MiniMax-H3-Image

概览

MiniMax-H3-Image 是 MiniMax 在 2026 年 11 月 10 日深夜发布并开放权重的图像生成与编辑模型，衍生自 7 月发布的全模态生成模型 MiniMax H3（站内条目 minimax-h3）：它沿用 H3 的扩散 Transformer 架构、去掉音频分支，用一个检查点同时完成文生图、参考图生成和图像编辑。官方主打三点：一是分辨率，直接生成约 1600 万像素的图，从 4096×4096 的方图到 6272×2688 的 21:9 宽幅都不需要再超分放大，官方称 10 秒内可以出一张 4K 图，速度约为主流方案的 5 倍；二是画面细节和真实感，想要摆脱常见的「AI 味」；三是指令遵循，官方称在开源模型里最强，编辑时最多可以输入 16 张参考图，按上传顺序在提示词里用 <Picture 1>、<Picture 2> 指代，示例包括把一间空房间和九件家具合成一个客厅、把灰模渲染变成电影剧照、把游戏地图变成第一人称视角画面。 技术上，扩散 Transformer 为 33.1B 参数、50 层的单流稠密结构，权重为 BF16，已蒸馏到 6 步采样且不需要 classifier-free guidance；文本编码器直接复用 MiniMax-H3 的 Qwen3-VL 文本编码器（不在本仓库，需另外下载约 66.7 GB），图像 VAE 为 16 倍下采样。模型希望拿到一段详细的英文画面描述，官方 API 会先用 H3-Image-Context-IR 把任意语言的短提示扩写，本地部署可改用同样开放权重的提示词扩写模型 MiniMax-H3-Image-PE。本地推理官方推荐 SGLang、vLLM-Omni、diffusers 和 ComfyUI，支持 NVIDIA 与 AMD 加速卡，有效工作区间约 400 万到 2000 万像素，1600 万像素附近效果最好。权重采用 MiniMax-H3-Image 社区许可：授权地区为全球但不含欧盟、英国、韩国和美国；年化收入超过 100 万美元或向第三方提供托管服务，需要先向 MiniMax 申请书面授权；商用产品要在界面上显著标注「MiniMax-H3-Image」。普通用户可以在海螺 AI 和 MiniMax Code 里直接使用。以上效果与速度均为官方说法。官方来源：https://www.minimax.io/blog/minimax-h3-image 、https://huggingface.co/MiniMaxAI/MiniMax-H3-Image 、https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/LICENSE 、https://platform.minimax.io/docs/guides/image-generation 、https://platform.minimax.io/docs/pricing/overview ；新闻报道：https://www.ithome.com/1/025/191.htm （2026-11-11 06:20 Asia/Shanghai 核对）。 定价：权重可免费下载，按社区许可在授权地区内使用。MiniMax API 按 token 计费：Standard 档输入文本 $2.30、输入图像 $1.50、输出图像 $3.80（每百万 tokens），Highspeed 档分别为 $2.30、$3.00、$7.60；官方给出的参考单价是 Standard 档文生图 1024×1024 约 $0.022 一张、4096×4096 约 $0.069 一张。2026 年 11 月 17 日 16:00 UTC 前，最终图像在 1660 万像素以上的请求按五折计费。

模态

图像

参数量

33.1B

许可说明

开源 · MiniMax-H3-Image Community License

能力

• +MiniMax 2026 年 11 月 10 日发布并开放权重的图像生成与编辑模型，衍生自全模态生成模型 MiniMax H3，同一个检查点同时做文生图和图像编辑
• +原生生成约 1600 万像素图像，从 4096×4096（1:1）到 6272×2688（21:9）各种画幅，不经过超分放大；官方称 10 秒内出一张 4K 图，速度可达主流方案的 5 倍
• +图像编辑最多支持 16 张参考图，按上传顺序在提示词里用 <Picture 1>、<Picture 2> 引用，可做多物件合成、白模渲染转实拍、地图转第一人称视角等
• +蒸馏到 6 步采样、无需 classifier-free guidance；扩散 Transformer 为 33.1B 参数的 50 层单流稠密结构，文本编码器复用 MiniMax-H3（Qwen3-VL）
• +画面细节与真实感、指令遵循是官方主打卖点，官方称指令遵循为开源模型最强；可在图上渲染中英文文字
• +本地部署支持 SGLang、vLLM-Omni、diffusers 与 ComfyUI，支持 NVIDIA H200、RTX PRO 6000 Blackwell 与 AMD Instinct MI350X 等；另提供可本地部署的提示词扩写模型 MiniMax-H3-Image-PE
• +也可通过 MiniMax API、MiniMax Code 与海螺 AI 使用；API 分 Standard 与 Highspeed 两档
• +社区许可：欧盟、英国、韩国、美国不在授权地区内；年化收入超 100 万美元或对外提供托管服务需另获书面授权