TL;DR
Publié le 11 novembre 2026, MiniMax H3-Image est un modèle à poids ouverts pour la génération et la retouche d’images. Il génère des images d’environ 16 mégapixels sans suréchantillonneur externe et accepte jusqu’à 16 images de référence pour la retouche. Ses principales applications incluent les visuels produits, les illustrations conceptuelles et la composition de scènes multi-références.
L’API propose deux variantes : Standard pour un coût inférieur et Highspeed pour une latence plus faible. Les résultats 4K publiés par MiniMax pour le texte‑vers‑image montrent des temps de génération médians de 16.0 secondes et 10.3 secondes, respectivement.
Key Takeaways
- MiniMax H3-Image génère nativement des images d’environ 16 MP, avec six étapes d’échantillonnage et sans suréchantillonneur externe dans le pipeline de modèle documenté.
- La retouche avec MiniMax H3-Image accepte jusqu’à 16 images de référence, permettant de combiner produits, personnages, pièces et agencements en une seule requête.
- Standard et Highspeed proposent les mêmes paramètres et limites API documentés ; Highspeed échange des prix de jetons d’image plus élevés contre une latence mesurée plus faible.
- CometAPI liste H3-Image à 20 % en dessous des tarifs API réguliers de MiniMax. MiniMax propose également une remise de lancement séparée et temporaire de 50 % pour les requêtes 4K éligibles.
- Les poids ouverts permettent un déploiement local sous une licence personnalisée. L’API native prend en charge JPEG, PNG et WebP, mais ne prend pas en charge les arrière‑plans transparents ni les retouches masquées.
What Is MiniMax H3-Image, and How Does It Work?
MiniMax H3-Image s’appuie sur l’architecture MiniMax H3 et unifie la génération d’images à partir de texte et la retouche basée sur des références dans un seul checkpoint.
MiniMax H3-Image Architecture
La description officielle de l’architecture identifie trois composants principaux : un encodeur de texte H3 inchangé basé sur Qwen3-VL, un transformeur de diffusion de 33.1 milliards de paramètres avec la branche audio supprimée, et un VAE d’image. Le chiffre de 33.1B décrit le transformeur de diffusion, et non chaque composant de l’ensemble du pipeline.
L’épine dorsale de génération d’images utilise un transformeur dense à flux unique opérant sur des jetons de texte et d’image groupés. Ses 50 couches traitent l’information visuelle avant de prédire la représentation cible de l’image.
Le VAE transforme le contenu de l’image en une représentation latente compressée et décode le latent généré en une image finale haute résolution.
Le checkpoint est distillé à six étapes d’échantillonnage sans classifier-free guidance. L’API hébergée de MiniMax utilise également une amélioration de l’invite pour transformer des instructions plus courtes en une description plus détaillée avant la génération.
MiniMax H3-Image Technical Specifications
Les spécifications suivantes distinguent le modèle téléchargeable des limites de requête de l’API hébergée.
Le modèle utilise un transformeur de diffusion de 33.1B paramètres avec 50 couches, une taille cachée de 5,376 et 56 têtes d’attention. Il génère des images en six étapes d’échantillonnage sans classifier-free guidance.
What Are MiniMax H3-Image's Main Features?
Native 4K and 16-Megapixel Image Generation
Une sortie 4096 × 4096 contient 16,777,216 pixels, soit 16 fois le nombre de pixels d’une image 1024 × 1024.
Dans l’API de MiniMax, le palier 4K vise environ 16.8 millions de pixels, avec des dimensions qui varient selon le rapport d’aspect.
MiniMax H3-Image génère des images d’environ 16.8 MP sur des rapports d’aspect courants. Les tailles documentées incluent 4096 × 4096 en 1:1, 4736 × 3552 en 4:3, 5024 × 3360 en 3:2, 5472 × 3072 en 16:9 et 6272 × 2688 en 21:9.
Un plus grand nombre de pixels est particulièrement utile lorsque les créateurs doivent recadrer une image générée, inspecter de petits détails ou préparer plusieurs déclinaisons à partir d’une seule composition d’origine.
Photorealistic Images and Natural Textures
Les exemples publiés par MiniMax couvrent plusieurs styles visuels, allant de la photographie du quotidien à des compositions éditoriales surréalistes.
Les exemples de MiniMax montrent des textures, des reflets et des éclairages détaillés dans des scènes photographiques et stylisées. Pour l’imagerie produit, évaluez la texture des matériaux, la forme, la couleur et le branding à l’aide de vos propres images de référence.
Multi-Reference Image Generation With Up to 16 Images
L’API de retouche d’images accepte 1–16 images de référence. Chaque référence peut contribuer une partie différente du résultat visé, comme un produit, un personnage, un meuble ou l’agencement d’une pièce.
