← Todas as notícias

MiniMax H3 Image é lançado: pesos e API no mesmo dia; relato de 4K em 10 a 20 segundos exige critérios de avaliação antes da integração

Segundo o Xinzhiyuan de 10 de novembro de 2026, a MiniMax lançou o modelo de imagem H3 Image, abrindo pesos e API no mesmo dia, com relato de geração direta em 4096×4096, até 16 imagens de referência e prompts de até 7.500 caracteres. A reportagem não informa licença dos pesos, escala de parâmetros nem requisitos de implantação, e esta versão não consta do catálogo atual do KimiSeek.

Publicado Atualizado

O que mudou

Segundo o Xinzhiyuan de 10 de novembro de 2026, a MiniMax lançou o modelo de geração de imagens H3 Image, com pesos abertos e API disponibilizada no mesmo dia, integrado aos próprios MiniMax Code, MiniMax Open Platform e Hailuo AI. As especificações citadas são: geração direta de imagens em 4096×4096, recebimento de até 16 imagens de referência e limite de 7.500 caracteres por prompt. O posicionamento oficial é o de SOTA entre modelos de imagem abertos, com desempenho geral na primeira linha global; a reportagem afirma que esta versão prioriza abertura, alta definição e velocidade, e destaca a capacidade de seguir instruções como ponto de atenção. Quanto à velocidade, a reportagem diz que uma imagem 4K leva cerca de 10 a 20 segundos e compara dizendo que os modelos mainstream operam sobretudo entre 1 e 4 milhões de pixels, com tempo em minutos e, no mais rápido, cerca de 50 segundos. A reportagem também reproduz observações de testes de vários blogueiros: gerar um conjunto completo de folhas de design de personagem em 4K a partir de uma foto, redesenhar capturas de jogos antigos com aparência de jogo AAA, composição tipográfica de cartazes com letras grandes mais estável e erros ocasionais em letras pequenas; menciona ainda que um blogueiro pediu ao modelo imagens em estilo CAD e vistas explodidas mecânicas, mas sem avaliação clara sobre as vistas explodidas. Sobre gestos de língua de sinais, a reportagem cita uma estatística de terceiros segundo a qual o H3 Image acerta 48,1%, contra 20,0% do modelo de comparação Moss. A reportagem lembra ainda que a MiniMax abriu, três meses antes, o modelo de vídeo H3, sobre o qual equipes de pesquisa da Nvidia, Pika e fal treinaram modelos derivados.

Impacto para desenvolvedores

Para quem integra, a reportagem muda ao menos três bases de decisão. A seguir, uma análise condicional baseada no conteúdo publicado, não conclusões verificadas. Primeiro, a resolução de saída: os 4096×4096 nativos criam uma alternativa ao fluxo de gerar em baixa resolução e depois aplicar upscale e composição, mas a conveniência depende de o entregável realmente precisar dessa contagem de pixels; em cenários apenas de web ou feed, o excedente é sobretudo tempo de geração e custo de armazenamento. Segundo, o tempo de resposta: a reportagem situa a geração 4K entre 10 e 20 segundos e afirma que os modelos mainstream ficam na casa dos minutos ou cerca de 50 segundos; se essa referência se confirmar sob carga real, a experiência de espera em edição interativa será bastante diferente, mas a reportagem não traz dados de concorrência, fila ou taxa de falha, e o tempo por imagem não se converte diretamente em planejamento de capacidade. Terceiro, a forma de entrada: 16 imagens de referência e prompts de 7.500 caracteres permitem delegar a consistência entre imagens ao condicionamento multi-imagem, sem montar colagens localmente, ao custo de corpos de requisição maiores e de transferir a manutenção dos prompts para o lado do produto. Pesos abertos e API aberta no mesmo dia sugerem duas rotas de implantação, mas a reportagem não informa contrato de licença, formato dos pesos, uso de memória de GPU nem framework de inferência; hoje só se pode afirmar que a rota de chamada existe, e a viabilidade de autohospedagem local segue desconhecida. As observações sobre texto dentro da imagem, gestos de língua de sinais e estilo CAD vêm de testes de blogueiros e de estatísticas de terceiros reproduzidas, sendo alegações de capacidade que exigem teste próprio, não resultados de avaliação reproduzíveis.

