TL;DR
Udgivet den 11. november 2026 er MiniMax H3-Image en model med åbne vægte til billedgenerering og -redigering. Den genererer billeder på cirka 16 megapixel uden ekstern opskalering og accepterer op til 16 referencebilleder til redigering. Dens hovedanvendelser omfatter produktvisualer, concept art og scenekomposition med flere referencer.
API’et tilbyder to varianter: Standard for lavere omkostning og Highspeed for lavere latens. MiniMaxs publicerede 4K tekst-til-billede-resultater viser median genereringstider på henholdsvis 16.0 sekunder og 10.3 sekunder.
Key Takeaways
- MiniMax H3-Image genererer nativt billeder på cirka 16MP, med seks sampling-trin og uden ekstern opskalering i den dokumenterede modelpipeline.
- MiniMax H3-Image-redigering accepterer op til 16 referencebilleder, så produkter, figurer, rum og layouts kan kombineres i én forespørgsel.
- Standard og Highspeed tilbyder de samme dokumenterede API-parametre og grænser; Highspeed bytter højere billed-token-priser for lavere målt latens.
- CometAPI angiver H3-Image 20% under MiniMaxs almindelige API-satser. MiniMax tilbyder også en separat, midlertidig 50% lanceringsrabat for kvalificerede 4K-forespørgsler.
- Åbne vægte muliggør lokal udrulning under en brugerdefineret licens. Den native API understøtter JPEG, PNG og WebP, men understøtter ikke transparente baggrunde eller maskerede redigeringer.
What Is MiniMax H3-Image, and How Does It Work?
MiniMax H3-Image bygger på MiniMax H3-arkitekturen og forener tekst-til-billede-generering og referencebaseret redigering i ét checkpoint.
MiniMax H3-Image Architecture
Den officielle arkitekturbeskrivelse identificerer tre hovedkomponenter: en uændret H3-tekstencoder baseret på Qwen3-VL, en diffusionstransformer med 33,1 milliarder parametre, hvor lydgrenen er fjernet, samt en billed-VAE. Tallet 33,1B beskriver diffusionstransformeren, ikke alle komponenter i den fulde pipeline.
Ryggraden for billedgenerering bruger en tæt, enkeltstrenget transformer, der opererer på pakkede tekst- og billedtokens. Dens 50 lag bearbejder visuel information, før den forudsiger den målrettede billedrepræsentation.
VAE’en transformerer billedindhold til en komprimeret latent repræsentation og dekoder den genererede latent til et endeligt højopløseligt billede.
Checkpointet er destilleret til seks sampling-trin uden classifier-free guidance. MiniMaxs hostede API bruger også promptforbedring til at omsætte kortere instruktioner til en mere detaljeret beskrivelse før generering.
MiniMax H3-Image Technical Specifications
Følgende specifikationer adskiller den downloadbare model fra den hostede API’s forespørgselsgrænser.
| Specification | MiniMax H3-Image |
|---|---|
| Developer | MiniMax |
| Official announcement | November 11, 2026 |
| Model category | Image generation and image editing |
| Resolution | Native generation around 16MP; hosted API output tiers of 1K, 2K, and 4K |
| Maximum custom API output area | 20,000,000 pixels |
| Reference images | Up to 16 |
| Maximum API prompt length | 32,000 Unicode characters; about 4,096 tokens take effect when prompt enhancement is disabled |
| Images per API request | 1–10; Base64 responses have additional total-area limits |
| Output formats | JPEG, PNG, WebP |
| API output aspect ratio range | 1:3 to 3:1 |
| API variants | Standard, Highspeed |
| Model weights | Publicly downloadable |
| License | MiniMax-H3-Image Community License Agreement |
Modellen bruger en diffusionstransformer med 33.1B parametre, 50 lag, en hidden size på 5,376 og 56 attention heads. Den genererer billeder i seks sampling-trin uden classifier-free guidance.
