2026 年 11 月 11 日——MiniMax 于 11 月 10 日晚正式发布并开源图像生成模型 H3-Image。该模型衍生自全模态模型 H3,支持文生图、参考图生图与图像编辑,官方称可在 10 秒内生成 4096×4096 像素(约 1600 万像素,4K)的图像,速度可达市面主流水平的 5 倍,模型权重已在 Hugging Face 与 ModelScope 开放。

这是 MiniMax 继今年 8 月开放 H3 视频模型权重后,再次开放 H3 系列模型权重。官方公告显示,H3-Image 在 H3 预训练赋予的图像能力基础上,强化了数据、强化学习、步数压缩、PE、部署优化等整个后训练链路,同时提升速度、画面质量与指令遵循三方面能力。

速度、画质与指令遵循

官方称,H3-Image 生成 4K 图像的速度可达市面主流水平的 5 倍,其中标准模式速度为主流工具的 1.5–2 倍,Highspeed 模式可达 3–4 倍。爱范儿的实测显示,生成一张 4096×4096 图像需 10–20 秒;华尔街见闻的报道指出,当前主流图像模型输出多为 100 万–400 万像素,生成耗时普遍以分钟计,较快的模型也需约 50 秒。

速度提升来自蒸馏优化:模型将采样步数压缩至 6 步,并取消无分类器引导(CFG),直接生成约 1600 万像素图像,无需超分辨率处理。画质方面,官方称模型摆脱常见的「AI 感」,提供更丰富的细节与真实感;指令遵循方面,官方称其达到开源图像模型中最强水平,最多支持 16 张参考图,可在同一画面中整合主体、材质、风格等多类参考信息。

模型规格与开源详情

项目 数据
架构 331 亿参数稠密单流 DiT,50 层,沿用 H3 架构并移除音频分支
文本编码器 沿用 MiniMax-H3 的 Qwen3-VL 文本编码器,权重另行加载(约 66.7GB)
采样配置 6 步蒸馏,无 CFG
输出分辨率 有效范围约 400 万–2000 万像素,建议 1600 万左右;1:1 为 4096×4096,16:9 为 5472×3072,21:9 为 6272×2688
参考图 最多 16 张
权重体积 主仓库约 68.65GB(BF16);可选提示词扩展模型 H3-Image-PE 约 17.9GB(NVFP4)
许可协议 MiniMax-H3-Image Community License Agreement
部署框架 SGLang、vLLM-Omni、diffusers、ComfyUI

据 Hugging Face 模型卡与华尔街见闻报道,社区许可证对适用地域、商业使用与衍生开发设置了条件,部分地区及特定商业用途需另行获得授权。本地部署的硬件门槛较高:除约 68.65GB 的主权重外,还需加载独立的文本编码器,官方部署示例覆盖 NVIDIA H200、RTX PRO 6000 Blackwell 与 AMD Instinct MI350X 等加速卡,并支持多卡序列并行降低延迟。模型期望输入详细的英文描述,官方 API 通过 H3-Image-Context-IR 自动把任意语言的短提示词扩写为完整描述,本地部署则可使用开源的 H3-Image-PE 完成提示词扩展。

API 定价与首周活动

H3-Image 同步通过 MiniMax 开放平台 API、MiniMax Code 与海螺 AI 提供服务。开放平台文档显示,API 提供文生图(/v1/images/generations)与图片编辑(/v1/images/edits)两个接口,单次可生成 1–10 张,输出面积分 1K、2K、4K 三档(默认 4K),支持 jpeg、png、webp 格式,暂不支持预览图、局部编辑(mask)与透明背景;另有参数相同的高速版 MiniMax-H3-Image-Highspeed。

模型 文本输入(元/百万 tokens) 图片输入(元/百万 tokens) 图片输出(元/百万 tokens)
MiniMax-H3-Image 标准版 15 10 25
MiniMax-H3-Image-Highspeed 极速版 15 20 50

按官方定价页的单张示意测算,标准版文生图 1K 约 0.14 元/张、2K 约 0.15 元/张、4K 约 0.45 元/张,首周活动期内 4K 文生图约 0.23 元/张;实际费用随每次请求的文本 token 用量浮动。官方公告称,H3-Image 整体定价为同档位主流工具的 50%–70%。发布首周,最终交付图片宽×高 ≥ 1660 万像素的生成请求享整次费用五折,活动截止 2026 年 11 月 18 日 00:00(北京时间,结束时刻不含)。

开源生态与 Agent 接入

H3 系列 8 月开源后,社区已催生出 H3 Max 等衍生模型,11 月初还出现了由 H3 改造而来的图像模型 P-H3-Image(8 步出图);官方 H3-Image 将采样步数进一步压缩至 6 步,并把文生图与图像编辑统一在同一检查点中。据爱范儿报道,H3-Image 还可通过 API 接入 MiniMax Code、Claude Code、Codex 等 Agent 工作流,由 Agent 在对话中整理创作需求、调用生图并持续迭代修改。MiniMax 在官方公告中表示,希望 H3-Image 成为缩小开源图像模型与顶尖闭源模型差距的起点,开放权重与自有平台商业化并行的策略,也让开发者本地定制与普通创作者直接使用两条路径同时可用。