← Toutes les actualités

MiniMax H3 Image : poids ouverts et API le jour du lancement, sortie 4K annoncée en 10 à 20 secondes

Selon un article de 新智元 du 10 novembre 2026, MiniMax a lancé le modèle d'image H3 Image, avec des poids ouverts le jour même et une API ouverte en parallèle. L'article rapporte une génération directe en 4096×4096, jusqu'à 16 images de référence et des prompts de 7500 caractères. Il ne précise ni la licence des poids, ni la taille du modèle, ni les exigences de déploiement ; cette version ne figure pas dans le catalogue actuel de KimiSeek.

Publication Mise à jour

Ce qui change

Selon un article de 新智元 du 10 novembre 2026, MiniMax a lancé le modèle de génération d'images H3 Image, avec des poids ouverts le jour du lancement, une API ouverte en parallèle, et une intégration à ses propres produits MiniMax Code, la plateforme ouverte MiniMax et Hailuo AI. Les spécifications citées sont : génération directe d'images en 4096×4096, jusqu'à 16 images de référence et une limite de 7500 caractères pour le prompt. Le positionnement officiel présenté est celui d'un modèle d'image open source à l'état de l'art, dans le premier peloton mondial ; l'article indique que cette version met en avant l'ouverture, la haute définition et la vitesse, et cite le respect des instructions comme un point à surveiller. Côté vitesse, l'article annonce environ 10 à 20 secondes pour une image 4K, et affirme en comparaison que les modèles dominants se situent surtout entre 1 et 4 millions de pixels, avec des durées de l'ordre de la minute, le plus rapide tournant autour de 50 secondes. L'article relaie aussi les essais de plusieurs blogueurs : générer une série complète de fiches de personnage 4K à partir d'une seule photo, redessiner des captures de vieux jeux avec un rendu de type AAA, une composition d'affiche avec de grands caractères plutôt stable mais des erreurs occasionnelles sur les petits caractères ; il mentionne aussi un blogueur ayant demandé des images de style CAO et des vues éclatées mécaniques, sans donner d'évaluation claire de ces dernières. Sur les gestes de la langue des signes, l'article cite une statistique tierce selon laquelle H3 Image atteindrait 48,1 % de réponses correctes, contre 20,0 % pour le modèle comparatif Moss. L'article rappelle également que MiniMax avait ouvert, trois mois plus tôt, le modèle vidéo H3, sur lequel des équipes de recherche de Nvidia, Pika et fal ont ensuite entraîné des modèles dérivés.

Conséquences pour les développeurs

Pour les intégrateurs, cet article modifie au moins trois critères de décision. L'analyse ci-dessous est conditionnelle et fondée sur le contenu rapporté, pas sur des conclusions vérifiées. Premièrement, la résolution de sortie : le 4096×4096 natif offre une alternative aux chaînes existantes qui génèrent en basse résolution puis agrandissent et assemblent, mais l'arbitrage dépend du besoin réel de cette densité de pixels ; pour une diffusion web ou un fil d'actualité, le surplus se traduit surtout par du temps de génération et du stockage. Deuxièmement, le temps de réponse : l'article place la sortie 4K entre 10 et 20 secondes, contre plusieurs minutes ou environ 50 secondes pour les modèles dominants selon lui ; si ce chiffre tient sous charge réelle, l'attente lors de retouches interactives change nettement, mais l'article ne donne aucune information sur la concurrence, la file d'attente ou le taux d'échec, et un temps par image ne se convertit pas directement en dimensionnement de capacité. Troisièmement, les entrées : 16 images de référence et 7500 caractères de prompt permettent de confier la cohérence entre images au conditionnement multi-images sans assembler localement une planche, au prix de requêtes plus lourdes et d'un coût de maintenance des prompts déplacé côté produit. Des poids ouverts et une API ouverte le même jour suggèrent deux voies de déploiement, mais l'article ne précise ni la licence, ni le format des poids, ni l'occupation mémoire GPU, ni le framework d'inférence : on peut seulement constater que la voie d'appel existe, la faisabilité d'un auto-hébergement restant inconnue. Les observations sur le texte dans l'image, les gestes de la langue des signes et les images de style CAO proviennent d'essais de blogueurs et d'une statistique tierce relayée : ce sont des affirmations de capacité à tester soi-même, pas des résultats d'évaluation reproductibles.

