Construye con CometAPI¿Necesitas una sola API para varios modelos?Prueba el flujo en el Playground y luego crea una clave de API cuando el modelo y el costo encajen con tu caso de uso.
Explora la salida nativa de 16MP de MiniMax H3-Image, la edición con 16 referencias, la latencia estándar frente a alta velocidad, los precios de la API y los límites de despliegue.
Deon GoodwinEquipo de investigación de modelos de IA y API
Publicado el 11 de noviembre de 2026, MiniMax H3-Image es un modelo de pesos abiertos para generación y edición de imágenes. Genera imágenes de aproximadamente 16 megapíxeles sin un upscaler externo y acepta hasta 16 imágenes de referencia para la edición. Sus principales aplicaciones incluyen visuales de producto, arte conceptual y composición de escenas con múltiples referencias.
La API ofrece dos variantes: Standard para menor costo y Highspeed para menor latencia. Los resultados publicados por MiniMax de texto a imagen en 4K muestran tiempos de generación medianos de 16.0 segundos y 10.3 segundos, respectivamente.
Puntos clave
MiniMax H3-Image genera imágenes de aproximadamente 16 MP de forma nativa, con seis pasos de muestreo y sin upscaler externo en la canalización del modelo documentada.
La edición con MiniMax H3-Image acepta hasta 16 imágenes de referencia, lo que permite combinar productos, personajes, habitaciones y distribuciones en una sola solicitud.
Standard y Highspeed ofrecen los mismos parámetros y límites de API documentados; Highspeed intercambia precios más altos por token de imagen por una menor latencia medida.
Revisado para mayor claridad, atribución de fuentes y terminología API actual.
CometAPI lista H3-Image un 20% por debajo de las tarifas regulares de la API de MiniMax. MiniMax también ofrece un descuento de lanzamiento temporal del 50% por separado para solicitudes 4K elegibles.
Los pesos abiertos permiten la implementación local bajo una licencia personalizada. La API nativa admite JPEG, PNG y WebP, pero no admite fondos transparentes ni ediciones con máscara.
¿Qué es MiniMax H3-Image y cómo funciona?
MiniMax H3-Image se basa en la arquitectura MiniMax H3 y unifica la generación de texto a imagen y la edición basada en referencias en un único checkpoint.
Arquitectura de MiniMax H3-Image
La descripción oficial de la arquitectura identifica tres componentes principales: un codificador de texto H3 sin cambios basado en Qwen3-VL, un transformer de difusión de 33.1 mil millones de parámetros con la rama de audio eliminada y un VAE de imagen. La cifra de 33.1B describe el transformer de difusión, no todos los componentes de la canalización completa.
La columna vertebral de generación de imágenes utiliza un transformer denso de flujo único que opera sobre tokens de texto e imagen empaquetados. Sus 50 capas procesan la información visual antes de predecir la representación de imagen objetivo.
El VAE transforma el contenido de la imagen en una representación latente comprimida y decodifica el latente generado en una imagen final de alta resolución.
El checkpoint está destilado a seis pasos de muestreo sin classifier-free guidance. La API alojada de MiniMax también utiliza mejora del prompt para convertir instrucciones más cortas en una descripción más detallada antes de la generación.
Especificaciones técnicas de MiniMax H3-Image
Las siguientes especificaciones distinguen el modelo descargable de los límites de solicitud de la API alojada.
Especificación
MiniMax H3-Image
Desarrollador
MiniMax
Anuncio oficial
11 de noviembre de 2026
Categoría de modelo
Generación y edición de imágenes
Resolución
Generación nativa alrededor de 16MP; niveles de salida de la API alojada de 1K, 2K y 4K
Área máxima de salida personalizada de la API
20,000,000 píxeles
Imágenes de referencia
Hasta 16
Longitud máxima del prompt en la API
32,000 caracteres Unicode; aprox. 4,096 tokens surten efecto cuando la mejora del prompt está desactivada
Imágenes por solicitud de API
1–10; las respuestas Base64 tienen límites adicionales de área total
Formatos de salida
JPEG, PNG, WebP
Rango de relación de aspecto de salida de la API
1:3 a 3:1
Variantes de la API
Standard, Highspeed
Pesos del modelo
Descargables públicamente
Licencia
MiniMax-H3-Image Community License Agreement
El modelo utiliza un transformer de difusión de 33.1B parámetros con 50 capas, un tamaño oculto de 5,376 y 56 cabezas de atención. Genera imágenes en seis pasos de muestreo sin classifier-free guidance.
