返回探索
资讯VibeFix 内容整理更新于 2026年11月20日

MiniMax H3-Image 来了:10 秒出一张 4K 图,权重开源,但先看清许可证再下载

MiniMax 在 11 月 10 日发布 H3-Image:10 秒出一张 4K 图,文生图和改图共用一套权重,权重开源。速度和分辨率的说法在纸面上有依据——但它的社区许可证把美国、欧盟、英国和韩国排除在外,博客里也没有给出绝对价格。

MiniMax 官方 H3-Image 主视觉:黑色背景上一只粉紫色水母,中间是白色“MiniMax H3 image”字样。

10 秒一张 4K 图,权重还开源了

11 月 10 日,MiniMax 发布了 H3-Image,一个基于 H3 架构的图像生成模型。官方博客的标题很直白:《MiniMax H3-Image:把 4K 图像生成带进 10 秒时代》。核心卖点就三句话:一张 4096×4096 的 4K 图,10 秒内生成;文生图和改图共用同一套权重;权重开源,开发者可以自己下载、自己部署。按 MiniMax 自己的说法,这是开源权重模型里提示词遵循能力最强的一个,速度比主流方案快到 5 倍。

这三个卖点如果单独看,都不算新鲜。4K 生图别的模型也能做,开源权重也不是 MiniMax 的首创,改图功能更是今年各家图像模型的标配。H3-Image 真正值得注意的地方,是它把这三件事同时做到了“能用”的程度:分辨率是原生 16MP 而不是后期放大,速度是 10 秒而不是等一分钟,权重是真的能下载而不是只开放 API。以及,它附带了一份许可证,里面的限制条款比模型本身更值得先读一遍——这篇文章后面会专门讲,因为它直接决定了你能不能用、怎么用。

先说一句定位:H3-Image 不是 MiniMax 第一次发模型。它的底座是今年 7 月底发布的 H3,一个同时处理文本、图像、视频和音频的多模态模型,权重在 8 月初放出。H3-Image 相当于把 H3 里负责图像的那部分单独抽出来、专门打磨成一个图像模型。理解了这一点,后面关于参数量和部署成本的数字就好懂了:它不是一个从零训练的小模型,而是一个大模型家族里的图像分支。

MiniMax 官方 H3-Image 主视觉:黑色背景上一只粉紫色水母,中间是白色“MiniMax H3 image”字样。

“10 秒 4K”到底是什么意思

先把最抓眼球的数字拆开。H3-Image 生成的是一张 4096×4096、约 1600 万像素的图片,MiniMax 说这个过程不到 10 秒,速度最高达到主流方案的 5 倍。这里有两个限定词必须同时读:第一,“10 秒内”是官方博客给出的数字,指的是它自己的托管服务上的速度,不是你家电脑上的速度;第二,“5 倍”这个倍数没有点名对照的是谁,主流方案的范围也没有界定。博客里同时还给了另外一组更细的说法:标准模式比主流方案快 1.5 到 2 倍,高速模式快 3 到 4 倍。也就是说,“5 倍”是上限口径,日常能感知到的加速大概在 1.5 到 4 倍之间。

更值得留意的是分辨率的口径。H3-Image 输出的 16MP 是原生分辨率,从 1:1 的 4096×4096 到 21:9 的 6272×2688,各个画幅下都是约 1600 万像素,而且“直接生成、不经过放大器”。这句话针对的是行业里的常见做法:很多模型先生成一张 1K 或 2K 的图,再用超分放大到 4K,细节是算出来的,不是画出来的。H3-Image 跳过了放大这一步,细节是模型一次画出来的。官方模型卡还补了一个上限:通过 API 输出面积最高可以到 2000 万像素,常用尺寸表里 16MP 是各画幅的标准档。

