Mit CometAPI entwickelnEine API für mehrere Modelle erforderlich?Teste den Workflow im Playground und erstelle anschließend einen API-Schlüssel, sobald Modell und Kosten zu deinem Anwendungsfall passen.
Entdecken Sie die native 16MP-Ausgabe von MiniMax H3-Image, die Bearbeitung mit 16 Referenzen, die Standard- vs Highspeed-Latenz, die API-Preise und die Bereitstellungslimits.
Veröffentlicht am 11. November 2026, MiniMax H3-Image ist ein Open-Weight-Modell für Bildgenerierung und -bearbeitung. Es erzeugt Bilder mit etwa 16 Megapixeln ohne externen Upscaler und akzeptiert bis zu 16 Referenzbilder für Bearbeitungen. Hauptanwendungsfälle sind Produktvisuals, Concept Art und Szenenkompositionen mit mehreren Referenzen.
Die API bietet zwei Varianten: Standard für geringere Kosten und Highspeed für niedrigere Latenz. MiniMaxs veröffentlichte 4K-Text-zu-Bild-Ergebnisse zeigen mediane Generierungszeiten von 16.0 Sekunden bzw. 10.3 Sekunden.
Kernaussagen
MiniMax H3-Image erzeugt nativ etwa 16MP-Bilder, mit sechs Sampling-Schritten und ohne externen Upscaler in der dokumentierten Modell-Pipeline.
Die Bearbeitung mit MiniMax H3-Image akzeptiert bis zu 16 Referenzbilder, sodass Produkte, Charaktere, Räume und Layouts in einer Anfrage kombiniert werden können.
Weiterlernen
Diesen Artikel mit der nächsten Entscheidung verknüpfen.
Auf Klarheit, Quellenangabe und aktuelle API-Terminologie geprüft.
Standard und Highspeed bieten die gleichen dokumentierten API-Parameter und Limits; Highspeed tauscht höhere Preise pro Bild-Token gegen niedrigere gemessene Latenz.
CometAPI listet H3-Image 20% unter den regulären API-Tarifen von MiniMax. MiniMax bietet außerdem einen separaten, temporären 50%-Launch-Rabatt für berechtigte 4K-Anfragen.
Offene Gewichte ermöglichen eine lokale Bereitstellung unter einer benutzerdefinierten Lizenz. Die native API unterstützt JPEG, PNG und WebP, aber keine transparenten Hintergründe oder maskierten Bearbeitungen.
Was ist MiniMax H3-Image und wie funktioniert es?
MiniMax H3-Image baut auf der MiniMax H3-Architektur auf und vereint Text-zu-Bild-Generierung und referenzbasierte Bearbeitung in einem einzigen Checkpoint.
MiniMax H3-Image-Architektur
Die offizielle Architekturbeschreibung nennt drei Hauptkomponenten: einen unveränderten H3-Text-Encoder auf Basis von Qwen3-VL, einen Diffusionstransformer mit 33.1 Milliarden Parametern (mit entferntem Audiozweig) sowie ein Bild-VAE. Die Zahl 33.1B beschreibt den Diffusionstransformer, nicht jede Komponente der gesamten Pipeline.
Das Rückgrat der Bildgenerierung nutzt einen dichten Single-Stream-Transformer, der auf gepackten Text- und Bild-Token operiert. Seine 50 Schichten verarbeiten visuelle Informationen, bevor die Zielbildrepräsentation vorhergesagt wird.
Das VAE transformiert Bildinhalte in eine komprimierte latente Repräsentation und dekodiert das generierte Latent in ein finales hochauflösendes Bild.
Der Checkpoint ist auf sechs Sampling-Schritte ohne Classifier-Free Guidance destilliert. Die gehostete API von MiniMax nutzt außerdem Prompt-Enhancement, um kürzere Anweisungen vor der Generierung in eine detailliertere Beschreibung zu überführen.
Native Generierung um 16MP; gehostete API-Ausgabestufen 1K, 2K und 4K
Maximale benutzerdefinierte API-Ausgabefläche
20,000,000 pixels
Referenzbilder
Bis zu 16
Maximale API-Promptlänge
32,000 Unicode characters; about 4,096 tokens take effect when prompt enhancement is disabled
Bilder pro API-Anfrage
1–10; Base64-Antworten haben zusätzliche Gesamtflächenbegrenzungen
Ausgabeformate
JPEG, PNG, WebP
Seitenverhältnisbereich der API-Ausgabe
1:3 bis 3:1
API-Varianten
Standard, Highspeed
Modellgewichte
Öffentlich herunterladbar
Lizenz
MiniMax-H3-Image Community License Agreement
Das Modell nutzt einen Diffusionstransformer mit 33.1B Parametern, 50 Schichten, einer Hidden Size von 5,376 und 56 Attention Heads. Es generiert Bilder in sechs Sampling-Schritten ohne Classifier-Free Guidance.
