MiniMax发布H3-Image图像模型：10秒生成4K图，权重同步开放

11月10日晚间，MiniMax推出图像生成模型MiniMax H3-Image，模型权重一并对外开放。

这款模型从MiniMax H3衍生而来，能做文生图、图像参考和图像编辑。H3预训练已经给了它较全面的图像能力，H3-Image又对整个后训练链路做了加强——数据、强化学习、步数压缩、PE、部署优化等环节均有提升，速度、画面质量、指令遵循这三方面因此都有竞争力。

按官方介绍，H3-Image生成一张4096×4096像素、约16MP（4K）的高规格图像只需10秒以内，速度达到市面主流水平的5倍。画面细节丰富，真实感很强，AI生成的图像与真实视觉世界又靠近了一步。指令遵循能力在开源模型中属顶级，参考图片最多可支持16张。

使用渠道上，MiniMax开放平台、MiniMax Code和MiniMax海螺都能调用H3-Image的图像生成服务。标准模式的速度约为市面主流工具的1.5至2倍，Highspeed模式为3至4倍；定价大约是同类主流工具的50%至70%。发布首周，16MP及以上规格的生成请求按官方定价五折收费。

从时间线看，H3发布三个月后，MiniMax把开放权重的做法从视频生成扩展到了图像生成。架构上，H3-Image去掉了H3原有的音频分支，并针对图像生成和编辑做了优化。Hugging Face公布的技术资料显示，该模型采用331亿参数的稠密扩散Transformer（DiT），共50层，文本编码器沿用MiniMax H3的Qwen3-VL，并用图像VAE处理参考图片和生成图像。

对企业和开发者来说，可以拿模型权重去摸索新的工具和创作方式，也能通过MiniMax开放平台等官方渠道直接用上高质量生成服务。个人开发者则可借助H3-Image的官方API，在MiniMax Code、WorkBuddy、Codex等智能体里接入日常工作流，图像生成由此成为各类Agent框架可以调用的基础能力。

H3-Image的出现，给开源图像模型提了新的能力要求：能不能准确理解复杂的创作要求，又能不能把这些要求落成有美感、有真实感的画面。一张图里若有文字、有多层信息，既要讲清内容和彼此关系，构图、光影、细节也得服务于创作者想表达的东西。

把指令遵循、多图参考和高分辨率生成放在一起，H3-Image延续了MiniMax的多模态融合路线，也让开源模型在复杂视觉创作中缩小与顶尖闭源模型的差距多了几分可能。

开源首日，MiniMax与华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数智芯、NVIDIA、AMD、英特尔、Tenstorrent等全球芯片企业，以及多家主流推理和云服务平台一起推进Day 0接入。MiniMax表示：“希望H3-Image能够给更多人的日常生活、工作带来便利，我们也会持续构建更强有力的工具来助力普惠AGI的实现。”

原标题：《MiniMax“双11”献礼，新旗舰图像模型发布，10秒内生成4K图像》