AREX Feed Article
MiniMax 发布开放权重图像生成模型 H3-Image：官方称 10 秒生成 4K 图，同步上线 API、MiniMax Code 与 Hailuo AI
北京时间 11 月 10 日 23 时 40 分（UTC 15:40），MiniMax 官方 X 账号在中推出开放权重（open-weight）图像生成与编辑模型 MiniMax H3-Image。帖文打出的卖点是速度和分辨率：「4K 图像 10 秒生成」，并概括为「1600 万像素分辨率，逼真写实，精准的提示词遵循与编辑，最多 16 张参考图——全部 10 秒完成」。帖文称模型「现已通过我们的 API、MiniMax Code 和 Hailuo AI 提供」，上线周（launch week）内，1600 万像素以上（16MP+）生成享五折，并附上 Hugging Face、API 文档与 MiniMax Code 三个链接。
发布本身可以核验：已挂出权重和文档，帖文所链的 可以访问，已列出该模型的费率与折扣条款，随权重发布的亦可查阅。其中许可证划了一道容易被「开放权重」四个字盖住的边界：授权范围写明「全球，排除地区除外」。而「10 秒」「逼真写实」这些说法，目前均出自 MiniMax 自己的帖文和模型卡。
「10 秒」的前提：推荐部署配方里的实测数据
帖文没有解释「10 秒」的前提。评论区随即有用户：「这 10 秒假设了哪块 GPU、多少显存，还是只是你们 API 的数字？」模型卡本身没给延迟数字，只把「各硬件的实测延迟」指向 vLLM-Omni 。
配方在 11 月 10 日给出实测表：4 张 NVIDIA H200、序列并行度 4 的配置下，三次热请求取中位数、按客户端端到端计时，一张 4736×3552（约 1680 万像素）的图 3.84 秒，2048×2048 为 0.88 秒，带 1 张参考图的编辑 1.35 秒。单卡 H200 上，DiT 驻留、文本编码器卸载的配置显存峰值 73.4 GiB，跑 2048×2048 是 3.2 秒；换成把 DiT 与文本编码器都按层卸载的省显存配置，显存峰值降到 14.7 GiB，同一张图要 8.3 秒。在这套实测硬件上，16 MP 出图只花 3.84 秒，「10 秒」的说法留有余量；但实测表里没有单卡跑 4K 的数字，页面也未覆盖消费级显卡。
纸面规格：无需放大器，6 步采样，生成与编辑一份权重
按模型卡，H3-Image 在所有支持的长宽比下直接生成约 1600 万像素（16 MP）的图像，「不经过放大器」，覆盖 1:1 的 4096×4096、16:9 的 5472×3072 到 21:9 的 6272×2688；有效工作区约 4～20 MP，官方称 16 MP 附近效果最佳。模型蒸馏到 6 个采样步（6 NFE，即 6 次函数求值），不使用无分类器引导（classifier-free guidance）；文生图与图像编辑合并在同一份权重里。模型卡还称其「在开源模型中交付最强指令遵循」——前半句是厂商自评，后半句的 16 张参考图上限与 API 文档一致。
截至发稿，模型卡页面显示 235 个赞、667 次下载；宣布帖发布约两个半小时后显示约 13.3 万次浏览、1,479 个赞、124 条回复。有用户：「开源图像模型真是稀罕物，很高兴还有人守着这个传统。」
权重不小：331 亿参数 DiT，另配 334 亿参数文本编码器
H3-Image 来自 MiniMax H3 家族。H3 是 MiniMax 在 中推出的通用多模态生成模型，统一处理文本、图像、视频等上下文；图像模型沿用其架构、去掉音频分支：核心是 331 亿（33.1B）参数的稠密单流扩散变换器（DiT），50 层，hidden size 5376，56 个注意力头；文本编码器原样使用 H3 的 Qwen3-VL 编码器（334 亿参数），不在图像仓库内，需从 另行加载（66.7 GB）；图像 VAE（变分自编码器）2.34 GB。本地部署时，DiT 权重下载 66.28 GB，vLLM-Omni 配方建议预留约 127 GB 磁盘。
模型卡推荐 SGLang、vLLM-Omni、diffusers 与 ComfyUI 四种推理框架，支持的加速卡包括 NVIDIA H200、RTX PRO 6000 Blackwell、AMD Instinct MI350X 等。这不是 H3 第一次变成图像模型：11 月 3 日，Pruna 已基于 H3 视频模型发布开源衍生版 ，支持 2～16 MP 出图、最多 9 张参考图，并称开箱即用的 H3 直出单图「偏软、偏糊」。
