多轮对话微调,并保持画面主体一致。
- 你的图像依赖实时事实,能从 Google 搜索接地中获益。
- 你需要像 8:1 这样的极端横幅比例,或者可以通过 Batch API 以半价运行离线批量任务。
想对比更多图像模型?可以参考 GPT Image 2.6 API、Qwen-Image 2.1 以及 Nano Banana 2.1 与 2、Pro 的对比。如果想了解零成本试用方式,可查看免费使用 MiniMax H3-Image 的方法以及如何免费使用 Nano Banana 2.1。
常见问题
MiniMax H3-Image 比 Nano Banana 2.1 更好吗? 目前还没有公开的头对头基准测试。H3-Image 在开放权重、参考图数量上限和挂牌单价上占优;Nano Banana 2.1 则在多轮对话编辑和搜索接地上占优。
哪款模型的单张图像价格更便宜? 按标准版挂牌价计算,MiniMax H3-Image 更便宜:1K 下为 $0.02179 对比 $0.0336,2K 下为 $0.02333 对比 $0.0504,4K 下为 $0.06879 对比 $0.113。不过 MiniMax 的 Highspeed 高速档在 1K 和 4K 下的价格高于 Nano Banana 2.1。
我可以在本地运行 Nano Banana 2.1 吗? 不能。Google 仅以托管服务形式提供该模型。MiniMax H3-Image 则可以在遵循社区许可证的前提下下载并自托管部署。
10 秒生成 4K 图像的说法经过独立验证了吗? 没有。这是 MiniMax 官方公布的数字,且未说明测试硬件。建议用你自己的请求同时测量两款模型的实际耗时。
这两款模型会添加水印吗? Google 会为每张 Nano Banana 2.1 生成的图像添加 SynthID 水印。MiniMax 的 API 文档未提及水印,但其许可证要求你在公开发布内容时注明其由机器生成。