MiniMax H3-Image 是 MiniMax 于 2026 年 11 月推出的开源权重图像生成与编辑模型，基于同门的 H3 构建，把文生图、参考图生成与图像编辑收进同一套权重。它单次推理可直出 4096×4096 的 4K 图像，最多读入 16 张参考图，适用于商品图与海报制作、设计稿改稿以及素材批量化生产。
| 基础信息 | 内容 |
|---|---|
| 产品定位 | 开放权重的图像生成与编辑模型 |
| 出品方 | MiniMax |
| 发布时间 | 2026 年 11 月 11 日 |
| 视觉主干参数 | 33.1B（单流 DiT，50 层） |
| 原生输出 | 每个比例约 1600 万像素，1:1 为 4096×4096，21:9 最高 6272×2688 |
| 参考图上限 | 16 张 |
| 权重体积 | 主干 66.28GB（BF16）＋VAE 2.34GB，文本编码器复用 H3 |
| 可用平台 | MiniMax API 平台、MiniMax Code、海螺 AI |
| 许可协议 | Community License；排除欧盟、英国、韩国、美国 |
MiniMax H3-Image 的核心能力
MiniMax H3-Image 的改动不在模型规模，而在三件事同时成立：原生 1600 万像素、六步采样、16 张参考图进同一次生成。
单次请求直出 4096×4096
官方口径是 4K（4096×4096）图像 10 秒内出图，最高为主流方案的 5 倍速，可用区间约 400 万到 2000 万像素，1600 万像素附近最稳。21:9 时是 6272×2688；出图不靠放大器，但 size 小于默认生成面积（2048×2048）时会先在更大画布生成再缩回。
最多 16 张参考图参与生成
提示词进 MiniMax H3 的 Qwen3-VL 文本编码器，参考图则同时经文本编码器与图像 VAE 编码，多模态 token 打包成一条序列交给 33.1B 单流 Transformer。官方称这是开放权重模型里指令遵循最强的一档，参考图上限 16 张，高于同类常见的 10 张。
在参考图上直接编辑
生成与编辑共用一个检查点：编辑请求按上传顺序把参考图编号为 <Picture 1>，模型在保留原画面的前提下增删元素、换背景或改风格。改动属生成式编辑，改字或换材质后周边像素会跟着变。
短句先扩写再出图
模型期望细颗粒度的英文描述，短句直接送效果有限。接口默认开启提示词增强，可用 disable_prompt_enhanced 关掉；想先看扩写结果，再单独调 /v1/h3_image_context_ir。
MiniMax H3-Image 与同类图像生成模型的对比
下表从出品方、权重形态、视觉主干参数、原生最大分辨率、参考图上限、采样步数、商用边界等维度并排对照。
| 对比维度 | MiniMax H3-Image | Qwen-Image-2.1 | FLUX 3 Image Klein | Boogu-Image-0.1 |
|---|---|---|---|---|
| 出品方 | MiniMax | 阿里通义千问 | Black Forest Labs | Boogu 团队 |
| 权重形态 | 开放权重（BF16 主干） | 开放权重 | 开放权重（四种量化） | 开放权重（四个变体） |
| 视觉主干参数 | 33.1B | 7B | 5.6B | 10B |
| 原生最大分辨率 | 4096×4096（约 1600 万像素） | 2K（2048×2048） | API 最高 4K | Base 与 Edit 2K、Turbo 1K |
| 参考图上限 | 16 张 | 10 张 | 10 张 | 单张（Edit 变体） |
| 采样步数 | 6 步 | 未公开 | 蒸馏版 16 步、base 版 50 步 | Turbo 变体 3 到 4 步 |
| 商用边界 | 不含欧盟、英国、韩国与美国；收入超 100 万美元需授权 | 研究许可，商用需单独申请 | Kommunity License，商用受条件限制 | Apache-2.0，允许商用（官方定位研究项目） |
- 表格内数据来源：MiniMax H3-Image 取官方发布页与模型卡；Qwen-Image-2.1、FLUX 3 Image Klein、Boogu-Image-0.1 取各自站内页所引官方材料。
- 产品对比简述：视觉主干参数 33.1B 为四款最大，原生最大分辨率与参考图上限也高于 Qwen-Image-2.1 与 FLUX 3 Image Klein 的 10 张；代价是权重体积与显存门槛更高。
如果更在意单张成本与出图速度，站内收录的 Seedream 5.0 Flash 是另一条路线。