What Are MiniMax H3-Image's Main Features?
Native 4K and 16-Megapixel Image Generation
Et output på 4096 × 4096 indeholder 16,777,216 pixels, hvilket er 16 gange så mange pixels som et 1024 × 1024-billede.
I MiniMaxs API sigter 4K-niveauet mod cirka 16,8 millioner pixels, med dimensioner der varierer efter aspektforhold.
MiniMax H3-Image genererer cirka 16,8MP billeder på tværs af almindelige aspektforhold. Dokumenterede størrelser omfatter 4096 × 4096 ved 1:1, 4736 × 3552 ved 4:3, 5024 × 3360 ved 3:2, 5472 × 3072 ved 16:9 og 6272 × 2688 ved 21:9.
Flere pixels er særligt nyttige, når skabere har brug for at beskære et genereret billede, inspicere små detaljer eller forberede flere design ud fra én original komposition.
Photorealistic Images and Natural Textures
MiniMaxs offentliggjorte eksempler demonstrerer flere visuelle stilarter, fra hverdagsfotografi til surrealistiske editorial-kompositioner.

MiniMaxs eksempler viser detaljerede teksturer, reflektioner og lys på tværs af fotografiske og stiliserede scener. For produktbilleder bør du evaluere materialetekstur, form, farve og branding med dine egne referencebilleder.
Multi-Reference Image Generation With Up to 16 Images
API’et til billedredigering accepterer 1–16 referencebilleder. Hver reference kan bidrage med en anden del af det ønskede resultat, såsom et produkt, en karakter, møbler eller et rumlayout.
I stedet for at skabe et rum ud fra en ren tekstbeskrivelse kan brugere give et fotografi af et tomt rum sammen med individuelle møbelbilleder. Modellen kan derefter syntetisere et møbleret interiør baseret på disse referencer.

Til et katalog eller en kampagne bør du tildele hver reference en klar rolle i prompten. Gennemgå, om outputtet bevarer produktets form, farve, branding og relative skala, før du behandler det som et færdigt aktiv.
Spatial Understanding and Instruction-Based Editing
En officiel demonstration starter med et fladt spilkort og genererer et first-person-miljø baseret på en valgt lokation.
Opgaven kræver mere end en simpel stiloverførsel. Modellen skal fortolke rumlige relationer mellem stier, bygninger, vand og andre miljøelementer.

For tekniske brugere skaber dette muligheder for at konvertere grove referencer til mere polerede visuelle repræsentationer uden at genopbygge hver detalje manuelt.
Open-Weight Deployment and License Conditions
De officielle udrulningsinstruktioner dækker SGLang, vLLM-Omni, Diffusers og ComfyUI. De listede komponenter omfatter en diffusionstransformer på 66.28GB, en billed-VAE på 2.34GB og en separat downloadet tekstencoder på 66.7GB. Dette er filstørrelser, ikke et garanteret minimumskrav til GPU-hukommelse.
Til kommerciel udrulning skal du tjekke community-licensen i forhold til din placering, forretningsmodel og omsætning. Den generelle territoriale tilladelse udelukker USA, Den Europæiske Union, Storbritannien og Sydkorea. Du har brug for særskilt forudgående skriftlig tilladelse for at tilbyde en hostet tjeneste til tredjepart, eller hvis din årlige omsætning og/eller den for dine tilknyttede selskaber overstiger US$1 million. Offentligt downloadbare vægte fjerner ikke disse betingelser.
How Fast Is MiniMax H3-Image?
MiniMax offentliggjorde en detaljeret latenssammenligning, der dækker tekst-til-billede-generering og billedredigering ved forskellige outputopløsninger.
Resultaterne bruger P50, eller median, genereringslatens i sekunder. Lavere værdier indikerer hurtigere billedgenerering.