API 按 token 计费：官方示例 4K 一张约 0.07 美元，五折 11 月 17 日截止
API 指南列出两个同步端点：文生图 POST /v1/images/generations，图像编辑 POST /v1/images/edits。编辑接受 1～16 张参考图（JPG、JPEG、PNG、WEBP、HEIC、HEIF 格式），单图不超过 64 MiB、宽高 128～8192 像素、长宽比不超过 4:1，整个请求体上限 64 MiB，上传顺序对应提示词里的 <Picture 1>、<Picture 2> 编号。单次请求可生成 1～10 张图，输出面积 655,360～20,000,000 像素，可用 1K/2K/4K 档位（默认 4K）或自定义宽高；预览图、蒙版编辑和透明背景不受支持。内容安全审核可能拦下个别输出——只要有一张成功，请求仍返回 200。
文生图默认开启提示词增强。模型卡解释，H3-Image 期望的是「对整幅画面的详细英文描述」，API 会把任意语言的短提示词经 H3-Image-Context-IR 接口扩写成这样的长描述，实际使用的改写稿随结果一并返回；本地部署者可以换用 提示词扩展模型（17.9 GB，NVFP4 格式）。
计费方式也不同：旧模型 image-01 按固定每张 0.0035 美元收费，H3-Image 改为按 token（词元）计费，标准版输入文本、输入图像、输出图像的价格分别为每百万 token 2.30 美元、1.50 美元、3.80 美元，Highspeed 版为 2.30 美元、3.00 美元、7.60 美元。定价页给出的官方示例：标准版文生图 4K（4096×4096）单张 0.06879 美元，划线价旁标注五折价 0.03439 美元；从 1K 参考图编辑出 4K 单张 0.07312 美元，折后 0.03656 美元。页面同时提醒，实际按 token 用量结算，「成本不一定随分辨率上升」。帖文说的「上线周 16MP+ 五折」，在定价页落实为具体条款：成图宽×高像素达到 16,600,000 及以上时整单五折，适用标准版与 Highspeed 版，截止 2026 年 11 月 17 日 16:00（UTC）。
入口不止 API：MiniMax Code 和 Hailuo AI 里怎么用
把这个模型嵌进了 MiniMax 的桌面端产品：四步流程——定义视觉简报、生成并比较方向、逐项修改并审查细节、把通过审查的图片用进项目，输出支持 1K/2K/4K 三档面积。页面还放了一张与 Seedream 5.0 Pro 的对比表，给出的选择理由是「开源创作、16 张参考图和复杂视觉想法」——对比由 MiniMax 自己制作。
按模型卡，Hailuo AI 入口为网页版 hailuoai.video（中国为 hailuoai.com）和桌面端 agent.minimax.io（中国为 agent.minimax.cn）；API 则分全球站 platform.minimax.io 与中国站 platform.minimax.cn。
许可证的边界：欧盟、英国、韩国和美国不在授权范围
权重已在 Hugging Face 公开，使用条款写在随附的 MiniMax-H3-Image Community License Agreement（社区许可证）里，落款日期 2026 年 11 月 10 日，其中「MiniMax」一词定义为 Nanonoble Pte. Ltd.。许可证定义的适用范围（Applicable Territory）覆盖全球，排除地区（Excluded Territories）则明确列出欧盟、英国、韩国和美国；对这些地区有意部署的相关方，许可证写明「欢迎联系我们」单独商谈，授权将「基于强有力的控制与护栏」发放。评论区有用户这组排除条款，与许可证原文一致。
商用另有门槛：使用者及其关联方年化收入超过 100 万美元，或向第三方提供托管服务（Hosted Service），必须先通过 platform.minimax.io/license 取得书面授权；商业产品要在界面上显著标注「MiniMax-H3-Image」；用模型产出改进其他 AI 模型同样被禁止（其自身衍生模型除外）。许可证同时声明，MiniMax 不对生成产物主张权利。
对被排除地区的开发者，这份许可证目前没有授予使用权——权重能下载，部署在许可证下并未获得授权；要用起来，得先向 MiniMax 单独申请授权。