MiniMax，狂卷字节、OpenAI

文 | AIX财经，作者 | 雷晶，编辑 | 魏佳 AI生图赛道，最近打得火热。 11月10日晚，MiniMax发布并开放H3-Image模型权重，打出了“又快又便宜”的牌。官方称，它10秒就能生成一张1600万像素的高清图片，价格只有同档位主流工具的50%-70%。 在它之前，OpenAI和字节刚刚交完作业。 11月5日，OpenAI推出Images 2.6GPT Image 2.6，继续在速度和编辑能力上发力，宣称出图速度比前代提升50%，还新增了GIF动图生成、可重复使用的参考图等功能，并在API端推出GPT Image 2.6 Flare和Sunburst两款模型，后者主打多轮编辑的一致性。 字节则在11月9日发布Seedream 5.5，主攻连续编辑的稳定性，支持局部精准修改。 三家都拿出了自己的新模型，实际表现究竟差多少？除了比拼生成效果，它们还在争什么？ 01.OpenAI 领跑，MiniMax 胜在 速度 先看榜单，三家的差距还挺大。 在Artificial Analysis最新的文生图榜单中，GPT Image 2.6 Sunburst（max）排名第一，Seedream 5.5排名第十，H3-Image排在第二十三。 图源 / Artificial Analysis官网 到了图片编辑榜，OpenAI依然守住第一，字节升至第六，MiniMax也爬到了第十二。相比从零生成图片，后两家在编辑能力上的排名要更靠前一些。 图源 / Artificial Analysis官网 连拿两个第一的OpenAI，实际用起来，真能把另外两家甩开吗？ 我们分别通过ChatGPT、豆包和海螺AI，体验了三款新模型。其中，ChatGPT使用GPT Image 2.6自动模式，豆包调用Seedream 5.5，海螺AI则分别测试了H3-Image的标准和Highspeed两种模式。 需要说明的是，OpenAI的GPT Image 2.6通过API提供不同的模型档位，开发者可以按需选择。但大多数普通用户是直接在ChatGPT里生图，所以我们没有单独调用API，测的是各家产品端的实际体验。 第一题，重点考理解力。 短剧有多火不用多说。前有菠萝背叛草莓、香蕉出轨葡萄的水果伦理大戏，后有木耳、美甲争当豪门继承人的狗血短剧。短剧主角早就不限于人类了，连食物都开始谈恋爱、争家产。 最近爆火的超长名字糖葫芦，自然也没逃过。凭借一长串堪比念咒语的配料表，它成功混进了豪门圈。在它的家族，配料越多、名字越长，血统就越高贵，普通山楂糖葫芦连继承家产的资格都没有。 我们让三家做一张豪门见家长剧照：集奶皮子、草莓、芋泥等十几种食材于一身的糖葫芦家族继承人，带着一根山楂糖葫芦回家见父母。豪门少爷爱上普通女孩，父母嫌弃女方出身，剧情走的是经典的门不当户不对路线。 我们还特意强调，所有角色都是人类身体、糖葫芦脑袋，食材要与五官自然融合，不能出现普通人脸。 十几种食材、多个角色、复杂设定，一道题同时考理解力、执行力和画面表现力。 提示词： 主题：超长名字糖葫芦家族，百亿遗产继承权之争 生成一张中国荒诞AI短剧的电影级3D动画剧照，画面比例9:16，精致的半写实3D动画风格，人物造型奇特、夸张、具有强烈的喜剧效果。 核心设定：一个由超长名字网红糖葫芦组成的顶级豪门家族。所有人物都拥有正常人类的身体，穿着奢华西装、礼服，但整个头部是由十几种不同甜品配料堆叠而成的巨大立体糖葫芦。 注意，这些糖葫芦不是传统的几颗山楂串，而是由山楂、草莓、晴王葡萄、蓝莓、芒果、奶皮子、芋泥、血糯米、麻糍、奶酪、杨枝甘露、开心果碎、巧克力脆皮、冷萃酸奶、黄油薄脆等食材共同构成。 