Was sind die Hauptfunktionen von MiniMax H3-Image?
Native 4K- und 16-Megapixel-Bildgenerierung
Ein 4096 × 4096-Ausgabebild enthält 16,777,216 Pixel, was dem 16-fachen der Pixelanzahl eines 1024 × 1024-Bildes entspricht.
In der MiniMax-API zielt die 4K-Stufe auf rund 16.8 Millionen Pixel ab, wobei die Abmessungen je nach Seitenverhältnis variieren.
MiniMax H3-Image erzeugt über gängige Seitenverhältnisse hinweg ungefähr 16.8MP Bilder. Dokumentierte Größen umfassen 4096 × 4096 bei 1:1, 4736 × 3552 bei 4:3, 5024 × 3360 bei 3:2, 5472 × 3072 bei 16:9 und 6272 × 2688 bei 21:9.
Mehr Pixel sind besonders nützlich, wenn Creators ein generiertes Bild zuschneiden, kleine Details prüfen oder mehrere Designs aus einer ursprünglichen Komposition vorbereiten müssen.
Fotorealistische Bilder und natürliche Texturen
Die veröffentlichten Beispiele von MiniMax zeigen mehrere visuelle Stile, von Alltagsfotografie bis zu surrealen Editorial-Kompositionen.
Die Beispiele von MiniMax zeigen detaillierte Texturen, Reflexionen und Lichtstimmungen in fotografischen und stilisierten Szenen. Für Produktbilder sollten Materialtextur, Form, Farbe und Branding anhand eigener Referenzbilder bewertet werden.
Multireferenz-Bildgenerierung mit bis zu 16 Bildern
Anstatt einen Raum nur aus einer textbasierten Beschreibung zu erstellen, können Nutzende ein Foto eines leeren Raums zusammen mit einzelnen Möbelbildern bereitstellen. Das Modell kann dann eine eingerichtete Innenansicht basierend auf diesen Referenzen synthetisieren.
Für einen Katalog oder eine Kampagne sollten Sie jeder Referenz im Prompt eine klare Rolle zuweisen. Überprüfen Sie, ob das Ergebnis Form, Farbe, Branding und relative Größe des Produkts bewahrt, bevor es als finales Asset verwendet wird.
Räumliches Verständnis und anweisungsbasierte Bearbeitung
Eine offizielle Demonstration startet mit einer flachen Spielkarte und erzeugt eine First-Person-Umgebung basierend auf einem ausgewählten Ort.
Die Aufgabe erfordert mehr als eine einfache Stilübertragung. Das Modell muss räumliche Beziehungen zwischen Wegen, Gebäuden, Wasser und anderen Umweltelementen interpretieren.
Für technische Nutzende eröffnet dies die Möglichkeit, grobe Referenzen in ausgefeiltere visuelle Darstellungen umzuwandeln, ohne jedes Detail manuell neu aufzubauen.
Open-Weight-Bereitstellung und Lizenzbedingungen
Die offiziellen Bereitstellungsanleitungen decken SGLang, vLLM-Omni, Diffusers und ComfyUI ab. Die aufgeführten Komponenten umfassen einen 66.28GB-Diffusionstransformer, ein 2.34GB-Bild-VAE und einen separat heruntergeladenen 66.7GB-Text-Encoder. Dies sind Dateigrößen, keine garantierte Mindestanforderung an GPU-Speicher.
Für den kommerziellen Einsatz prüfen Sie die Community-Lizenz im Hinblick auf Ihren Standort, Ihr Geschäftsmodell und Ihren Umsatz. Die allgemeine territoriale Gewährung schließt die Vereinigten Staaten, die Europäische Union, das Vereinigte Königreich und Südkorea aus. Sie benötigen eine separate vorherige schriftliche Genehmigung, um einen gehosteten Dienst für Dritte bereitzustellen, oder wenn Ihr annualisierter Umsatz und/oder der Ihrer verbundenen Unternehmen US$1 million übersteigt. Öffentlich herunterladbare Gewichte heben diese Bedingungen nicht auf.
Wie schnell ist MiniMax H3-Image?
MiniMax veröffentlichte einen detaillierten Latenzvergleich für Text-zu-Bild-Generierung und Bildbearbeitung bei unterschiedlichen Ausgaberauflösungen.
Die Ergebnisse nutzen P50, also die mediane Generierungslatenz in Sekunden. Niedrigere Werte bedeuten schnellere Bildgenerierung.
