MiniMax开源H3 Image：4K图像生成仅10秒，支持多达16张参考图，首周五折优惠

中国AI公司MiniMax再度加码图像生成赛道。

11月10日周二，MiniMax正式发布并开源新一代图像生成模型H3 Image，主打最高1600万像素（4096×4096）的4K图像生成，官方称最快约10秒即可完成，同时支持精准理解提示词、图像编辑以及最多16张参考图输入。

MiniMax将H3 Image的核心竞争力归纳为速度、画面质量和指令遵循三个方面：在速度上，模型能够在10至20秒内生成4K图像；在画质上，力求摆脱常见的AI生成感，呈现更丰富的细节和更强的真实感；在指令遵循上，官方称其达到开源图像模型中的最强水平，并支持多张参考图协同创作。

与仅开放API调用的闭源模型不同，MiniMax此次同步开放H3 Image模型权重，并将其接入自家API、MiniMax Code和海螺AI平台。发布首周，16MP及以上分辨率图像生成还可享受五折优惠。

4K图像无需超分辨率，直接生成速度吊打主流模型

生成速度是H3 Image此次重点强调的竞争力之一。

目前市面上主流图像生成模型的输出分辨率大多集中在100万至400万像素，生成速度普遍以分钟计，即使较快的模型也需要约50秒。相比之下，H3 Image能够直接生成4096×4096的4K图像，生成时间缩短至10至20秒，官方宣传的最快速度约为10秒。

这意味着，H3 Image不仅将单次生成的像素规模提升至约1600万，也试图大幅压缩高分辨率图像的等待时间。对于需要反复调整构图、配色、光线和细节的设计师及内容创作者而言，生成速度提升能够降低每次试错的时间成本，让创意迭代更加高效。

从技术规格看，H3 Image并非简单地将普通分辨率图片放大至4K，而是能够直接生成约1600万像素的高分辨率图像，无需额外超分辨率处理。

MiniMax在Hugging Face公布的模型说明显示，H3 Image支持多种画面比例，除4096×4096的正方形图片外，还支持5472×3072的16:9横版图片，以及6272×2688的21:9宽屏图片。模型有效生成范围约为400万至2000万像素，官方建议在1600万像素左右获得较好的效果。

速度提升背后，模型采用了蒸馏优化，将采样步骤压缩至6步（Sampling Steps），无需传统的无分类器引导（CFG），以降低高分辨率图像生成的计算开销。

摆脱常见“AI感”，画面细节和真实感成为另一卖点

除了生成速度，MiniMax将画面质量视为H3 Image的另一项核心优势。

MiniMax在官方模型说明中强调，H3 Image能够突破常见AI生成图像的视觉特征，提供更加丰富的画面细节和更强的真实感，使生成图像更接近真实世界的视觉质感。

这不仅关系到图像是否足够逼真，也直接影响模型的应用范围。对于广告、电商、产品设计、游戏美术和商业视觉制作等场景而言，图像模型除了需要生成符合创意要求的画面，还必须能够呈现细腻的材质、自然的光影和可信的场景细节。画面真实感和细节表现的提升，有望让AI生成图像从概念草图、创意素材进一步延伸至更专业的商业创作。

与传统高分辨率生成方案不同，H3 Image能够直接生成约1600万像素的图像，而不是先生成低分辨率图片、再通过超分辨率技术放大。MiniMax希望通过高分辨率原生生成与更短的推理流程兼顾画质和效率。

指令遵循能力号称开源图像模型最强，最多支持16张参考图

在指令遵循方面，MiniMax将H3 Image定位为开源图像模型中指令遵循能力最强的模型，并将其与多参考图输入和图像编辑能力结合。

模型不仅支持根据文字提示直接生成图像，还能接收一张或多张参考图片，根据用户指令对已有图像进行修改。最多16张参考图的输入能力，有助于模型同时理解人物、物体、场景和视觉风格等不同参考信息，在复杂创作中更好地保持主体特征和画面一致性。

例如，在产品广告设计中，用户可以分别上传产品外观、品牌视觉和场景参考图片，再通过文字指令要求模型将不同元素整合到一张新图中；在游戏美术和角色设计中，也可以利用多张参考图控制人物外观、服饰、场景和整体风格。

这种将文生图、图像编辑和多图参考整合在同一模型中的设计，也意味着用户不必频繁切换不同的专业模型或工作流程，便可以完成从初始生成到后续修改的连续创作。

33.1亿参数架构，模型权重同步开放

在模型架构方面，H3 Image基于MiniMax H3多模态模型开发，移除了原有架构中的音频分支，针对图像生成和编辑进行了优化。

根据Hugging Face公布的技术资料，H3 Image采用331亿参数的稠密扩散Transformer（DiT），共有50层，沿用MiniMax H3的Qwen3-VL文本编码器，并结合图像VAE处理参考图片和生成图像。

此次发布的另一项重要内容是开放模型权重。开发者可以通过Hugging Face获取模型，并使用SGLang、vLLM-Omni、Diffusers和ComfyUI等工具进行部署和开发。

不过，开放权重并不意味着普通消费级电脑就能轻松运行完整模型。官方披露的图像生成DiT权重文件约为68.65GB，完整部署还需要加载独立的文本编码器，对显存和计算资源有较高要求。

API、MiniMax Code和海螺AI同步接入，首周高分辨率生成五折

在商业化方面，MiniMax采取开放权重与自有产品平台并行的策略。

H3 Image目前已通过MiniMax API、MiniMax Code和海螺AI提供服务，用户无需自行下载和部署模型，即可体验高分辨率图像生成和编辑功能。发布首周，16MP及以上分辨率的图像生成请求还可享受五折优惠。

从此次发布来看，MiniMax试图同时覆盖开发者和普通创作者：一方面，通过开放模型权重吸引开发者进行本地部署、二次开发和工作流集成；另一方面，通过API及海螺AI等产品推动模型商业化，扩大用户覆盖面。

不过，开放权重也不等于完全不受限制的开源。Hugging Face公布的社区许可证对适用地域、商业使用和模型衍生开发等设置了条件，部分地区及特定商业用途需要另行获得授权。

在AI图像生成竞争日趋激烈的背景下，H3 Image将高分辨率生成速度、画面真实感和复杂指令遵循能力作为主要突破口。能否将这三项技术优势转化为持续的创作者使用需求和API收入，以及开放权重能否带动更广泛的开发者生态，将成为MiniMax接下来值得关注的看点。