MiniMax H3 Image 发布:当天开放权重与 API,4K 直出报道 10 至 20 秒,接入前先定评估口径
据新智元 2026 年 11 月 10 日报道,MiniMax 发布图像模型 H3 Image,当天开放权重并同步开放 API,报道称可直出 4096×4096、最多 16 张参考图与 7500 字符提示词。报道未给出权重许可、参数规模与部署要求,该版本也不在 KimiSeek 现行目录中。
发生了什么
据新智元 2026 年 11 月 10 日报道,MiniMax 发布图像生成模型 H3 Image,发布当天开放权重、同步开放 API,并接入自家的 MiniMax Code、MiniMax 开放平台与海螺 AI。报道列出的规格是:直接生成 4096×4096 图像,最多接收 16 张参考图,提示词上限 7500 字符。官方给出的定位是开源图像模型的 SOTA、整体效果处于全球第一梯队;报道称这一版主打开源、高清与速度,并把指令遵循能力单列为值得关注的一点。速度上,报道称 4K 出图约需 10 至 20 秒,并作对比称主流模型多在 100 万至 400 万像素、耗时以分钟计、最快也要 50 秒左右。报道还转述多位博主的试用观察:一张照片生成整套 4K 角色设定图、把旧游戏截图重绘成 3A 质感、大字海报排版较稳而小字偶有出错;也提到有博主让模型生成 CAD 风格图与机械爆炸图,但未给出对爆炸图的明确评价。手语手势一项,报道转述一项第三方统计,称 H3 Image 正确率 48.1%,对比模型 Moss 为 20.0%。报道同时提到,MiniMax 三个月前开源过视频模型 H3,英伟达研究团队、Pika、fal 曾基于它再训练衍生模型。
对开发者的影响
对接入方来说,这次报道至少改变了三处判断依据。以下是基于报道内容的条件性分析,不是已验证结论。第一是输出分辨率:原生 4096×4096 让“低分辨率生成再超分拼接”的既有流程出现一条替代路径,但替代是否划算取决于交付物是否真需要这个像素量;只做网页或信息流的场景,多出来的主要是出图时间与存储开销。第二是响应时间:报道把 4K 出图放在 10 至 20 秒区间,并称主流模型多在分钟级或约 50 秒,如果这一口径在实际负载下成立,交互式改图的等待体验会明显不同;但报道没有给出并发、排队与失败率信息,单张耗时不能直接换算成容量规划。第三是输入方式:16 张参考图与 7500 字符提示词意味着可以把跨图一致性交给多图条件能力,而不必先在本地拼图,代价是请求体更大、提示词维护成本转移到产品侧。开放权重与开放 API 同日出现,表面上给了两条部署路径,但报道没有交代许可协议、权重格式、显存占用与推理框架,目前能确定的只是调用路径存在,本地自托管的可行性仍是未知数。报道中关于图内文字、手语手势、CAD 风格图的表现,来自博主试用与转述的第三方统计,属于需要自测的能力主张,而不是可复现的评测结论。
接入与评估建议
以下是条件性建议与评估步骤,属于基于报道的判断,不是报道事实。规则一,是否砍掉超分阶段:对应的报道变化是原生 4096×4096 输出;要做的选择是保留“低分辨率生成加超分”还是切到原生 4K;前置条件是交付物是否需要 100% 放大下的细节,例如印刷、大幅裁切、电商主图局部;衡量方式是同一批 30 条提示词各走两条管线,在 100% 缩放下抽查文字边缘与几何直线,记录需要返工的比例以及超分接缝出现率,只有原生路径的重做率明显更低时才切换。规则二,同步等待还是异步队列:对应的报道变化是 4K 出图约 10 至 20 秒的说法;要做的选择是把生成放进用户请求内等待,还是走队列加回调;前置条件是目标并发、可接受的等待时长,以及厂商侧的并发与超时限制,而报道未提供这些信息;衡量方式是在目标并发下测端到端 p95 时间(含排队)与超时失败率,再与你的服务约定对比。规则三,多参考图通道怎么用:对应的报道变化是 16 张参考图与 7500 字符提示词;要做的选择是继续把多素材合成一张输入图,还是改用多图条件;前置条件是任务是否要求跨图一致,例如同一角色的多视角设定、同一产品的多角度展示;衡量方式是固定同一角色设定,分别用 1 张与 8 张参考生成相同数量的不同构图,用你自己的一致性检查统计合格率,同时记录单次请求耗时与重试率。规则四,要不要把它排进候选池:对应的报道变化是报道对指令遵循能力的描述与博主测试;要做的选择是是否把图内文字、CAD 风格图这类强约束任务交给它;前置条件是任务里是否存在必须逐字正确的字符串,例如海报文案、参数标签;衡量方式是准备 20 至 30 条带固定字符串与版式约束的提示词做字符级比对,统计完全正确率。报道转述的 48.1% 与 20.0% 方法不明,不能当作基线。
限制与待确认事项
报道没有给出 H3 Image 的权重许可协议、参数规模、权重格式、显存占用与推理框架,也没有给出 API 价格与配额,这些应以 MiniMax 官方渠道为准,价格与计费方式请以官方定价页为准。需要明确的是,H3 Image 目前不在 KimiSeek 的实时模型目录中,前面提到的开放 API 指的是厂商渠道,不代表本站已提供该模型。发布当天开放权重也不等于开源许可:权重可得与能否商用、能否再分发是两回事,报道只交代了前者。速度对比(10 至 20 秒对约 50 秒)以及手语 48.1%、20.0% 都来自报道转述的口径,测试方法、样本量与硬件环境均未给出,无法独立复现。另外,H3 Image 是图像模型,与此前开源的同名视频模型 H3 不是同一个模型,参数、许可与能力不可互相引用。报道开头提到的其他产品与其时间线属于该报道的叙事背景,此处只作转述,未做核实。