速度从哪里来?模型卡给出了技术答案:整个模型被蒸馏到只用 6 个采样步,不用分类器自由引导(classifier-free guidance)。采样步数越少,生成越快,但通常画质会掉。MiniMax 的说法是,它在后训练管线里把数据、强化学习、采样步缩减、提示词扩展和部署优化一起改了,没有哪一项单独起决定作用。博客原话是“没有哪一次改动单独带来了改变”,这句话其实是在承认:10 秒 4K 不是某一个技巧的功劳,是一整套工程取舍的结果。对使用者来说,这意味着速度和画质是一起打包的,你不能只想要速度、把画质调回去——API 的参数表里写得很死,采样步只能是 6,引导系数只能是 1,传别的值直接返回 400 错误。

还有一个容易被忽略的细节:H3-Image 生成图片之前,提示词会先被扩展。MiniMax 的 API 会先把一句简短提示词扩写成一段详细的英文描述,再交给模型生成;本地部署的用户可以用官方提供的提示词扩展模型 H3-Image-PE 自己做这一步。换句话说,你写“海边日落”这样一句话,真正进模型的是一段几百词的画面描述。这个设计解释了它“提示词遵循好”的部分原因:模型看到的提示词比你写的要详细得多。

一个权重,两种活:画图和改图

H3-Image 的第二个卖点,是文生图和图像编辑共用同一套权重。同一份权重,既能凭空画图,也能拿着参考图改图。改图最多支持 16 张参考图,参考图在提示词里按上传顺序叫 <Picture 1> 到 <Picture 16>,模型按位置引用它们。这在实际使用里是个很具体的能力:你可以一次给它一张空房间的照片加九件家具的照片,让它把家具摆进房间;也可以给它一张游戏地图,让它按地图上红箭头的位置生成第一人称视角的游戏画面。官方模型卡里展示的正是这两个例子,前者用了 10 张参考图,后者只用了一张。

官方展示的样张覆盖了几类典型场景。写实摄影:一张是黄昏满月下屋顶晾白床单的女人,一张是火烈鸟涉水的特写;超现实编辑:一张是给云剪头发的理发师,一张是有人在草坪上切月亮;环境概念:森林里的古罗马露天剧场遗址、红色岩崖上的骑龙者;角色与道具:穿旧盔甲的士兵、森林里的红色鳍龙、火星上的旧宇航员头盔、三视图的冬季人物设定图;绘画风格:荷塘鸳鸯油画、江南园林淡彩水彩、塔罗牌月亮、工笔鹈鹕照镜子。这些样张当然都是挑过的,最好的那一批,但它们至少说明了一件事:模型不是只擅长一种风格,写实、幻想、概念设计、插画都能出片。

最有信息量的一组样张,是文字渲染。模型卡里有两张逻辑谜题板:一张是中文的候选人选拔谜题,带五个条件和推导出的答案;一张是英文的“机密文件丢失”板,六个嫌疑人、真假印章和验证表。两张图上的文字和推理都是对的。文字渲染一直是图像模型的弱项,错字、乱码、多余笔画是家常便饭,能把中英文谜题板都画对,说明模型对文字的理解不只是“把字画上去”,而是理解了文字之间的逻辑关系。当然,这也是官方挑过的例子,日常使用里长段文字仍然可能出错,不能因为这两张图就认定它不会写错字。

改图方向还有一个例子值得单拎出来:把一张没有贴图的灰色 3D 渲染月球基地,改成一张电影剧照质感的月球科研基地实拍图。这类“渲染转实拍”的用法,对独立开发者很实际:做游戏、做产品演示、做宣传素材时,先用 3D 快速搭个场景,再让模型把它转成像照片一样的成品图,省掉了建模贴图的大量时间。H3-Image 的改图不是简单的风格滤镜,它理解了场景里的结构——栖息舱、漫游车、宇航员的位置都没变,变的是质感和光影。