MiniMax rapporterer P50, eller median, genereringstider. Hardware, samtidighed, stikprøvestørrelse og tidsafgrænsning er ikke fuldt oplyst, så brug disse tal som reference for de listede konfigurationer og test repræsentative forespørgsler, før du fastsætter svartidsforventninger.
MiniMax H3-Image Standard vs Highspeed
| Task | Resolution | Standard P50 | Highspeed P50 | Standard latency ÷ Highspeed latency |
|---|---|---|---|---|
| Text-to-image | 1K | 10.6 s | 7.7 s | 1.38× |
| Text-to-image | 2K | 10.5 s | 7.6 s | 1.38× |
| Text-to-image | 4K | 16.0 s | 10.3 s | 1.55× |
| Image edit, 1 reference | 4K | 18.2 s | 12.5 s | 1.46× |
| Image edit, 3 references | 4K | 21.4 s | 14.4 s | 1.49× |
For eksempel har 4K-billedet 16 gange så mange pixels som 1K-billedet, men genereringstiden i Standard-tilstand stiger fra 10.6 til 16.0 sekunder.
When Should You Choose MiniMax H3-Image?
MiniMax H3-Image er værd at overveje, når din arbejdsgang kræver detaljerede, højopløselige stillbilleder, flere visuelle referencer eller lokal udrulning.
- Store billeder til beskæring og genbrug. Nativt output på cirka 16 megapixel giver plads til at beskære en komposition eller skabe flere layouts fra ét billede.
- Scener bygget fra flere referencer. Understøttelse af op til 16 referencebilleder gør den nyttig til at kombinere produkter, figurer, møbler og miljøer i en enkelt komposition.
- Lokal udrulning og tilpasning. Downloadbare vægte lader teams bygge deres egne genereringsarbejdsgange under MiniMax-H3-Image Community License. Udrulningsmuligheder og licensbetingelser er beskrevet nedenfor.
Tjek det krævede leveringsformat, før du vælger modellen. Den native API outputter JPEG, PNG og WebP, men understøtter ikke transparente baggrunde eller maskerede redigeringer. Arbejdsgange, der kræver transparente frilægninger, præcise maskebaserede rettelser, SVG-filer eller animation, behøver ekstra værktøjer eller en model, der understøtter disse funktioner.
Til produkt- og kampagnearbejde: test en repræsentativ brief, og tjek produkts form, farve, branding, tekstnøjagtighed og konsistens på tværs af referencer. Sammenlign omkostningen ved et accepteret asset, inkl. eventuelle regenereringer og redigeringsrunder.
How Much Does the MiniMax H3-Image API Cost?
MiniMax opkræver for tekstinput, billedeinput og genereret billedeoutput-tokens, med separate satser for Standard og Highspeed.
API Token Pricing
| Pricing component | Standard | Highspeed |
|---|---|---|
| Text input / 1M tokens | $2.30 | $2.30 |
| Image input / 1M tokens | $1.50 | $3.00 |
| Image output / 1M tokens | $3.80 | $7.60 |
Dette er MiniMaxs eksempler til normalpris, med 1024 × 1024-referencer til redigering; din regning afhænger af faktisk tokenforbrug, som returneres i svarets usage-felter.
MiniMax launch offer: Kampagnen i den direkte API halverer den samlede forespørgselsomkostning med 50% for Standard og Highspeed, når det leverede billede indeholder mindst 16,600,000 pixels, for kvalificerede forespørgsler før November 17, 2026, kl. 16:00 UTC. Et 4K-mærkat alene fastslår ikke berettigelse; de leverede dimensioner afgør, om rabatten gælder.
CometAPI pricing: CometAPI angiver H3-Image 20% under MiniMaxs almindelige satser. Ved samme tokenforbrug som Standard 4K-eksemplet er det cirka $0.05503 pr. billede ($0.06879 × 0.8). Dette er separat fra MiniMaxs lanceringskampagne i den direkte API; rabatterne kombineres ikke her.
What Should You Check Before Integrating MiniMax H3-Image?