Integração e avaliação

Seguem sugestões condicionais e etapas de avaliação, baseadas na reportagem, não fatos por ela relatados. Regra um, eliminar ou não a etapa de upscale: a mudança relatada é a saída nativa em 4096×4096; a decisão é manter geração em baixa resolução com upscale ou migrar para 4K nativo; a premissa é se o entregável precisa de detalhe em ampliação de 100%, como impressão, recortes grandes ou detalhes de imagem principal de e-commerce; o método é rodar o mesmo lote de 30 prompts nas duas rotas e, em zoom de 100%, inspecionar bordas de texto e linhas geométricas, registrando a proporção de retrabalho e a incidência de emendas de upscale, mudando só quando a rota nativa tiver taxa de retrabalho claramente menor. Regra dois, espera síncrona ou fila assíncrona: a mudança relatada é a alegação de 10 a 20 segundos para 4K; a decisão é colocar a geração dentro da requisição do usuário ou usar fila com callback; a premissa é a concorrência alvo, o tempo de espera aceitável e os limites de concorrência e timeout do fornecedor, que a reportagem não fornece; o método é medir o p95 ponta a ponta na concorrência alvo, incluindo fila, e a taxa de falha por timeout, comparando com o seu contrato de serviço. Regra três, como usar o canal de múltiplas referências: a mudança relatada são as 16 imagens de referência e os 7.500 caracteres de prompt; a decisão é continuar sintetizando vários materiais em uma imagem de entrada ou usar condicionamento multi-imagem; a premissa é se a tarefa exige consistência entre imagens, como múltiplos ângulos do mesmo personagem ou da mesma peça; o método é fixar o design do mesmo personagem e gerar a mesma quantidade de composições diferentes com 1 e com 8 referências, medindo a taxa de aprovação com seu próprio verificador de consistência e registrando tempo por requisição e taxa de repetição. Regra quatro, incluir ou não na lista de candidatos: a mudança relatada é a descrição da capacidade de seguir instruções e os testes dos blogueiros; a decisão é entregar tarefas de forte restrição, como texto na imagem e estilo CAD; a premissa é se há strings que precisam estar corretas caractere a caractere, como texto de cartaz ou rótulos de parâmetros; o método é preparar 20 a 30 prompts com strings fixas e restrições de layout e comparar caractere a caractere, medindo a taxa de acerto exato. Os valores 48,1% e 20,0% reproduzidos têm método desconhecido e não servem de linha de base.

Limites e pontos a confirmar

A reportagem não informa a licença dos pesos do H3 Image, a escala de parâmetros, o formato dos pesos, o uso de memória de GPU nem o framework de inferência, e também não traz preço e cota da API; isso deve ser consultado nos canais oficiais da MiniMax, e preço e forma de cobrança devem seguir a página oficial de preços. É preciso deixar claro que o H3 Image não está no catálogo de modelos em tempo real do KimiSeek; a API aberta mencionada acima se refere ao canal do fornecedor e não significa que este site ofereça o modelo. Abrir pesos no dia do lançamento também não equivale a licença de código aberto: disponibilidade dos pesos e permissão de uso comercial ou redistribuição são coisas distintas, e a reportagem cobre apenas a primeira. A comparação de velocidade (10 a 20 segundos contra cerca de 50 segundos) e os números de língua de sinais (48,1% e 20,0%) vêm de referências reproduzidas pela reportagem, sem método de teste, tamanho de amostra nem ambiente de hardware, e não podem ser reproduzidos de forma independente. Além disso, o H3 Image é um modelo de imagem e não é o mesmo modelo de vídeo H3 aberto anteriormente; parâmetros, licença e capacidades não podem ser transferidos entre eles. Outros produtos e suas cronologias citados no início da reportagem fazem parte do contexto narrativo dela, aqui apenas reproduzidos e não verificados.

Três minutos até a primeira chamada

Crie uma conta e uma chave de API. O custo das chamadas é descontado do seu saldo. 30% de desconto na primeira recarga. Recarregue ¥500, pague ¥350, receba ¥500 de saldo. Recarregue ¥1000, pague ¥850, receba ¥1000 de saldo A recarga mínima continua sendo ¥10, adequada para testes.

Fontes e processo editorial

突发!「源神」MiniMax 开源 H3 Image,最强开源模型中国造

A IA auxiliou a análise e a tradução das fontes citadas, seguidas de verificações automáticas. Recomendações não são resultados de testes. Consulte o catálogo atual para preços e disponibilidade.