¿Cuáles son las funciones principales de MiniMax H3-Image?
Generación de imágenes 4K nativa y de 16 megapíxeles
Una salida de 4096 × 4096 contiene 16,777,216 píxeles, lo que equivale a 16 veces la cantidad de píxeles de una imagen de 1024 × 1024.
En la API de MiniMax, el nivel 4K apunta a aproximadamente 16.8 millones de píxeles, con dimensiones que varían según la relación de aspecto.
MiniMax H3-Image genera aproximadamente 16.8 MP a través de relaciones de aspecto comunes. Los tamaños documentados incluyen 4096 × 4096 en 1:1, 4736 × 3552 en 4:3, 5024 × 3360 en 3:2, 5472 × 3072 en 16:9 y 6272 × 2688 en 21:9.
Más píxeles son especialmente útiles cuando los creadores necesitan recortar una imagen generada, inspeccionar detalles pequeños o preparar varios diseños a partir de una composición original.
Imágenes fotorrealistas y texturas naturales
Los ejemplos publicados por MiniMax muestran varios estilos visuales, desde fotografía cotidiana hasta composiciones editoriales surrealistas.
Los ejemplos de MiniMax muestran texturas, reflejos e iluminación detallados en escenas fotográficas y estilizadas. Para imágenes de producto, evalúa la textura del material, la forma, el color y la marca utilizando tus propias imágenes de referencia.
Generación con múltiples referencias con hasta 16 imágenes
La API de edición de imágenes acepta de 1 a 16 imágenes de referencia. Cada referencia puede aportar una parte diferente del resultado deseado, como un producto, un personaje, un mueble o la distribución de una habitación.
En lugar de crear una habitación a partir de una descripción solo de texto, los usuarios pueden proporcionar una fotografía de una habitación vacía junto con imágenes individuales de muebles. El modelo puede luego sintetizar un interior amueblado basándose en esas referencias.
Para un catálogo o campaña, asigna a cada referencia un rol claro en el prompt. Revisa si la salida conserva la forma, el color, la marca y la escala relativa del producto antes de tratarla como un recurso final.
Comprensión espacial y edición basada en instrucciones
Una demostración oficial comienza con un mapa de juego plano y genera un entorno en primera persona basado en una ubicación seleccionada.
La tarea requiere más que una simple transferencia de estilo. El modelo debe interpretar relaciones espaciales entre caminos, edificios, agua y otros elementos ambientales.
Para usuarios técnicos, esto crea oportunidades para convertir referencias burdas en representaciones visuales más pulidas sin reconstruir cada detalle manualmente.
Implementación de pesos abiertos y condiciones de licencia
Las instrucciones oficiales de implementación cubren SGLang, vLLM-Omni, Diffusers y ComfyUI. Los componentes listados incluyen un transformer de difusión de 66.28GB, un VAE de imagen de 2.34GB y un codificador de texto descargado por separado de 66.7GB. Estos son tamaños de archivo, no un requisito mínimo garantizado de memoria de GPU.
Para la implementación comercial, revisa la licencia de la comunidad con respecto a tu ubicación, modelo de negocio e ingresos. Su concesión territorial general excluye Estados Unidos, la Unión Europea, el Reino Unido y Corea del Sur. Necesitas autorización previa por escrito por separado para proporcionar un servicio alojado a terceros, o si tus ingresos anualizados y/o los de tus afiliadas exceden US$ 1 millón. Los pesos descargables públicamente no eliminan estas condiciones.
¿Qué tan rápido es MiniMax H3-Image?
MiniMax publicó una comparación detallada de latencia que cubre la generación de texto a imagen y la edición de imágenes a diferentes resoluciones de salida.
