← Alle Modellneuigkeiten

MiniMax H3 Image veröffentlicht: offene Gewichte und API am selben Tag, 4K direkt in reportedly 10 bis 20 Sekunden – vor der Anbindung zuerst die Bewertungsgrundlage festlegen

Laut einem Bericht von Xinzhiyuan vom 10. November 2026 hat MiniMax das Bildmodell H3 Image veröffentlicht, am selben Tag mit offenen Gewichten und synchron geöffneter API. Der Bericht nennt direkte 4096×4096-Ausgabe, bis zu 16 Referenzbilder und Prompts mit bis zu 7500 Zeichen. Der Bericht enthält keine Angaben zur Lizenz der Gewichte, zur Parametergröße oder zu Deployment-Anforderungen; die Version steht auch nicht im aktuellen KimiSeek-Katalog.

Veröffentlicht Aktualisiert

Was sich geändert hat

Laut einem Bericht von Xinzhiyuan vom 10. November 2026 hat MiniMax das Bildgenerierungsmodell H3 Image veröffentlicht, am Veröffentlichungstag mit offenen Gewichten, synchron geöffneter API und Anbindung an die eigenen Produkte MiniMax Code, die MiniMax Open Platform und Hailuo AI. Die im Bericht genannten Spezifikationen: direkte Erzeugung von 4096×4096-Bildern, Annahme von bis zu 16 Referenzbildern, Prompt-Obergrenze 7500 Zeichen. Die offizielle Positionierung lautet SOTA unter den offenen Bildmodellen, das Gesamtergebnis liege in der globalen Spitzengruppe; der Bericht beschreibt diese Version als auf Open Source, hohe Auflösung und Geschwindigkeit ausgerichtet und nennt die Fähigkeit zur Befehlsbefolgung als eigenen erwähnenswerten Punkt. Zur Geschwindigkeit heißt es im Bericht, ein 4K-Bild benötige etwa 10 bis 20 Sekunden, im Vergleich dazu lägen gängige Modelle meist bei 1 bis 4 Millionen Pixeln, mit Minuten Aufwand und selbst im schnellsten Fall etwa 50 Sekunden. Der Bericht gibt außerdem Beobachtungen mehrerer Blogger aus Tests wieder: aus einem Foto ein komplettes Set von 4K-Charakterdesigns erzeugen, alte Spielscreenshots in 3A-Anmutung neu zeichnen, großformatige Poster-Typografie recht stabil, kleine Schrift gelegentlich fehlerhaft; erwähnt wird auch, dass ein Blogger das Modell CAD-Stilbilder und mechanische Explosionszeichnungen erzeugen ließ, ohne eine klare Bewertung der Explosionszeichnungen zu liefern. Zum Punkt Gebärdensprache gibt der Bericht eine Drittstatistik wieder, wonach H3 Image eine Trefferquote von 48,1 Prozent erreicht, das Vergleichsmodell Moss 20,0 Prozent. Der Bericht erwähnt zudem, MiniMax habe drei Monate zuvor das Videomodell H3 als Open Source veröffentlicht, auf dessen Basis das NVIDIA-Forschungsteam, Pika und fal abgeleitete Modelle nachtrainiert hätten.

Auswirkungen für Entwickler

Für Integratoren ändert dieser Bericht mindestens drei Entscheidungsgrundlagen. Das Folgende ist eine bedingte Analyse auf Basis des Berichtsinhalts, keine verifizierte Schlussfolgerung. Erstens die Ausgabeauflösung: natives 4096×4096 eröffnet gegenüber dem bestehenden Ablauf „in niedriger Auflösung generieren, dann hochskalieren und zusammensetzen“ einen alternativen Pfad, dessen Rentabilität davon abhängt, ob das Ergebnis diese Pixelmenge wirklich braucht; bei reinen Web- oder Feed-Szenarien entstehen vor allem zusätzliche Erzeugungszeit und Speicheraufwand. Zweitens die Antwortzeit: Der Bericht ordnet die 4K-Erzeugung im Bereich von 10 bis 20 Sekunden ein und nennt für gängige Modelle Minuten oder etwa 50 Sekunden; sollte diese Angabe unter realer Last gelten, unterschiede sich das Warteerlebnis bei interaktiver Bildbearbeitung deutlich – doch der Bericht liefert keine Informationen zu Parallelität, Warteschlangen und Fehlerraten, eine Einzelbilddauer lässt sich nicht direkt in Kapazitätsplanung umrechnen. Drittens die Eingabeform: 16 Referenzbilder und Prompts mit 7500 Zeichen bedeuten, dass sich bildübergreifende Konsistenz über Mehrbild-Konditionierung lösen lässt, ohne vorher lokal Bilder zusammenzusetzen; der Preis sind größere Request-Bodies und ein Aufwand für die Prompt-Pflege, der auf die Produktseite verlagert wird. Offene Gewichte und offene API am selben Tag deuten oberflächlich auf zwei Deployment-Pfade hin, doch der Bericht nennt weder Lizenzvereinbarung noch Gewichtsformat, Speicherbedarf oder Inferenz-Framework; derzeit lässt sich nur festhalten, dass ein Aufrufpfad existiert, die Machbarkeit lokalen Self-Hostings bleibt offen. Die Angaben zu Text im Bild, Gebärdensprache und CAD-Stilbildern stammen aus Bloggertests und wiedergegebenen Drittstatistiken und sind Fähigkeitsbehauptungen, die eigene Tests erfordern, keine reproduzierbaren Evaluationsergebnisse.