Au lieu de créer une pièce à partir d’une description textuelle uniquement, les utilisateurs peuvent fournir une photo d’une pièce vide accompagnée d’images individuelles de meubles. Le modèle peut ensuite synthétiser un intérieur meublé à partir de ces références.
Pour un catalogue ou une campagne, attribuez à chaque référence un rôle clair dans l’invite. Vérifiez si la sortie préserve la forme, la couleur, le branding et l’échelle relative du produit avant de l’utiliser comme ressource finale.
Spatial Understanding and Instruction-Based Editing
Une démonstration officielle commence par une carte de jeu à plat et génère un environnement à la première personne à partir d’un emplacement sélectionné.
La tâche demande plus qu’un simple transfert de style. Le modèle doit interpréter les relations spatiales entre chemins, bâtiments, eau et autres éléments de l’environnement.
Pour les utilisateurs techniques, cela ouvre des possibilités de convertir des références grossières en représentations visuelles plus soignées sans reconstruire manuellement chaque détail.
Open-Weight Deployment and License Conditions
Les instructions officielles de déploiement couvrent SGLang, vLLM-Omni, Diffusers et ComfyUI. Les composants listés incluent un transformeur de diffusion de 66.28GB, un VAE d’image de 2.34GB et un encodeur de texte séparé de 66.7GB. Il s’agit de tailles de fichiers, pas d’une exigence garantie de mémoire GPU minimale.
Pour un déploiement commercial, vérifiez la licence communautaire au regard de votre localisation, de votre modèle économique et de vos revenus. Sa concession territoriale générale exclut les États-Unis, l’Union européenne, le Royaume-Uni et la Corée du Sud. Vous avez besoin d’une autorisation écrite préalable distincte pour fournir un service hébergé à des tiers, ou si vos revenus annualisés et/ou ceux de vos affiliés dépassent US$1 million. Le fait que les poids soient téléchargeables publiquement ne supprime pas ces conditions.
How Fast Is MiniMax H3-Image?
MiniMax a publié une comparaison de latence détaillée couvrant la génération texte‑vers‑image et la retouche d’images à différentes résolutions de sortie.
Les résultats utilisent P50, ou la latence médiane, en secondes. Des valeurs plus faibles indiquent une génération d’images plus rapide.
MiniMax rapporte des temps de génération P50, ou médians. Le matériel, la concurrence, la taille de l’échantillon et les bornes de chronométrage ne sont pas entièrement divulgués ; utilisez donc ces chiffres comme référence pour les configurations listées et testez des requêtes représentatives avant de fixer des attentes sur le temps de réponse.
MiniMax H3-Image Standard vs Highspeed
Par exemple, l’image 4K compte 16 fois plus de pixels que l’image 1K, mais le temps de génération en mode Standard n’augmente que de 10.6 à 16.0 secondes.
When Should You Choose MiniMax H3-Image?
MiniMax H3-Image mérite d’être envisagé lorsque votre flux de travail nécessite des images fixes détaillées et haute résolution, plusieurs références visuelles ou un déploiement local.
- Grandes images pour recadrage et réutilisation. Une sortie native d’environ 16 mégapixels laisse de la marge pour recadrer une composition ou créer plusieurs mises en page à partir d’une image.
- Scènes construites à partir de multiples références. La prise en charge de jusqu’à 16 images de référence le rend utile pour combiner produits, personnages, meubles et environnements dans une seule composition.
- Déploiement local et personnalisation. Des poids téléchargeables permettent aux équipes de construire leurs propres flux de génération sous la MiniMax-H3-Image Community License. Les options de déploiement et les conditions de licence sont détaillées ci-dessous.
Vérifiez le format de livraison requis avant de choisir le modèle. L’API native produit des JPEG, PNG et WebP, mais ne prend pas en charge les arrière‑plans transparents ni les retouches masquées. Les flux de travail nécessitant des détourage transparents, des retouches masquées précises, des fichiers SVG ou de l’animation requièrent des outils supplémentaires ou un modèle offrant ces capacités.
Pour les travaux produits et campagnes, testez un brief représentatif et vérifiez la forme du produit, la couleur, le branding, l’exactitude du texte et la cohérence entre références. Comparez le coût d’une ressource acceptée, y compris toute régénération et itération de retouche.
How Much Does the MiniMax H3-Image API Cost?
MiniMax facture l’entrée texte, l’entrée image et les jetons de sortie d’image, avec des tarifs Standard et Highspeed distincts.
API Token Pricing
| Pricing component | Standard | Highspeed |
|---|---|---|
| Text input / 1M tokens | $2.30 | $2.30 |
Ce sont les exemples de prix réguliers de MiniMax, avec des références 1024 × 1024 pour la retouche ; votre facture dépend de l’usage réel des jetons, renvoyé dans les champs usage de la réponse.