MiniMax berichtet P50- bzw. Median-Generierungszeiten. Hardware, Parallelität, Stichprobengröße und Timing-Grenzen sind nicht vollständig offengelegt, daher sollten diese Zahlen als Referenz für die aufgeführten Konfigurationen dienen; testen Sie repräsentative Anfragen, bevor Sie Erwartungen an Antwortzeiten festlegen.
MiniMax H3-Image Standard vs Highspeed
Aufgabe
Auflösung
Standard P50
Highspeed P50
Standard-Latenz ÷ Highspeed-Latenz
Text-zu-Bild
1K
10.6 s
7.7 s
1.38×
Text-zu-Bild
2K
10.5 s
7.6 s
1.38×
Text-zu-Bild
4K
16.0 s
10.3 s
1.55×
Bildbearbeitung, 1 Referenz
4K
18.2 s
12.5 s
1.46×
Bildbearbeitung, 3 Referenzen
4K
21.4 s
14.4 s
1.49×
Zum Beispiel hat ein 4K-Bild 16-mal so viele Pixel wie ein 1K-Bild, aber die Generierungszeit im Standardmodus steigt von 10.6 auf 16.0 Sekunden.
Wann sollten Sie MiniMax H3-Image wählen?
MiniMax H3-Image ist eine Überlegung wert, wenn Ihr Workflow detaillierte, hochauflösende Standbilder, mehrere visuelle Referenzen oder eine lokale Bereitstellung erfordert.
Große Bilder zum Zuschneiden und Wiederverwenden. Native Ausgabe von etwa 16 Megapixeln bietet Spielraum, um eine Komposition zuzuschneiden oder mehrere Layouts aus einem Bild zu erstellen.
Szenen aus mehreren Referenzen. Unterstützung für bis zu 16 Referenzbilder macht es nützlich, Produkte, Charaktere, Möbel und Umgebungen in einer einzigen Komposition zu kombinieren.
Lokale Bereitstellung und Anpassung. Herunterladbare Gewichte ermöglichen es Teams, eigene Generierungs-Workflows unter der MiniMax-H3-Image Community License zu erstellen. Bereitstellungsoptionen und Lizenzbedingungen sind unten beschrieben.
Prüfen Sie das erforderliche Lieferformat, bevor Sie das Modell wählen. Die native API gibt JPEG, PNG und WebP aus, unterstützt jedoch keine transparenten Hintergründe oder maskierten Bearbeitungen. Workflows, die transparente Freisteller, präzise maskierte Revisionen, SVG-Dateien oder Animation erfordern, benötigen zusätzliche Tools oder ein Modell mit entsprechenden Fähigkeiten.
Für Produkt- und Kampagnenarbeit testen Sie ein repräsentatives Briefing und prüfen Form, Farbe, Branding, Textgenauigkeit und Konsistenz über Referenzen hinweg. Vergleichen Sie die Kosten eines akzeptierten Assets einschließlich etwaiger Neu-Generierungen und Bearbeitungsrunden.
Dies sind reguläre Beispielpreise von MiniMax, mit 1024 × 1024 Referenzen für Bearbeitungen; Ihre Rechnung hängt vom tatsächlichen Tokenverbrauch ab, der in den Nutzungsfeldern der Antwort zurückgegeben wird.
MiniMax-Launch-Angebot: Die Direkt-API-Promotion halbiert die Gesamtkosten der Anfrage um 50% für Standard und Highspeed, wenn das gelieferte Bild mindestens 16,600,000 Pixel enthält, für berechtigte Anfragen vor November 17, 2026, um 16:00 UTC. Ein 4K-Label allein stellt keine Berechtigung dar; die gelieferten Abmessungen bestimmen, ob der Rabatt gilt.
CometAPI-Preise: CometAPI listet H3-Image 20% unter den regulären Tarifen von MiniMax. Bei demselben Tokenverbrauch wie im Standard-4K-Beispiel sind das ungefähr $0.05503 pro Bild ($0.06879 × 0.8). Dies ist getrennt vom Direkt-API-Launch-Angebot von MiniMax; die Rabatte werden hier nicht kombiniert.
Was sollten Sie prüfen, bevor Sie MiniMax H3-Image integrieren?
Anbieter-Route und Modellbezeichner
Entwickelnde können auf die MiniMax H3-Image API in CometAPI mit der Modell-ID H3-image zugreifen und zu Preisen 20% unter den regulären API-Tarifen von MiniMax. Verwenden Sie die CometAPI-Dokumentation für den unterstützten Endpunkt und die Parameter und verfolgen Sie den tatsächlichen Tokenverbrauch, um Produktionskosten zu schätzen.