Los resultados usan P50, o latencia de generación mediana, en segundos. Valores más bajos indican generación de imágenes más rápida.
MiniMax informa tiempos de generación P50, o medianos. El hardware, la concurrencia, el tamaño de muestra y los límites de temporización no se divulgan por completo, así que utiliza estas cifras como referencia para las configuraciones listadas y prueba solicitudes representativas antes de establecer expectativas de tiempo de respuesta.
MiniMax H3-Image Standard vs Highspeed
Tarea
Resolución
P50 Standard
P50 Highspeed
Latencia Standard ÷ latencia Highspeed
Texto a imagen
1K
10.6 s
7.7 s
1.38×
Texto a imagen
2K
10.5 s
7.6 s
1.38×
Texto a imagen
4K
16.0 s
10.3 s
1.55×
Edición, 1 referencia
4K
18.2 s
12.5 s
1.46×
Edición, 3 referencias
4K
21.4 s
14.4 s
1.49×
Por ejemplo, la imagen 4K tiene 16 veces más píxeles que la imagen 1K, pero el tiempo de generación en modo Standard aumenta de 10.6 a 16.0 segundos.
¿Cuándo deberías elegir MiniMax H3-Image?
MiniMax H3-Image vale la pena cuando tu flujo de trabajo requiere imágenes fijas detalladas y de alta resolución, varias referencias visuales o implementación local.
Grandes imágenes para recorte y reutilización. La salida nativa de aproximadamente 16 megapíxeles brinda margen para recortar una composición o crear múltiples diseños a partir de una imagen.
Escenas construidas a partir de múltiples referencias. La compatibilidad con hasta 16 imágenes de referencia lo hace útil para combinar productos, personajes, muebles y entornos en una sola composición.
Implementación local y personalización. Los pesos descargables permiten a los equipos construir sus propios flujos de trabajo de generación bajo la MiniMax-H3-Image Community License. Las opciones de implementación y las condiciones de licencia se detallan a continuación.
Verifica el formato de entrega requerido antes de elegir el modelo. La API nativa produce JPEG, PNG y WebP, pero no admite fondos transparentes ni ediciones con máscara. Los flujos de trabajo que requieren recortes transparentes, revisiones enmascaradas precisas, archivos SVG o animación necesitan herramientas adicionales o un modelo que admita esas capacidades.
Para trabajos de producto y campañas, prueba un encargo representativo y verifica la forma, el color, la marca, la precisión del texto y la consistencia entre referencias. Compara el costo de un recurso aceptado, incluyendo las rondas de regeneración y edición.
¿Cuánto cuesta la API de MiniMax H3-Image?
MiniMax cobra por tokens de entrada de texto, entrada de imagen y salida de imagen, con tarifas separadas para Standard y Highspeed.
Precios por tokens de API
Componente de precio
Standard
Highspeed
Entrada de texto / 1M tokens
$2.30
$2.30
Entrada de imagen / 1M tokens
$1.50
$3.00
Salida de imagen / 1M tokens
$3.80
$7.60
Estos son ejemplos de precio regular de MiniMax, con referencias de 1024 × 1024 para edición; tu factura depende del uso real de tokens, que se devuelve en los campos de uso de la respuesta.
Oferta de lanzamiento de MiniMax: La promoción de API directa reduce el costo total de la solicitud en un 50% para Standard y Highspeed cuando la imagen entregada contiene al menos 16,600,000 píxeles, para solicitudes elegibles antes del 17 de noviembre de 2026 a las 16:00 UTC. Una etiqueta 4K por sí sola no establece la elegibilidad; las dimensiones entregadas determinan si aplica el descuento.
Precios de CometAPI: CometAPI lista H3-Image un 20% por debajo de las tarifas regulares de MiniMax. Con el mismo uso de tokens que en el ejemplo de 4K Standard, eso es aproximadamente $0.05503 por imagen ($0.06879 × 0.8). Esto es independiente de la oferta de lanzamiento directa de MiniMax; aquí no se combinan los descuentos.
¿Qué debes verificar antes de integrar MiniMax H3-Image?