33B 参数与 135GB:自己跑的真实门槛

“开源权重”四个字很容易让人以为下载就能跑。H3-Image 的真实门槛在模型卡里写得很清楚,先看数字再决定。扩散 Transformer 本身是 331 亿参数、50 层,BF16 精度的权重文件 66.28GB;图像 VAE 另外 2.34GB;文本编码器不在这个仓库里,要从 MiniMax-H3 的仓库里单独取,是完整的 Qwen3-VL 文本编码器,66.7GB。三项加起来约 135GB,还没算上运行时的显存占用。官方推荐的部署框架是 SGLang、vLLM-Omni、diffusers 和 ComfyUI,支持英伟达和 AMD 的加速卡,包括 H200、RTX PRO 6000 Blackwell 和 MI350X,单卡能起服务,多卡可以用序列并行分摊延迟。

这个体量意味着什么?对大多数个人开发者来说,自己跑 H3-Image 不是“下载就能玩”,而是“有高端显卡集群才能玩”。135GB 的权重,单张消费级显卡基本装不下,推理还需要额外的显存放激活值和缓存。MiniMax 也给了提示词扩展模型 H3-Image-PE,NVFP4 精度,17.9GB,那是可选的。真正的选择题是:走 API,还是自己部署。走 API,你按量付费,不用管硬件;自己部署,你要先准备好硬件和运维,但数据不出自己的机器,调用成本也自己说了算。对有隐私要求、或者调用量大到 API 账单吓人的团队,自部署才划算;对偶尔用用的个人开发者,API 是更现实的路。

架构上还有一点值得知道。H3-Image 用的是 H3-Base 的设计、去掉音频分支:文本提示词和参考图先由 H3 文本编码器编码,参考图同时过图像 VAE,所有 token 拼成一个序列喂给单流 Transformer,预测目标图像的隐变量,再由 VAE 解码成图。文本编码器读的是第 50 层的隐藏状态。VAE 是 CNN 编码器加 24 层 ViT 解码器,16 倍空间下采样、24 个隐通道,Transformer 用 2×2 的 patch 切隐变量,所以每个 token 对应 32×32 像素。这些细节对普通用户不重要,但对想微调、想接 ComfyUI 工作流、想理解它为什么能一次出 16MP 的开发者来说,是判断它能不能嵌进自己管线里的依据。

价格:只给了相对数,没给绝对价

价格是这篇官方博客里最含糊的部分,值得如实记下来。博客只给了两组相对数字:价格是同类主流方案的 50% 到 70%,上线周 4K 及以上分辨率的生成打五折。绝对价格——一张 1K 图多少钱、一张 4K 图多少钱——博客正文里没有。模型卡里的定价示意图同样没有在文字里展开。也就是说,你今天读完官方博客,仍然算不出一张图的成本,只能知道“比别人便宜三到五成,上线周再对折”。打算按这个价格做预算的人,应该直接去查 MiniMax API 平台的定价页,而不是按“五折”这个词估算。

使用渠道倒是写得很清楚:MiniMax API 平台、MiniMax Code 和海螺 AI(Hailuo AI)都能用上 H3-Image。MiniMax Code 是 MiniMax 自家的 coding agent 产品,图像生成能力进到 coding agent 里,意味着写代码的 agent 也能顺手给你出图——做产品落地页、做游戏素材、做演示图,不用再切到别的工具。对 vibe coder 来说,这个组合比单纯的生图 API 更值得关注:agent 在写前端代码的时候,能自己生成配图、自己改图、自己把图嵌进页面,一条线走完。

这里要提醒一句:上线周的五折只针对 4K 及以上分辨率的生成,而且是“上线周”这个限时窗口。博客没有写五折什么时候结束,也没有写结束之后恢复到什么价。按 MiniMax 过往的习惯,这类 launch 优惠通常只有几天。等你看到这篇文章的时候,五折可能已经结束了。价格以 API 平台的实时定价页为准,不要按本文的转述做预算。

开源,但不是谁都能用:许可证的三道坎

这篇文章最重要的一节,是许可证。H3-Image 的权重在 Hugging Face 上公开,用的是一份专门的《MiniMax-H3-Image 社区许可协议》。很多人在“开源权重”这个词上会默认它是 Apache 或者 MIT 那种宽松许可,H3-Image 不是。它的限制有三道,每一道都可能直接影响你。

