MiniMax 正式推出新一代图像生成模型 H3-Image 并且开放权重，这款模型在开源图像模型赛道达到 SOTA 水准，高速模式下大约 10 秒就能生成一张 4096×4096、1600 万像素的原生 4K 图，不是靠小图超分放大，生成速度大约是市面主流模型的 5 倍，同时支持文生图、图像编辑、最多 16 张参考图联合生成，指令遵循能力在开源模型里表现突出。H3-Image 基于 H3 多模态底座改造，去掉音频分支，采用 331 亿参数 DiT 扩散 Transformer 架构，把采样步数压缩到 6 步，配合 VAE 和 Qwen3-VL 文本编码器，解决了以往高分辨率生图慢、细节崩坏、多参考图融合效果差的痛点；开发者既可以在 Hugging Face、魔搭社区下载权重本地部署，也可以直接用海螺 AI、MiniMax Code、官方 API 调用，API 定价相比同类产品更低，适合设计师、游戏美术、机械 CAD、概念图创作场景。虽然整体能力很强，但模型依旧存在短板，远距离人物五官、复杂小字容易出错，本地部署对显卡显存要求偏高，商用还要遵守对应的社区许可协议，不是完全无限制开源。
H3-Image 核心参数表
| 项目 | 详情 |
|---|---|
| 模型名称 | MiniMax H3-Image |
| 发布时间 | 2026-11-10 |
| 参数规模 | 331 亿参数，DiT 扩散 Transformer，50 层 |
| 输出规格 | 原生 4096×4096（16MP 4K），非超分 |
| 高速模式耗时 | 约 10 秒生成 4K 图 |
| 标准模式耗时 | 约 16 秒生成 4K 图 |
| 参考图上限 | 最多支持 16 张参考图同时输入 |
| 能力 | 文生图、图生图、图像编辑、多参考融合 |
| 权重分发渠道 | GitHub、Hugging Face、ModelScope 魔搭社区 |
| 线上调用入口 | 海螺 AI、MiniMax Code、MiniMax 开放平台 API |
| 许可证 | MiniMax 社区许可协议，商用需单独确认授权 |
H3-Image 核心技术亮点清单
- 原生 4K 直出：直接输出 1600 万像素大图，不用后期放大，细节上限更高
- 采样压缩：固定 6 步蒸馏采样，大幅降低高分辨率图像推理耗时
- 多参考融合：一次性读入多张风格、材质、结构参考图，适合概念设计
- 强指令跟随：对 CAD 图纸、机械拆解、游戏资产这类结构化指令理解更好
- 统一 Checkpoint：文生图、图像编辑共用一套权重，不用切换模型文件
H3-Image 上手使用步骤
- 线上调用：打开海螺 AI 或者 MiniMax Code，选择 H3-Image 模型，输入提示词，按需上传参考图。
- 本地部署：从 Hugging Face 或者魔搭社区下载模型权重，搭配 ComfyUI、SGLang、diffusers 框架。
- 参数配置：选择高速模式或者标准模式，设置 4096×4096 分辨率，上传参考图（最多 16 张）。
- 提交生成，等待 10-20 秒获取结果，针对文字、细节缺陷反复调整提示词重试。
- 商用场景：阅读社区许可协议，按要求向 MiniMax 提交商用授权申请。
和主流开源生图模型对比要点
- 速度优势：同规格 4K 生成远快于现有开源 DiT、SD 系列模型
- 参考图能力：支持 16 张参考图，远超多数模型 2-4 张的上限
- 短板：文本渲染、远距离人物细节依然容易出错
- 部署门槛：本地跑 4K 生成，需要大容量显存显卡
【常见问题】
问题 1：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，这个 4K 图是超分辨率放大出来的吗？
回答 1：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，它属于原生 4K 直出，直接生成 4096×4096 分辨率图像，不是低分辨率图片后期放大。
问题 2：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，最多可以同时上传几张参考图？
回答 2：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，最多支持同时上传 16 张参考图做风格、结构融合生成。
问题 3：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，下载权重之后可以随便商用吗？
回答 3：不行，MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，采用 MiniMax 社区许可协议，商用场景需要单独获取官方书面授权。
问题 4：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，本地部署支持哪些工作流？
回答 4：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，本地部署支持 ComfyUI、SGLang、vLLM-Omni、diffusers 等主流框架。
问题 5：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，它是基于什么底座模型开发的？
回答 5：MiniMax H3-Image 是 10 秒生成 4K 图的开源 SOTA 模型，衍生自 MiniMax H3 多模态模型，移除音频分支，复用 Qwen3-VL 文本编码器。
【参考资料】
[2026-11-12]（10 秒生成 4K 图：MiniMax 再次拿出开源 SOTA）新浪财经
[2026-11-12]（10 秒直出 4K 图，能画 CAD、拆机械，MiniMax 这个开源图像模型有点东西）36 氪
[2026-11-11]（MiniMax H3-Image 开源，10 秒内可生成 4K 图像）极客网
[2026-11-11]（MiniMax H3-Image: Bringing 4K Image Generation into the 10-Second Era）MiniMax 官网
[2026-11-11]（MiniMax H3 Image 开源权重发布）Hugging Face
【免责声明】
本文仅整理 MiniMax H3-Image 公开发布信息；10 秒生成 4K 为高速模式官方测试数据，实际耗时受显卡性能、服务器负载影响；模型生成效果存在文字、细节缺陷，商用前务必阅读并遵守社区许可协议；本文不构成显卡采购、模型二次开发的投资或者技术选型建议。