Offre de lancement MiniMax : La promotion via l’API directe réduit le coût total de la requête de 50 % pour Standard et Highspeed lorsque l’image livrée contient au moins 16,600,000 pixels, pour les requêtes éligibles avant le 17 novembre 2026 à 16:00 UTC. Une étiquette 4K seule n’établit pas l’éligibilité ; ce sont les dimensions livrées qui déterminent si la remise s’applique.
Tarification CometAPI : CometAPI liste H3-Image à 20 % en dessous des tarifs réguliers de MiniMax. À usage de jetons égal à l’exemple Standard 4K, cela revient à environ $0.05503 par image ($0.06879 × 0.8). Ceci est distinct de l’offre de lancement via l’API directe de MiniMax ; les remises ne sont pas combinées ici.
What Should You Check Before Integrating MiniMax H3-Image?
Provider Route and Model Identifier
Les développeurs peuvent accéder à l’API MiniMax H3-Image dans CometAPI avec l’ID de modèle H3-image et une tarification 20 % inférieure aux tarifs API réguliers de MiniMax. Utilisez la documentation CometAPI pour l’endpoint et les paramètres pris en charge, puis suivez l’usage réel des jetons afin d’estimer les coûts en production.
Pour un accès direct chez MiniMax, le guide de l’API documente MiniMax-H3-Image et MiniMax-H3-Image-Highspeed. Le texte‑vers‑image utilise POST /v1/images/generations, et la retouche utilise POST /v1/images/edits. Les deux prennent en charge des réponses synchrones, avec un streaming optionnel des images finalisées.
Output Requirements and Production Review
Avant un lot plus important, testez un petit ensemble de briefs représentatifs : une image produit détaillée, une scène multi‑références et une retouche qui doit préserver un sujet existant. Examinez la fidélité produit, l’exactitude du texte, la cohérence des références, le temps de réponse et l’usage réellement facturé.
Les limitations documentées de l’API native incluent les retouches masquées et les arrière‑plans transparents. Enregistrer un PNG ne rend pas son arrière‑plan transparent. Si votre cahier des charges en production dépend de l’une ou l’autre capacité, incluez cette exigence dans le choix du modèle plutôt que de découvrir un décalage après génération.
Conclusion
Choisissez d’abord le flux de travail. H3-Image est un candidat lorsque le livrable est une grande image matricielle assemblée à partir d’un brief détaillé ou de plusieurs références. Un flux de travail centré sur des détourages transparents, des masques précis, des vecteurs ou de l’animation nécessite un ensemble de capacités différent.
Effectuez un pilote représentatif avant de choisir Standard, Highspeed ou un déploiement local. Comparez les sorties acceptées, l’effort de retouche, la latence de bout en bout et le coût facturé. Vous obtiendrez ainsi une base pratique pour décider si le modèle améliore votre processus de production.
Pour l’évaluer dans un flux multi‑modèles existant, commencez par l’API MiniMax H3-Image dans CometAPI et vérifiez la configuration de la route courante avant de passer à l’échelle.
FAQ
Why can a long H3-Image prompt lose detail?
L’API directe accepte jusqu’à 32,000 caractères Unicode, mais la désactivation de l’amélioration de l’invite limite l’entrée effective à environ 4,096 jetons. Placez tôt les instructions essentielles sur le sujet, la mise en page et ce qui doit être préservé. Si une sortie manque une contrainte, vérifiez si l’amélioration était désactivée et si les instructions utiles dépassaient cette plage effective.
Why does an H3-Image size request return HTTP 400?
Les paramètres de taille utilisent deux modes mutuellement exclusifs. Fournissez la taille au format WIDTHxHEIGHT, ou laissez size omis/auto et utilisez aspect_ratio et area. N’envoyez pas aspect_ratio ni area avec une taille explicite, même avec la valeur auto. Les dimensions explicites doivent également satisfaire les plages permises d’aire et de rapport d’aspect.
Can H3-Image return ten 4K images as Base64?
Le nombre d’images par requête prend en charge jusqu’à dix images, mais les réponses Base64 ont une limite d’aire totale : 20,000,000 pixels pour PNG et 80,000,000 pour JPEG ou WebP. À 4096 × 4096, cela permet un PNG ou jusqu’à quatre images JPEG/WebP par réponse Base64. Utilisez des réponses par URL ou des lots plus petits lorsque votre requête dépasserait ces limites.
What if only part of an H3-Image batch succeeds?
Une réponse HTTP réussie ne signifie pas que chaque image demandée a réussi. Inspectez chaque élément data pour un résultat d’image ou une erreur, enregistrez les sorties réussies et traitez séparément les éléments échoués. Le contrat de réponse de l’API de MiniMax indique que seules les images réussies sont facturées. Les URL d’images renvoyées ne sont pas garanties comme restant disponibles ; téléchargez et stockez donc les ressources dont vous avez besoin.