Ruta del proveedor e identificador del modelo
Los desarrolladores pueden acceder a la API de MiniMax H3-Image en CometAPI con el ID de modelo H3-image y precios un 20% por debajo de las tarifas regulares de la API de MiniMax. Usa la documentación de CometAPI para el endpoint y los parámetros compatibles, luego rastrea el uso real de tokens para estimar costos de producción.
Para el acceso directo a MiniMax, la guía de API documenta MiniMax-H3-Image y MiniMax-H3-Image-Highspeed. Texto a imagen utiliza POST /v1/images/generations, y la edición utiliza POST /v1/images/edits. Ambos admiten respuestas sincrónicas, con streaming opcional de imágenes completadas.
Requisitos de salida y revisión de producción
Antes de un lote más grande, prueba un conjunto pequeño de encargos representativos: una imagen de producto detallada, una escena con múltiples referencias y una edición que deba preservar un sujeto existente. Revisa la fidelidad del producto, la precisión del texto, la consistencia de las referencias, el tiempo de respuesta y el uso facturado real.
Las limitaciones documentadas de la API nativa incluyen ediciones con máscara y fondos transparentes. Guardar un PNG no hace que su fondo sea transparente. Si tu encargo de producción depende de cualquiera de estas capacidades, inclúyelo en la selección del modelo en lugar de descubrir la falta de correspondencia después de la generación.
Conclusión
Elige primero el flujo de trabajo. H3-Image es un candidato cuando el entregable es una imagen ráster grande ensamblada a partir de un encargo detallado o de varias referencias. Un flujo de trabajo basado en recortes transparentes, máscaras precisas, vectores o animación requiere un conjunto de capacidades diferente.
Realiza una prueba piloto representativa antes de elegir Standard, Highspeed o implementación local. Compara salidas aceptadas, esfuerzo de edición, latencia de extremo a extremo y costo facturado. Eso te dará una base práctica para decidir si el modelo mejora tu proceso de producción.
Para evaluarlo dentro de un flujo de trabajo multimodelo existente, comienza con la API de MiniMax H3-Image en CometAPI y verifica la configuración de ruta actual antes de escalar.
Preguntas frecuentes
¿Por qué un prompt largo en H3-Image puede perder detalle?
La API directa acepta hasta 32,000 caracteres Unicode, pero desactivar la mejora del prompt limita la entrada efectiva a aproximadamente 4,096 tokens. Coloca primero las instrucciones esenciales de sujeto, diseño y preservación. Si una salida omite una restricción, verifica si la mejora estaba desactivada y si las instrucciones significativas se extendían más allá de ese rango efectivo.
¿Por qué una solicitud de tamaño de H3-Image devuelve HTTP 400?
Los parámetros de tamaño usan dos modos mutuamente exclusivos. Proporciona el tamaño como WIDTHxHEIGHT, o deja size omitido/auto y usa aspect_ratio y area. No envíes aspect_ratio ni area con un tamaño explícito, incluso con el valor auto. Las dimensiones explícitas también deben cumplir los rangos permitidos de área y relación de aspecto.
¿Puede H3-Image devolver diez imágenes 4K en Base64?
El conteo de la solicitud admite hasta diez imágenes, pero las respuestas Base64 tienen un límite de área total: 20,000,000 píxeles para PNG y 80,000,000 para JPEG o WebP. A 4096 × 4096, eso permite un PNG o hasta cuatro imágenes JPEG/WebP por respuesta Base64. Usa respuestas por URL o lotes más pequeños cuando tu solicitud exceda esos límites.
¿Qué pasa si solo una parte de un lote de H3-Image se completa correctamente?
Una respuesta HTTP exitosa no significa que cada imagen solicitada haya tenido éxito. Inspecciona cada elemento de datos en busca de un resultado de imagen o un error, guarda las salidas exitosas y maneja por separado los elementos fallidos. El contrato de respuesta de la API de MiniMax indica que solo se cobran las imágenes exitosas. No se garantiza que las URL de imagen devueltas permanezcan disponibles, así que descarga y almacena los recursos que necesitas.
