MiniMax开源H3 Image：10秒出4K图，最多16张参考图

图像生成这条赛道，中国AI公司MiniMax又加了一次注。

11月10日周二，MiniMax开源了新一代图像生成模型H3 Image，能输出最高1600万像素（4096×4096）的4K图像。官方称最快约10秒即可出图，提示词理解、图像编辑以及最多16张参考图输入也都在支持之列。按照MiniMax的说明，H3 Image主要拼三件事：速度、画质和指令遵循。速度上，生成4K图像需要10至20秒；画质上，目标是甩掉那股常见的AI生成味，让细节更多、真实感更强；指令遵循上，官方称其在开源图像模型中做到了最强，还能让多张参考图配合创作。

和只开放API调用的闭源模型不同，MiniMax这次把H3 Image的模型权重一并开放，并接入了自家API、MiniMax Code和海螺AI平台。发布首周，16MP及以上分辨率图像生成可享五折优惠。

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。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，较快的模型也要约50秒。H3 Image则能直接生成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。

这意味着单次生成的像素规模被提升至约1600万，高分辨率图像的等待时间也被大幅压缩。对需要反复调整构图、配色、光线和细节的设计师及内容创作者来说，生成速度提上来，每次试错的时间成本就降下去，创意迭代也能更高效。

从技术规格看，H3 Image不是把普通分辨率图片放大到4K，而是直接生成约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，该模型支持多种画面比例：除4096×4096的正方形图片外，还有5472×3072的16:9横版图片和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。

速度提升背后用的是蒸馏优化：采样步骤（Sampling Steps）被压缩至6步，也无需传统的无分类器引导（CFG），以此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，画面质量被MiniMax视为H3 Image的另一项核心优势。官方模型说明中强调，该模型能够突破常见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。

这不只关系到图像是否足够逼真，也直接影响模型的应用范围。广告、电商、产品设计、游戏美术和商业视觉制作等场景，除了要求画面符合创意，还得呈现细腻的材质、自然的光影和可信的场景细节。画面真实感和细节表现提升后，AI生成图像有望从概念草图、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希望用高分辨率原生生成和更短的推理流程，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

指令遵循这块，MiniMax把H3 Image放到了开源图像模型里的最强位置，并让它和多参考图输入、图像编辑搭配使用。文字提示可以直接出图，一张或多张参考图片也能接进来，再按用户指令改动已有图像。最多16张参考图的输入能力，能帮模型同时读懂人物、物体、场景和视觉风格等各类参考信息，复杂创作时主体特征和画面一致性更容易保住。

比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把不同元素整合到一张新图中；游戏美术和角色设计里，也能用多张参考图控制人物外观、服饰、场景和整体风格。文生图、图像编辑和多图参考被整合进同一个模型，用户不必频繁切换不同的专业模型或工作流程，从初始生成到后续修改可以连续完成。

33.1亿参数架构，模型权重同步开放

模型架构上，H3 Image基于MiniMax H3多模态模型开发，原有架构中的音频分支被移除，针对图像生成和编辑做了优化。Hugging Face公布的技术资料显示，H3 Image采用331亿参数的稠密扩散Transformer（DiT），共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。

开放模型权重是这次发布的另一项重头内容。开发者能从Hugging Face拿到模型，再用SGLang、vLLM-Omni、Diffusers、ComfyUI这些工具完成部署与开发。

但权重开放，不等于普通消费级电脑就能跑得动完整模型。官方给出的图像生成DiT权重文件约68.65GB，完整部署还得另外加载独立的文本编码器，显存和算力上的门槛不低。

API、MiniMax Code和海螺AI同步接入，首周高分辨率生成五折

商业化这块，MiniMax走的是开放权重和自有产品平台两条路并行。

H3 Image眼下已经通过MiniMax API、MiniMax Code和海螺AI对外提供服务。用户不用自己下载、自己部署，就能用上高分辨率图像生成和编辑。发布首周，16MP及以上分辨率的生成请求打五折。

从这次发布看，MiniMax想同时抓住开发者和普通创作者。开放模型权重，是为了让开发者做本地部署、二次开发、工作流集成；API和海螺AI等产品则负责把模型推向商业化，把用户面铺开。

开放权重也不代表开源毫无限制。Hugging Face公布的社区许可证，对适用地域、商业使用、模型衍生开发都设了条件，部分地区及特定商业用途得另行取得授权。

AI图像生成赛道的竞争越来越激烈，H3 Image把高分辨率生成速度、画面真实感、复杂指令遵循能力当作主要突破口。这三项技术优势能不能转成持续的创作者使用需求和API收入，开放权重又能不能带起更广的开发者生态，是MiniMax接下来要看的点。