MiniMax开源H3-Image图像模型支持原生4K

MiniMax推出并开源了图像生成模型H3-Image。模型支持原生4096×4096像素、约1600万像素的4K输出，网页端生成这类大图的实际等待时间约为10至20秒；同时支持最多16张参考图输入，可用于保持角色一致性、组织复杂分镜以及生成装修效果图等内容。

H3-Image在复杂图像任务上展现出较强的理解能力。它可以根据产品外观图推演正视图、侧视图和俯视图，还能生成机械爆炸图，按照装配逻辑分层展示零件，并为组件添加引线标注。类似能力也被用于手办、宇树机器狗等对象的结构拆解，覆盖从外观识别到空间关系推理的多个环节。

在游戏概念图、电商素材和3D场景生成方面，模型同样能够处理较长且要求复杂的指令。例如，它可以依据掩体、火力压制、侧翼包抄等战术描述，生成具有纵深、遮挡关系和游戏术语对应关系的战斗画面；对玩具、零食、旅行海报及纸雕风格城市景观等资产，也能完成较稳定的生成。

测试者认为，H3-Image生成的人像和生活场景较少出现传统模型常见的“AI味”。模型能够呈现毛孔、雀斑、面部绒毛、关节褶皱、指甲光泽等细节，也会保留镜面水汽、灰尘和镜头光晕等不规则因素，使人物表情、眼神和肌肉牵引更接近真实照片。其审美表现还被用于法国旅游海报、里约热内卢纸雕旅行手帐等创作。

除视觉生成外，H3-Image还表现出较强的文字排版和知识理解能力。测试中，它在十多秒内生成了一张包含极限符号、复杂积分式的高数试卷，文字没有明显乱码；进一步要求完成试卷时，模型给出了正确答案和解题步骤。相关表现说明，它不仅能生成画面，也能处理结构化信息与长指令。

H3-Image被定位为适合接入智能体工作流的垂直图像模型，可用于工业包装、商业插画、跨境营销物料和概念设计等场景。模型已开源，开发者可以自行部署和定制；不考虑部署的用户也能通过API调用，价格约为主流竞品的50%至70%，上线首周16MP请求还可在此基础上再打五折。开源、速度、低价与4K输出结合，可能进一步推动图像模型从展示型工具走向实际生产流程。