
MiniMax 推出開源圖像模型 H3-Image 高速生成 4K,文字出色
MiniMax 發布開源權重圖像生成模型 MiniMax H3-Image,基於 H3 構建,支援文字生成圖像、參考圖生成及圖像編輯三大能力。模型可在 10 秒內生成 4K(4096 × 4096)解析度圖像,細節豐富真實、提示詞遵循度高,並可理解及使用最多 16 張參考圖。

- 開源權重(open-weight)圖像生成模型,基於 H3,支援文生圖、參考圖生成、圖像編輯
- 4K(4096 × 4096)圖像 10 秒內生成,速度最高為主流方案 5 倍
- 最多支援 16 張參考圖;開源模型中提示詞遵循度(prompt adherence)領先
- 透過 MiniMax API Platform、MiniMax Code 及 Hailuo AI 提供
- Standard 模式快主流 1.5 至 2 倍,Highspeed 模式快 3 至 4 倍;定價為主流同類 50% 至 70%
- 開售周:4K 或以上解析度請求標準價五折
- 模型權重已上 Hugging Face

速度:令 4K 生成變成日常可行
相較常見的 1K 或 2K 輸出,4K(16MP,4096 × 4096)圖像的細節量有明顯優勢。MiniMax H3-Image 可以在 10 秒內生成全解析度 4K 圖像,速度最高為主流方案的 5 倍,官方指這令 4K 圖像生成在日常工作流程中變得實際可行。這批改動並非單一突破:官方表示,團隊在 H3 預訓練能力的基礎上,對整個後訓練管線作了改進,由數據與強化學習到採樣步驟削減、PE 及部署優化;「沒有任何單一改動成就了這個結果」,各項改進合起來令 H3-Image 同時做到速度、畫質與提示詞遵循。

畫質與提示詞遵循
畫質方面,H3-Image 產生的細節豐富自然,沒有 AI 生成圖像常見的過度平滑人工感,由細緻紋理到微妙的視覺細節都有較高的真實度;官方目標是進一步收窄 AI 生成圖像與真實視覺世界的差距。提示詞遵循方面,H3-Image 在開源權重模型中達到最先進水平,支援最多 16 張參考圖像,配合參考圖生成與圖像編輯能力,適合需要保持角色或產品一致性的創作流程。
開源權重+定價五至七成
與 H3 一樣,MiniMax 釋出 H3-Image 的模型權重,希望支援開源研究,讓開發者與創作者自由定制模型、建立自己的工具與工作流程,並期望縮窄開源權重圖像模型與領先專有模型的差距。服務方面,H3-Image 可經 MiniMax API Platform、MiniMax Code 及 Hailuo AI 使用:Standard 模式速度為主流方案 1.5 至 2 倍,Highspeed 模式達 3 至 4 倍;定價為同類主流服務的 50% 至 70%。開售周期間,4K 或以上解析度的圖像生成請求享標準價五折。模型權重已上 Hugging Face(MiniMaxAI/MiniMax-H3-Image)。

資料來源:MiniMax 官方網誌