Provider Route and Model Identifier
Udviklere kan tilgå MiniMax H3-Image API i CometAPI med model-ID H3-image og priser 20% under MiniMaxs almindelige API-satser. Brug CometAPI-dokumentationen for det understøttede endepunkt og parametre, og spor det faktiske tokenforbrug for at estimere produktionsomkostninger.
For direkte adgang til MiniMax dokumenterer API-guiden MiniMax-H3-Image og MiniMax-H3-Image-Highspeed. Tekst-til-billede bruger POST /v1/images/generations, og redigering bruger POST /v1/images/edits. Begge understøtter synkrone svar, med valgfri streaming af færdige billeder.
Output Requirements and Production Review
Før en større batch, test et lille sæt repræsentative briefs: et detaljeret produktbillede, en scene med flere referencer og en redigering, der skal bevare et eksisterende motiv. Gennemgå produktfidelitet, tekstnøjagtighed, referencekonsistens, svartid og faktisk faktureret forbrug.
Den native API’s dokumenterede begrænsninger omfatter maskerede redigeringer og transparente baggrunde. At gemme en PNG gør ikke baggrunden transparent. Hvis din produktionsbrief afhænger af en af disse funktioner, så inkludér kravet i modelvalget i stedet for at opdage mismatch efter generering.
Conclusion
Vælg arbejdsgangen først. H3-Image er et kandidatvalg, når deliverable er et stort rasterbillede sat sammen ud fra en detaljeret brief eller flere referencer. En arbejdsgang bygget op omkring transparente frilægninger, præcise masker, vektor eller animation kræver et andet sæt funktioner.
Kør et repræsentativt pilotprojekt, før du vælger Standard, Highspeed eller lokal udrulning. Sammenlign accepterede outputs, redigeringsindsats, end-to-end-latens og faktureret omkostning. Det giver et praktisk grundlag for at afgøre, om modellen forbedrer din produktionsproces.
For at evaluere den i en eksisterende multimodel-arbejdsgang kan du starte med MiniMax H3-Image API i CometAPI og verificere den aktuelle rutekonfiguration, før du skalerer op.
FAQ
Why can a long H3-Image prompt lose detail?
Den direkte API accepterer op til 32,000 Unicode-tegn, men deaktivering af promptforbedring begrænser den effektive input til cirka 4,096 tokens. Sæt væsentlige instruktioner om motiv, layout og bevaring tidligt. Hvis et output overser en begrænsning, så tjek om forbedring var deaktiveret, og om de meningsfulde instruktioner rakte ud over dette effektive område.
Why does an H3-Image size request return HTTP 400?
Størrelsesparametrene bruger to gensidigt udelukkende tilstande. Angiv størrelse som WIDTHxHEIGHT, eller lad size være udeladt/auto og brug aspect_ratio og area. Send ikke aspect_ratio eller area sammen med en eksplicit size, heller ikke med værdien auto. Eksplicitte dimensioner skal også overholde de tilladte areal- og aspektforholdsintervaller.
Can H3-Image return ten 4K images as Base64?
Antallet i forespørgslen understøtter op til ti billeder, men Base64-svar har en samlet arealgrænse: 20,000,000 pixels for PNG og 80,000,000 for JPEG eller WebP. Ved 4096 × 4096 tillader det ét PNG eller op til fire JPEG/WebP-billeder pr. Base64-svar. Brug URL-svar eller mindre batches, når din forespørgsel vil overskride disse grænser.
What if only part of an H3-Image batch succeeds?
Et vellykket HTTP-svar betyder ikke, at hvert anmodet billede lykkedes. Inspicér hvert dataelement for et billedresultat eller en fejl, gem succesfulde outputs og håndtér mislykkede elementer separat. MiniMaxs API-svar-kontrakt angiver, at kun succesfulde billeder faktureres. Returnerede billed-URL’er er ikke garanteret at forblive tilgængelige, så download og opbevar de aktiver, du har brug for.