Intégration et évaluation

Voici des recommandations conditionnelles et des étapes d'évaluation, qui relèvent d'un jugement fondé sur l'article et non de faits rapportés. Règle 1, faut-il supprimer l'étape d'agrandissement : le changement rapporté est la sortie native en 4096×4096 ; le choix est de conserver « génération basse résolution plus agrandissement » ou de passer au 4K natif ; la condition préalable est de savoir si le livrable exige des détails à 100 % de zoom, par exemple pour l'impression, les grands recadrages ou une zone de visuel produit e-commerce ; la mesure consiste à faire passer un même jeu de 30 prompts dans les deux chaînes, à inspecter les bords de texte et les lignes géométriques à 100 %, puis à relever la part de retouches nécessaires et le taux de jointures visibles dues à l'agrandissement ; ne basculer que si le taux de reprise de la voie native est nettement plus faible. Règle 2, attente synchrone ou file asynchrone : le changement rapporté est l'annonce d'environ 10 à 20 secondes pour une image 4K ; le choix est d'attendre dans la requête utilisateur ou de passer par une file avec rappel ; la condition préalable est la concurrence visée, la durée d'attente acceptable et les limites de concurrence et de délai côté fournisseur, que l'article ne fournit pas ; la mesure consiste à tester, à la concurrence visée, le temps p95 de bout en bout (file comprise) et le taux d'échec par expiration, puis à comparer à vos engagements de service. Règle 3, comment utiliser le canal multi-références : le changement rapporté est la limite de 16 images de référence et de 7500 caractères ; le choix est de continuer à composer une image d'entrée unique à partir de plusieurs sources ou de passer au conditionnement multi-images ; la condition préalable est de savoir si la tâche exige une cohérence entre images, par exemple plusieurs vues d'un même personnage ou d'un même produit ; la mesure consiste à fixer une même fiche de personnage, à générer un nombre identique de compositions différentes avec 1 puis 8 références, à compter le taux de conformité avec votre propre contrôle de cohérence, et à relever la durée par requête et le taux de nouvelle tentative. Règle 4, faut-il l'inscrire dans la liste des candidats : le changement rapporté est la description du respect des instructions et les tests de blogueurs ; le choix est de confier ou non à ce modèle les tâches très contraintes comme le texte dans l'image ou les images de style CAO ; la condition préalable est la présence de chaînes devant être exactes au caractère près, par exemple un texte d'affiche ou des étiquettes de paramètres ; la mesure consiste à préparer 20 à 30 prompts avec des chaînes fixes et des contraintes de mise en page, à comparer caractère par caractère et à compter le taux d'exactitude complète. Les chiffres de 48,1 % et 20,0 % relayés par l'article reposent sur une méthode inconnue et ne peuvent servir de référence.

Limites et points à confirmer

L'article ne donne ni la licence des poids de H3 Image, ni la taille du modèle, ni le format des poids, ni l'occupation mémoire GPU, ni le framework d'inférence, pas plus que le prix et les quotas de l'API : ces points doivent être vérifiés sur les canaux officiels de MiniMax, et le prix comme la facturation sur la page tarifaire officielle. Il faut préciser que H3 Image ne figure pas actuellement dans le catalogue de modèles en temps réel de KimiSeek : l'API ouverte évoquée plus haut désigne le canal du fournisseur et non un accès déjà proposé par ce site. Des poids ouverts le jour du lancement ne signifient pas une licence open source : la disponibilité des poids et les droits d'usage commercial ou de redistribution sont deux choses distinctes, et l'article ne traite que la première. La comparaison de vitesse (10 à 20 secondes contre environ 50 secondes) et les chiffres de 48,1 % et 20,0 % pour la langue des signes relèvent de chiffres relayés, sans méthode de test, taille d'échantillon ni environnement matériel, et ne sont pas reproductibles de façon indépendante. Par ailleurs, H3 Image est un modèle d'image, distinct du modèle vidéo H3 ouvert sous le même nom : leurs paramètres, licences et capacités ne sont pas interchangeables. Les autres produits et leur chronologie mentionnés en début d'article relèvent du contexte narratif de celui-ci ; ils sont ici seulement relayés, sans vérification.

Trois minutes jusqu’au premier appel

Créez un compte et une clé API. Le coût des appels est déduit de votre solde. 30 % de réduction sur la première recharge. Rechargez ¥500, payez ¥350, recevez ¥500 de crédit. Rechargez ¥1000, payez ¥850, recevez ¥1000 de crédit Vous pouvez toujours commencer par une recharge d’essai de ¥10.

Sources et méthode éditoriale

突发!「源神」MiniMax 开源 H3 Image,最强开源模型中国造

L’IA a assisté l’analyse et la traduction des sources citées, suivies de contrôles automatiques. Les conseils ne sont pas des résultats de tests. Consultez le catalogue actuel pour les prix et la disponibilité.