Integration und Bewertung

Das Folgende sind bedingte Empfehlungen und Bewertungsschritte, Einschätzungen auf Basis des Berichts, keine Berichtsfakten. Regel eins, Upscaling-Stufe streichen oder nicht: Die zugehörige Änderung im Bericht ist die native 4096×4096-Ausgabe; zu entscheiden ist, ob „Niedrigauflösung plus Upscaling“ bleibt oder auf natives 4K gewechselt wird; Voraussetzung ist, ob das Ergebnis Details bei 100 Prozent Vergrößerung braucht, etwa Druck, starke Ausschnitte, Teile von E-Commerce-Hauptbildern; Messmethode: dieselben 30 Prompts durch beide Pipelines schicken, bei 100 Prozent Zoom stichprobenartig Textkanten und geometrische Geraden prüfen, Anteil der Nacharbeit und Häufigkeit von Upscaling-Nähten erfassen, erst bei deutlich niedrigerer Nacharbeitsquote des nativen Pfads wechseln. Regel zwei, synchron warten oder asynchrone Warteschlange: Die zugehörige Angabe im Bericht sind etwa 10 bis 20 Sekunden für 4K; zu entscheiden ist, ob die Erzeugung im Nutzer-Request abgewartet oder über Queue plus Callback gelöst wird; Voraussetzung sind Zielparallelität, akzeptable Wartezeit sowie die Parallelitäts- und Timeout-Grenzen des Anbieters, die der Bericht nicht nennt; Messmethode: bei Zielparallelität die End-to-End-p95-Zeit inklusive Warteschlange und die Timeout-Fehlerrate messen und mit der eigenen Service-Vereinbarung vergleichen. Regel drei, wie der Mehrbild-Kanal genutzt wird: Die zugehörige Änderung im Bericht sind 16 Referenzbilder und 7500 Zeichen Prompt; zu entscheiden ist, ob weiter mehrere Materialien zu einem Eingabebild kombiniert werden oder auf Mehrbild-Konditionierung umgestellt wird; Voraussetzung ist, ob die Aufgabe bildübergreifende Konsistenz verlangt, etwa mehrere Ansichten derselben Figur, mehrere Winkel desselben Produkts; Messmethode: dieselbe Figurendefinition festhalten, mit 1 bzw. 8 Referenzen gleich viele unterschiedliche Kompositionen erzeugen, mit eigener Konsistenzprüfung die Bestehensquote zählen und zugleich Dauer pro Request und Wiederholungsrate erfassen. Regel vier, in den Kandidatenpool aufnehmen oder nicht: Die zugehörige Änderung sind die Beschreibung der Befehlsbefolgung im Bericht und die Bloggertests; zu entscheiden ist, ob stark eingeschränkte Aufgaben wie Text im Bild oder CAD-Stilbilder an das Modell gehen; Voraussetzung ist, ob die Aufgabe Zeichenketten enthält, die exakt stimmen müssen, etwa Postertexte, Parameterlabels; Messmethode: 20 bis 30 Prompts mit festen Zeichenketten und Layout-Vorgaben auf Zeichenebene vergleichen und die Quote vollständiger Treffer zählen. Die im Bericht wiedergegebenen 48,1 Prozent und 20,0 Prozent beruhen auf unklarer Methodik und taugen nicht als Baseline.

Grenzen und offene Fragen

Der Bericht nennt keine Lizenzvereinbarung für die Gewichte von H3 Image, keine Parametergröße, kein Gewichtsformat, keinen Speicherbedarf und kein Inferenz-Framework, ebenso wenig API-Preise und Kontingente; hierfür sind die offiziellen Kanäle von MiniMax maßgeblich, Preise und Abrechnungsmodelle bitte auf der offiziellen Preisseite prüfen. Klarzustellen ist: H3 Image steht derzeit nicht im Live-Modellkatalog von KimiSeek; die erwähnte offene API bezieht sich auf den Anbieterkanal und bedeutet nicht, dass diese Seite das Modell anbietet. Offene Gewichte am Veröffentlichungstag sind nicht gleichbedeutend mit einer Open-Source-Lizenz: Verfügbarkeit der Gewichte und kommerzielle Nutzung oder Weiterverbreitung sind zwei verschiedene Dinge, der Bericht klärt nur Ersteres. Der Geschwindigkeitsvergleich (10 bis 20 Sekunden gegen etwa 50 Sekunden) sowie 48,1 Prozent und 20,0 Prozent zur Gebärdensprache stammen aus wiedergegebenen Angaben des Berichts; Testmethode, Stichprobengröße und Hardwareumgebung fehlen, eine unabhängige Reproduktion ist nicht möglich. Zudem ist H3 Image ein Bildmodell und nicht dasselbe Modell wie das zuvor als Open Source veröffentlichte gleichnamige Videomodell H3; Parameter, Lizenz und Fähigkeiten lassen sich nicht gegenseitig übertragen. Die am Berichtsanfang genannten weiteren Produkte und Zeitlinien gehören zum narrativen Hintergrund des Berichts, hier nur wiedergegeben und nicht überprüft.

In drei Minuten zum ersten Aufruf

Erstelle ein Konto und einen API-Schlüssel. Aufrufe werden von deinem Guthaben abgebucht. 30 % Rabatt auf die erste Aufladung. ¥500 aufladen, ¥350 zahlen, ¥500 Guthaben erhalten. ¥1000 aufladen, ¥850 zahlen, ¥1000 Guthaben erhalten Die Mindestaufladung bleibt ¥10 und eignet sich zum Ausprobieren.

Quellen und redaktioneller Prozess

突发!「源神」MiniMax 开源 H3 Image,最强开源模型中国造

KI unterstützte die Analyse und Übersetzung der genannten Quellen, gefolgt von automatischen Qualitätsprüfungen. Empfehlungen sind keine Testergebnisse. Verfügbarkeit und Preise stehen im aktuellen Katalog.