第一道是地域。协议把适用地域定义为“全球除去排除地域”,排除地域是四个:欧盟、英国、韩国和美国。也就是说,如果你在美国、欧盟、英国或韩国,用这份协议下载、使用、部署 H3-Image 是没有被授权的。协议里留了一个口子:这些地方的人如果想部署,可以联系 MiniMax 申请单独许可,MiniMax 会根据当地法律法规和合规要求,基于“严格的控制和保障措施”来决定是否授权。但默认状态是:不在授权范围内。这对很多读者是直接的结论——VibeFix 的读者里有不少在美国和欧洲,看到“开源权重”就去下载之前,先确认自己在不在这四个地域里。

第二道是商业使用。协议规定,如果你或你的关联公司的年收入超过 100 万美元,或者你向第三方提供托管服务,就必须先向 MiniMax 申请单独的书面授权。商业产品或服务的界面上,还必须显著标明“MiniMax-H3-Image”。这意味着小规模的个人使用、学习研究可以走社区许可,但一旦做成产品、做成服务、或者收入上了规模,就要另外谈授权。100 万美元这个门槛对独立开发者来说不算低,但“提供托管服务”这条的覆盖面很广——你把 H3-Image 包进自己的产品、让用户通过你的服务出图,就算托管服务。

第三道是用途限制。协议禁止用 H3-Image 及其输出去改进其他 AI 模型(H3-Image 自身及其衍生模型除外),也就是说不能拿它的出图去蒸馏、去训练竞品。同时,使用必须遵守可接受使用政策,接入方要给自己的用户绑定至少同等严格的使用限制,还要保留举报机制。违反这些条款的后果,协议里写的是终止授权——不是罚款,是直接失去使用资格。

把这三道坎放在一起,H3-Image 的“开源”要这样理解:权重文件确实公开可下载,代码和部署方式也确实给了出来,但在“谁能用、在哪用、用来干什么”这三个问题上,它比 Apache 2.0、MIT 这类许可要收紧得多。MiniMax 在博客里说“希望支持开放研究、让开发者和创作者有自由定制模型、搭建自己的工具和工作流”,这个愿望是真的,但它前面有一个地域和商业条款的框。读模型新闻的时候,许可证和参数量一样,都是事实的一部分。

它在图像模型里的位置

H3-Image 发布的时间点很有意思。就在它发布的前一天,字节跳动的 Seedream 5.5 刚刚发布,主打多轮编辑和原生 RGBA 透明输出(本站前轮已经报道过);再往前一个月,Google 的 Nano Banana 2.1 正式 GA,4K 生图 API 价格砍半。三家几乎在同一个月里,把图像生成的竞争推到了同一个维度上:分辨率、编辑能力、价格。但三家的路线并不一样。Seedream 5.5 赢在透明通道和编辑流程,Nano Banana 2.1 赢在生态和 API 的成熟度,H3-Image 赢在原生 16MP 的分辨率和开源权重。没有哪一家是全方位领先,选哪家取决于你要什么:要透明素材,Seedream;要稳定调用和生态,Nano Banana;要自己部署、要一次出 16MP、要 16 张参考图一起改,H3-Image。

还有一个对比维度是“证据”。H3-Image 发布时,官方博客和模型卡里都没有给出任何第三方基准分数,没有 Artificial Analysis 的图像榜单成绩,也没有和其他模型的同题对比。速度、画质、提示词遵循,全部是 MiniMax 自己的说法和自己挑的样张。这不是说这些数字是假的,而是说它们还没有经过独立验证。Seedream 5.5 发布时同样没有第三方分数,Nano Banana 2.1 至少已经跑了一个月的生产流量。H3-Image 才发布一天,它的真实水平要等社区拿同样的提示词、在同样的硬件上跑一遍才知道。现阶段最可信的证据,是模型卡里那套可以复现的工作流:同样的提示词、本地 SGLang 和 API 两边各跑一次,结果并排贴出来。

