MiniMax开源H3 Image模型 10秒生成4K图像支持16图指令输入

2026年11月10日深夜，MiniMax正式开源其图像生成模型H3 Image，这是继8月开源H3视频模型后，在全模态生成领域推进开源战略的关键一步。该模型基于H3统一多模态预训练基础，经专项后训练优化而成，聚焦高速高分辨率生成、高保真视觉质量与复杂指令理解三大能力。实测表明，H3 Image可在10至20秒内生成4096×4096像素（约1600万像素）图像，速度约为当前主流开源模型的5倍，显著降低4K级创作时间门槛。画质方面强调极强真实感，减少常见‘AI感’，在CG渲染、游戏场景、工业设计及艺术风格中细节丰富、纹理一致，例如准确还原新古典主义海报文字排版与黄仁勋信纸场景中小字内容及周边逻辑元素。指令遵循能力显著提升，支持最多16张参考图输入，可融合多视角、材质样本与品牌设定，成功生成未来咖啡机爆炸图与生存类游戏UI界面等复杂案例。技术层面依托高质量图文对数据构建、强化学习微调、扩散步数压缩、位置编码改进及推理优化等系统性方案。开源同步开放Hugging Face完整权重、MCode代码、海螺平台调用及Agent工作流集成能力，用户可通过自然语言描述驱动多轮迭代生成。为促进落地，首周对16MP以上分辨率请求提供五折优惠。该模型填补了开源社区在4K生成速度、多图理解与文本准确性上的短板，为独立开发者与中小企业提供接近商用级工具，加速AI原生工作流普及，也标志着中国公司在多模态生成基础设施开源化上的持续投入。