不同食材一层叠着一层：鲜红山楂与草莓、翠绿葡萄、金黄色芒果、乳白色厚奶皮、淡紫色芋泥、深紫色血糯米、柔软的白色麻糍、深棕色巧克力、金黄色黄油薄脆相互交错，部分水果被切开，露出夹心奶酪和酸奶。 整个头部像一座巨大的、色彩斑斓的甜品宝塔，明显向上延伸，比正常人类头部高出许多。外层包裹晶莹透明的糖衣，顶部露出细长竹签，糖浆在暖色灯光下闪闪发亮。食材细节真实可辨，不同层之间有明显的厚度与立体结构。 糖葫芦头部拥有自然融入食物造型的眼睛、眉毛和嘴巴，能够表现愤怒、傲慢、震惊等丰富表情，不出现普通人类面孔。 场景：一座极其奢华的豪门私人宴会厅。巨大的金色水晶吊灯，挑高的天花板，白色大理石地板，整面落地玻璃窗。窗外是一条繁华的都市夜街，霓虹灯闪烁。 宴会厅中央摆放着一张长条大理石餐桌，上面有高脚红酒杯、金色烛台、精致餐具。 人物与剧情：画面左侧是一名威严的老年男性家族掌权者，身穿深棕色高级西装，戴着金色戒指，胸前佩戴家族徽章。他的头部是一根极其庞大、由二十多层不同水果和甜品组成的超级豪华糖葫芦，配料极为复杂，层层向上堆叠，形成如同王冠般的夸张形状。他表情愤怒，伸出右手指向餐桌另一侧。 他的身旁站着一位家族贵妇，身穿乳白色丝绸长裙，头部由青葡萄、奶皮子、开心果奶酪、白色麻糍、绿色抹茶脆皮和金色糖壳层层叠加，形成优雅而复杂的绿色奶白色糖葫芦塔。 画面右侧是一名年轻的豪门继承人，穿着剪裁精致的白金色西装，身体挺拔，昂首与长辈对峙。他的头部是由草莓、山楂饼、杨枝甘露奶酪、芋泥、血糯米、麻糍、奶皮子、开心果冷萃酸奶、巧克力黄油薄脆组成的巨大彩色糖葫芦，层次复杂，外形像一座精致的十几层甜品塔。 继承人旁边是一名年轻女性，穿着浅绿色高级礼服，头部普通山楂糖葫芦，神情震惊。 构图与风格：采用对称式全景构图，餐桌位于画面中央，四名人物分列两侧，所有人物从头到脚完整入镜。糖葫芦头部高大醒目，占据画面明显的视觉比重，但不能遮挡其他人物。人物的身体比例自然，服装华丽精致，糖葫芦头部夸张而真实，形成强烈反差。 电影级3D动画渲染，精致食物材质，晶莹糖壳，奶皮子的酥脆纹理，奶酪的绵密质感，麻糍的柔软质感，水果的鲜艳色彩，丰富的高光与反射。 整体画面色彩浓郁、灯光华丽、细节丰富，具有荒诞、魔性、狗血豪门短剧的视觉效果，像一部制作精良却剧情离谱的AI动画连续剧。 先说速度，MiniMax确实跑得快。不过，我们差点没发现。 最初，我们通过MiniMax Code调用H3-Image，发现生成一张图片要等1分钟左右，修改一次甚至花了5分钟。说好的10秒出图呢？ 后来换到海螺AI，速度终于上来了。H3-Image标准模式单张生图用时约25-30秒，高速模式只需要10-15秒。原因在于，MiniMax Code作为Agent产品，除了调用图片模型，还涉及任务调度等环节，整个过程会产生额外耗时。 相比之下，OpenAI和字节的模型单次出图时间都在1分钟左右。速度这一项，MiniMax领先。 再看效果。 ChatGPT显然很懂这种抽象的艺术。1分多钟后，一张豪门短剧剧照就出炉了。人物华丽、表情浮夸，糖葫芦和五官融合得相当自然。豪华又抓马，仿佛下一秒就有人怒拍桌子，甩出一张支票：“给你五百万，离开我儿子”。 海螺AI这边，倒是很有短剧的仪式感。它是三家里唯一一个主动给图片加上短剧标题的，乍一看，还真有几分短剧剧照的味道。 海螺AI一次会生成4张图片，标准模式和高速模式的画质差别不大，犯的错误倒是一样。它们的第一张图都出现了明显的穿模，人物直接