MiniMax H3-Image: изображения 4K за 10 секунд
11 ноября 2026 года MiniMax выпустила H3-Image — модель генерации изображений с открытыми весами на базе видеомодели H3. Она поддерживает генерацию изображений по тексту и референсам, а также редактирование. Компания кратко описывает её так: 16 миллионов пикселей, 10–20 секунд, открытые веса.
Характеристики
| Параметр | Значение |
|---|---|
| Максимальное разрешение | 4096 × 4096 (16 Мп), генерация без апскейлера |
| Скорость | изображение 4K менее чем за 10 секунд (по заявлению производителя) |
| Архитектура | диффузионный трансформер (DiT) с 33,1 млрд параметров |
| Сэмплирование | 6 шагов, без classifier-free guidance |
| Референсные изображения | до 16 на запрос |
| Длина промпта | до 4096 токенов |
| Соотношение сторон | от 1:1 до 21:9 (например, 6272 × 2688) |
| Веса | открытые, 68,65 ГБ в BF16 |
| Текстовый энкодер | Qwen3-VL, общий с видеомоделью H3 |
DiT — это плотный трансформер из 50 слоёв со скрытым размером 5376, повторно использующий архитектуру H3 без аудиослоёв. Дополнительный чекпойнт для расширения промптов MiniMax-H3-Image-PE (17,9 ГБ в NVFP4) преобразует короткий запрос в подробное описание, которое модель обрабатывает лучше всего.
Скорость: 4K становится повседневным форматом
Большинство моделей изображений работают в диапазоне 1–4 Мп и используют апскейлер для увеличения разрешения. H3-Image создаёт изображение в полном разрешении 16 Мп менее чем за 10 секунд. По словам MiniMax, это до 5 раз быстрее, чем у популярных альтернатив. Стандартный режим API работает в 1,5–2 раза быстрее сопоставимых предложений, а для режима Highspeed заявлено преимущество в 3–4 раза.
Качество и управление
По описанию MiniMax, изображения отличаются насыщенными реалистичными деталями без характерной для ИИ-изображений отполированной гладкости, а точность следования промпту превосходит другие модели с открытыми весами. Генерация и редактирование используют один чекпойнт: одни и те же веса обрабатывают текстовый промпт, набор референсов или запрос на редактирование. В промпте референсы обозначаются как <Picture 1>, <Picture 2> и так далее, в порядке загрузки.
Портрет в студии ниже — пример генерации размером около 16,7 Мп.
Доступность и цены
- Открытые веса опубликованы на Hugging Face по лицензии MiniMax Community License.
- API доступен через платформу MiniMax, MiniMax Code и приложение Hailuo AI.
- Интеграции включают ComfyUI (официальные узлы и узлы партнёров) и Vercel AI Gateway.
Цена API составляет $3.80 за миллион выходных токенов изображения в стандартном режиме и $7.60 в режиме Highspeed. Одно изображение 4K обходится примерно в $0.069, а изображение 1K — примерно в $0.022. До 17 ноября 2026 года MiniMax предоставляет скидку 50% на генерацию изображений размером от 16,6 Мп.
Ограничения
Лицензия MiniMax Community License запрещает использование в США, ЕС, Великобритании и Южной Корее. Компаниям с годовой выручкой более $1 млн и всем, кто предлагает модель третьим лицам в виде размещённого сервиса, требуется письменное разрешение MiniMax. Заявление о генерации изображения 4K за 10 секунд пока не подтверждено независимыми измерениями.
Где использовать H3-Image
api.vega.chat (VEGA API). Единый API для более чем 800 ИИ-моделей. Сервис работает в России без VPN, поддерживает форматы OpenAI и Anthropic, а оплата списывается по фактическому использованию — картой или по счёту. Персональные данные анонимизируются согласно Федеральному закону № 152-ФЗ до передачи модели, а серверы находятся в России. Новые модели, включая H3-Image, появляются в каталоге сразу после выпуска, а новые аккаунты получают тестовый баланс.
marfik.media (Marfik). Студия генерации и редактирования медиаконтента, которая также предоставляет API для медиа-моделей. В каталоге более 500 моделей для создания изображений, видео, речи, музыки и 3D-объектов. Генерация и редактирование выполняются через ИИ-агента, подписка не требуется.