MiniMax H3-Image 的应用场景与适用人群
官方示例集中在三类画面：需要看清纹理的写实照片、需要排版的商业素材，以及按参考图改动的既有画面。
- 商品与广告物料：长边 4096 像素起，可直接当高分辨率设计素材，印刷前仍需核对尺寸与精度
- 设计改稿与换背景：把既有画面当参考图，按指令替换元素或调风格
- 概念图与分镜：角色三视图与场景概念一次出满幅，适合固定视觉体系的前期开发
适用人群：适合需要成体系视觉产出、又要把权重留在自己环境里的团队：电商与品牌设计、游戏与影视前期，以及自建生图管线的工程团队。
MiniMax H3-Image 的使用方法
MiniMax H3-Image 的使用有 3 条路径：网页端出图、调接口接进业务流、把权重下到本地。三者用同一套权重，能力不因入口而变。
网页端直接出图：在海螺 AI 里生成与编辑
- 选入口：海螺 AI 网页版与 MiniMax Code 都有图像生成标签页
- 放参考图：输入框左侧最多 16 张；模型选 MiniMax H3 Image，可选 4K，比例覆盖 1:1 到 21:9
- 提交描述：短句先经提示词增强扩写成整段描述再出图
接口调用：把生成与编辑接进自己的业务
- 拿密钥：读 MiniMax H3-Image 官方接口文档 确认参数，再到 MiniMax API 平台建 API Key
- 调文生图：POST
/v1/images/generations，prompt与size必填 - 调编辑：POST
/v1/images/edits，参考图按上传顺序编号为<Picture 1> - 两个参数固定：
num_inference_steps填 6、guidance_scale填 1，其他值返回 400；negative_prompt不被支持
本地部署：下载权重自建出图管线
- 取权重：拉
MiniMaxAI/MiniMax-H3-Image与MiniMax-H3的text_encoder，主干 66.28GB - 起服务：SGLang 与 vLLM-Omni 各有官方命令，单卡可起，多卡用序列并行压延迟；ComfyUI 有官方模板
- 配增强：另下
MiniMax-H3-Image-PE在本地扩写短句
三处细节需要留意：采样步数与引导系数是固定值，改不了；接口不接收负向提示词；许可的地域与托管限制见价格一节。
MiniMax H3-Image 的项目地址
- MiniMax API 平台：https://platform.minimax.io/
- 海螺 AI 网页版：https://hailuoai.video/；国内版：https://hailuoai.com/
- Hugging Face 权重：https://huggingface.co/MiniMaxAI/MiniMax-H3-Image
MiniMax H3-Image 的价格与开源许可情况
MiniMax H3-Image 按输出图像的 token 量计费，分标准与高速两档。
- 标准档：文本输入 2.30 美元／百万 token、图像输入 1.50 美元、图像输出 3.80 美元
- 高速档：文本输入同为 2.30，图像输入 3.00、图像输出 7.60 美元
- 单张折算：4K 文生图原价 0.06879 美元、五折后 0.03439 美元，1024×1024 约 0.02179 美元
- 提示词增强：
/v1/h3_image_context_ir按 2.30 美元／百万 token 另计
开放权重是这次发布的重心。权重已在 Hugging Face 放出，社区许可允许商用与再分发，但排除欧盟、英国、韩国与美国，输出同受地域限制；年化收入超 100 万美元或对外提供托管服务须先取得书面授权，商业界面还须显著展示 MiniMax H3-Image。
MiniMax H3-Image 的常见问题
MiniMax H3-Image 和 MiniMax H3 是什么关系
同属一个家族。H3 是通用全模态生成系统，可生成带原生立体声的视频；H3-Image 去掉音频分支，保留文本编码器与视觉主干，经后训练改成图像生成与编辑；两者权重分开下载，文本编码器共用。
权重可以商用吗
可以，有边界。授权地域不含欧盟、英国、韩国与美国，输出同样受限；年化收入超 100 万美元或做托管需书面授权，商业界面须展示模型名，模型输出也不得用于训练其他 AI 模型。
本地部署需要什么条件
官方给出 SGLang、vLLM-Omni 与 ComfyUI 三种方式，单卡可起服务。本体约 68.65GB（含 VAE），另需 H3 的 66.7GB 文本编码器；实际显存取决于框架与卸载配置，并非普通消费级显卡即可直接运行。
相关文章
浙公网安备33010202004812号