Für den direkten MiniMax-Zugriff dokumentiert der API-Leitfaden MiniMax-H3-Image und MiniMax-H3-Image-Highspeed. Text-zu-Bild nutzt POST /v1/images/generations, und Bearbeitung nutzt POST /v1/images/edits. Beide unterstützen synchrone Antworten, mit optionalem Streaming fertiggestellter Bilder.
Ausgabeanforderungen und Produktionsprüfung
Testen Sie vor einer größeren Charge eine kleine Auswahl repräsentativer Briefings: ein detailliertes Produktbild, eine Multireferenz-Szene und eine Bearbeitung, die ein bestehendes Motiv bewahren muss. Prüfen Sie Produkttreue, Textgenauigkeit, Referenzkonsistenz, Antwortzeiten und tatsächlich abgerechnete Nutzung.
Zu den dokumentierten Einschränkungen der nativen API zählen maskierte Bearbeitungen und transparente Hintergründe. Das Speichern als PNG macht den Hintergrund nicht transparent. Wenn Ihr Produktionsbriefing auf einer dieser Fähigkeiten beruht, berücksichtigen Sie das bei der Modellauswahl, statt die Diskrepanz erst nach der Generierung zu entdecken.
Fazit
Wählen Sie zuerst den Workflow. H3-Image ist ein Kandidat, wenn das Lieferobjekt ein großes Rasterbild ist, das aus einem detaillierten Briefing oder mehreren Referenzen zusammengesetzt wird. Ein Workflow, der auf transparente Freisteller, präzise Masken, Vektoren oder Animation ausgelegt ist, erfordert einen anderen Fähigkeitsumfang.
Führen Sie einen repräsentativen Pilotversuch durch, bevor Sie Standard, Highspeed oder eine lokale Bereitstellung wählen. Vergleichen Sie akzeptierte Ausgaben, Bearbeitungsaufwand, End-to-End-Latenz und abgerechnete Kosten. So erhalten Sie eine praktikable Grundlage, um zu entscheiden, ob das Modell Ihren Produktionsprozess verbessert.
Um es in einem bestehenden Multi-Modell-Workflow zu evaluieren, beginnen Sie mit der MiniMax H3-Image API in CometAPI und verifizieren Sie die aktuelle Routen-Konfiguration, bevor Sie skalieren.
FAQ
Warum kann ein langer H3-Image-Prompt an Detail verlieren?
Die direkte API akzeptiert bis zu 32,000 Unicode characters, aber das Deaktivieren von Prompt-Enhancement begrenzt den effektiven Input auf etwa 4,096 tokens. Platzieren Sie essenzielle Vorgaben zu Motiv, Layout und zu bewahrenden Elementen früh. Wenn eine Ausgabe eine Vorgabe verfehlt, prüfen Sie, ob Prompt-Enhancement deaktiviert war und ob die wesentlichen Anweisungen über diesen effektiven Bereich hinausgingen.
Warum liefert eine H3-Image-Größenanfrage HTTP 400?
Die Größenparameter verwenden zwei sich gegenseitig ausschließende Modi. Geben Sie size als WIDTHxHEIGHT an, oder lassen Sie size weg/auto und verwenden Sie aspect_ratio und area. Senden Sie aspect_ratio oder area nicht zusammen mit einer expliziten size, selbst mit dem Wert auto. Explizite Abmessungen müssen außerdem die zulässigen Flächen- und Seitenverhältnisbereiche erfüllen.
Kann H3-Image zehn 4K-Bilder als Base64 zurückgeben?
Die Anfragemenge unterstützt bis zu zehn Bilder, aber Base64-Antworten haben eine Gesamtflächenobergrenze: 20,000,000 pixels für PNG und 80,000,000 für JPEG oder WebP. Bei 4096 × 4096 ermöglicht das eine PNG- oder bis zu vier JPEG/WebP-Bilder pro Base64-Antwort. Nutzen Sie URL-Antworten oder kleinere Batches, wenn Ihre Anfrage diese Limits überschreiten würde.
Was, wenn nur ein Teil eines H3-Image-Batches erfolgreich ist?
Eine erfolgreiche HTTP-Antwort bedeutet nicht, dass jedes angeforderte Bild erfolgreich war. Prüfen Sie jedes Datenelement auf ein Bildergebnis oder einen Fehler, speichern Sie erfolgreiche Ausgaben und behandeln Sie fehlgeschlagene Elemente separat. Der API-Response-Vertrag von MiniMax besagt, dass nur erfolgreiche Bilder berechnet werden. Zurückgegebene Bild-URLs sind nicht garantiert dauerhaft verfügbar, laden und speichern Sie daher die benötigten Assets.
