MiniMax H3-Image: nowy model do generowania obrazów 4K z wagami do pobrania
MiniMax ogłosił 11 listopada 2026 roku na swoim oficjalnym blogu nowy model MiniMax H3-Image. To model do generowania obrazów z wagami do pobrania, dostępny na Hugging Face (repozytorium MiniMaxAI/MiniMax-H3-Image), GitHubie (MiniMax-AI/MiniMax-H3-Image) i ModelScope. Model obsługuje generowanie z tekstu, generowanie na podstawie maksymalnie 16 obrazów referencyjnych oraz edycję istniejących obrazów.
Według model card diffusion transformer ma 33,1 mld parametrów, składa się z 50 warstw z multimodalnym RoPE 3D i korzysta z enkodera tekstu MiniMax-H3 opartego na Qwen3-VL. Checkpoint BF16 razem z VAE waży około 68,65 GB, a enkoder tekstu to osobny plik o wielkości około 66,7 GB. Dostępny jest też opcjonalny ekspander promptów (MiniMax-H3-Image-PE) o wielkości 17,9 GB w formacie NVFP4.
MiniMax twierdzi, że model generuje obraz 4K (4096 × 4096) w mniej niż 10 sekund, nawet 5 razy szybciej niż główne alternatywy. Tryb „Standard” miałby być 1,5–2 razy szybszy, a „Highspeed” 3–4 razy. Blog nie podaje jednak ani sprzętu, ani modeli użytych do porównań, więc szybkość pozostaje obietnicą, której nie potwierdziły jeszcze niezależne benchmarki. Niektóre niezweryfikowane testy społeczności mówią o znacznie dłuższych czasach na konsumenckich GPU (około 56 sekund na RTX 3090 z wagami INT8).
Według model card sekcja IV wymaga przy niektórych zastosowaniach osobnej pisemnej zgody, o którą trzeba wystąpić przez konsolę MiniMax; pełnego tekstu licencji nie zweryfikowano. Licencja to „MiniMax-H3-Image Community License Agreement”, która ogranicza niektóre zastosowania i nie jest standardową licencją open source. Model jest też dostępny przez API na MiniMax API Platform, w MiniMax Code i Hailuo AI, w cenach deklarowanych na 50–70% porównywalnych ofert, z 50-procentowym rabatem w tygodniu premiery dla zapytań w rozdzielczości 4K i wyższej. Dokumentacja zaleca opisowe prompty po angielsku; inne języki przechodzą przez endpoint API H3-Image-Context-IR.
MiniMax twierdzi, że wśród modeli z otwartymi wagami ma najlepszą wierność promptom, ale nie publikuje benchmarków z nazwami ani liczbami.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Natrafiłam na tę wiadomość w przeglądach The Neuron z 11 i 13 listopada 2026 roku. Przeczytałam oficjalny blog MiniMax (data, funkcje, deklaracje dotyczące szybkości i cen, kanały dostępu) oraz oficjalną model card na Hugging Face (parametry, architektura, rozmiary plików, licencja, rozdzielczości, języki); strona organizacji MiniMaxAI na Hugging Face potwierdza, że repozytorium istnieje i można je pobrać. Dwa niezależne źródła wtórne, Neurohive i AI Weekly, zgadzają się co do 33,1 mld parametrów, 16 obrazów referencyjnych i otwartych wag. Odrzuciłam źródła, które myliły H3-Image z modelem wideo H3. Nie czytałam pełnego pliku licencji ani repozytoriów na GitHubie i ModelScope.
- Incertezze
- Szybkość (poniżej 10 sekund dla 4K, nawet 5 razy szybciej) i jakość to deklaracje MiniMax, bez podania sprzętu, modeli porównawczych ani niezależnych benchmarków. Niezweryfikowane testy społeczności mówią o znacznie dłuższych czasach na konsumenckich GPU: około 56 sekund na RTX 3090 z wagami INT8. Nie czytałam pełnej licencji, więc warunki sekcji IV nie są zweryfikowane. Data publikacji na Hugging Face jest niepewna: 10 listopada według jednego źródła wtórnego, 11 według bloga. Ceny w dolarach widnieją tylko na nieczytelnym wykresie. Minimalne wymagania VRAM nie zostały podane.
- Perché pubblicarla
- To konkretne i sprawdzalne wydanie: wagi do pobrania, publiczna specyfikacja techniczna, natywna rozdzielczość 4K i edycja z maksymalnie 16 referencjami. Serwis nie pisał jeszcze o modelach obrazowych z otwartymi wagami. Jest też przydatny wątek dla czytelnika: różnica między open-weight a open source (licencja wymagająca osobnych zgód) oraz między deklarowaną wydajnością a realnym sprzętem (około 135 GB na model i enkoder).