对 vibe coder 意味着什么

如果你是独立开发者或者小团队,H3-Image 最直接的用法不是下载 135GB 权重自己跑,而是走 API 或者 MiniMax Code。做产品落地页需要一张 hero 图,做游戏需要一套角色设定图,做演示需要把 3D 渲染转成实拍质感——这些场景里,H3-Image 的价值在于“一次出 16MP”和“一次吃 16 张参考图”。以前要出 4K 图,得先出 2K 再放大,放大之后细节是糊的;以前要改图,得一张一张参考图喂,现在可以把整套素材一次给它。MiniMax Code 的集成更进一步:agent 写代码的时候能直接调用它,配图和代码在同一个工作流里完成。

但有三件事要先确认。第一,你在不在许可证的排除地域里。在美国、欧盟、英国、韩国的读者,用权重之前先去看许可协议原文,或者直接用 API 和海螺 AI——托管服务的使用条款和权重许可不是同一回事,不要混在一起。第二,你的用量和商业模式会不会触发单独授权。年收入 100 万美元以上、或者向第三方提供托管服务,就要先申请书面授权。第三,价格。博客没给绝对价,上线周的五折也可能已经结束,动手之前先去 API 定价页查实时价格,再决定走 API 还是自部署。

最后回到那句“10 秒 4K”。它当然是个好卖点,但对使用者来说,真正决定 H3-Image 值不值得用的,不是 10 秒这个数字,而是三件事加起来的总账:16MP 原生分辨率是不是你需要的,16 张参考图的编辑能力是不是你工作流里缺的,以及许可证的地域和商业条款你能不能接受。这三件事都对得上,H3-Image 就是一个值得马上试的模型;有一件对不上,它就只是新闻里又一个“最快最强”的标题。模型发布当天最容易犯的错误,就是只看标题里的数字,不看正文里的条款。

没写进博客的三件事

第一,第三方验证。速度、画质、提示词遵循,全部是 MiniMax 自己的说法,博客和模型卡里没有任何第三方基准分数,也没有和竞品的同题对比。社区的独立评测还没有出来,在那之前,所有数字都应该被当作“厂商报告的口径”,而不是行业共识。

第二,绝对价格。博客只给了“主流方案的 50% 到 70%”和“上线周五折”这两个相对数,没有一张图的绝对价,也没有写五折什么时候结束。按相对数做预算会算错账,动手之前先查 API 平台的实时定价页。

第三,许可证的地域限制。博客正文里没有提排除地域的事,只在模型卡的许可证一节里写了:欧盟、英国、韩国和美国不在授权范围内。这是发布当天最容易被忽略、但对一部分读者影响最大的事实。如果你在这四个地方,看到“开源权重”先别急着下载,读一遍许可协议再决定。

阅读 11评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名戴眼镜的开发者坐在木桌前敲笔记本电脑,左边外接显示器上是深色背景的 C 语言代码,桌上有绿植
资讯
微软的编程模型终于不当配角了:MAI Code 2 拿 96% 的分数、只收 5% 的钱,但先看清三处“但是”

2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。

开发工作流产品发布模型动态
黑色背景上,一名指挥家背对镜头高举指挥棒,脚下环绕着旋转的光轨,像一支乐队正在被指挥
资讯
一个接口接 45 个模型,坏了自动换一家接着跑:Perplexity 的 Orchestrator 想当模型界的‘总机’

2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。

开发工作流产品发布模型动态
一间现代化数据中心走廊,两侧是黑色服务器机架,头顶布满线缆桥架与通风管道,蓝色指示灯在机架上闪烁
资讯
迟到两个月,PostgreSQL 19 终于发布了:能边跑边整理表,还能让备库等你写完再读

2026 年 11 月 19 日,PostgreSQL 19 正式发布,比往年晚了两个月——AI 上报的漏洞潮打乱了时间表。新版本带来 REPACK (CONCURRENTLY)、pg_plan_advice 与 WAIT FOR LSN:表可以边跑边整理,执行计划可以钉住,备库会等你写完再读。

产品发布数据工作流后端工程