Bangun dengan CometAPIButuh satu API untuk banyak model?Uji alur kerja di Playground, lalu buat API key saat model dan biayanya sesuai dengan use case Anda.
Dirilis pada 11 November 2026, MiniMax H3-Image adalah model open-weight untuk pembuatan dan pengeditan gambar. Model ini menghasilkan gambar sekitar 16 megapiksel tanpa upscaler eksternal dan menerima hingga 16 gambar referensi untuk pengeditan. Aplikasi utamanya mencakup visual produk, concept art, dan komposisi adegan multi-referensi.
API menawarkan dua varian: Standard untuk biaya lebih rendah dan Highspeed untuk latensi lebih rendah. Hasil text-to-image 4K yang dipublikasikan MiniMax menunjukkan median waktu pembuatan masing-masing 16,0 detik dan 10,3 detik.
Key Takeaways
MiniMax H3-Image secara native menghasilkan gambar sekitar 16MP, dengan enam langkah sampling dan tanpa upscaler eksternal dalam pipeline model yang didokumentasikan.
Pengeditan MiniMax H3-Image menerima hingga 16 gambar referensi, memungkinkan produk, karakter, ruangan, dan tata letak digabungkan dalam satu permintaan.
Ditinjau untuk kejelasan, atribusi sumber, dan terminologi API terkini.
Standard dan Highspeed menawarkan parameter dan batas API terdokumentasi yang sama; Highspeed menukar harga token gambar yang lebih tinggi dengan latensi terukur yang lebih rendah.
CometAPI mencantumkan H3-Image 20% di bawah tarif API reguler MiniMax. MiniMax juga menawarkan diskon peluncuran terpisah sementara sebesar 50% untuk permintaan 4K yang memenuhi syarat.
Bobot terbuka memungkinkan deployment lokal di bawah lisensi kustom. API native mendukung JPEG, PNG, dan WebP, tetapi tidak mendukung latar belakang transparan atau pengeditan bermasker.
What Is MiniMax H3-Image, and How Does It Work?
MiniMax H3-Image dibangun di atas arsitektur MiniMax H3 dan menyatukan pembuatan gambar dari teks dan pengeditan berbasis referensi dalam satu checkpoint.
MiniMax H3-Image Architecture
Deskripsi arsitektur resmi mengidentifikasi tiga komponen utama: encoder teks H3 yang tidak berubah berbasis Qwen3-VL, transformer difusi dengan 33,1 miliar parameter dengan cabang audio dihapus, dan VAE gambar. Angka 33,1B menggambarkan transformer difusi, bukan setiap komponen dalam pipeline penuh.
Backbone pembuatan gambar menggunakan transformer aliran tunggal yang padat dan beroperasi pada token teks dan gambar yang dipaketkan. 50 lapisannya memproses informasi visual sebelum memprediksi representasi gambar target.
VAE mentransformasikan konten gambar menjadi representasi laten terkompresi dan mendekode laten yang dihasilkan menjadi gambar akhir beresolusi tinggi.
Checkpoint didistilasi menjadi enam langkah sampling tanpa classifier-free guidance. API terkelola MiniMax juga menggunakan peningkatan prompt untuk mengubah instruksi yang lebih pendek menjadi deskripsi lebih detail sebelum generasi.
Generasi native sekitar 16MP; tingkatan keluaran API 1K, 2K, dan 4K
Luas keluaran API kustom maks
20,000,000 piksel
Gambar referensi
Hingga 16
Panjang prompt API maksimum
32,000 karakter Unicode; sekitar 4,096 token berlaku saat peningkatan prompt dinonaktifkan
Gambar per permintaan API
1–10; respons Base64 memiliki batas total luas tambahan
Format keluaran
JPEG, PNG, WebP
Rentang rasio aspek keluaran API
1:3 hingga 3:1
Varian API
Standard, Highspeed
Bobot model
Dapat diunduh secara publik
Lisensi
MiniMax-H3-Image Community License Agreement
Model ini menggunakan transformer difusi 33,1 miliar parameter dengan 50 lapisan, ukuran tersembunyi 5.376, dan 56 head atensi. Model menghasilkan gambar dalam enam langkah sampling tanpa classifier-free guidance.
What Are MiniMax H3-Image's Main Features?
Native 4K and 16-Megapixel Image Generation
Keluaran 4096 × 4096 berisi 16.777.216 piksel, yaitu 16 kali jumlah piksel gambar 1024 × 1024.
Di API MiniMax, tier 4K menargetkan sekitar 16,8 juta piksel, dengan dimensi yang bervariasi menurut rasio aspek.
MiniMax H3-Image menghasilkan sekitar 16,8MP di berbagai rasio aspek umum. Ukuran terdokumentasi mencakup 4096 × 4096 pada 1:1, 4736 × 3552 pada 4:3, 5024 × 3360 pada 3:2, 5472 × 3072 pada 16:9, dan 6272 × 2688 pada 21:9.
Lebih banyak piksel sangat berguna ketika kreator perlu memotong gambar yang dihasilkan, memeriksa detail kecil, atau menyiapkan beberapa desain dari satu komposisi awal.
Photorealistic Images and Natural Textures
Contoh yang dipublikasikan MiniMax menunjukkan beberapa gaya visual, mulai dari fotografi sehari-hari hingga komposisi editorial surealis.
Contoh MiniMax menampilkan tekstur, pantulan, dan pencahayaan yang detail di berbagai adegan fotografis dan bergaya. Untuk citra produk, evaluasi tekstur material, bentuk, warna, dan branding menggunakan gambar referensi Anda sendiri.
Multi-Reference Image Generation With Up to 16 Images
Alih-alih membuat ruangan dari deskripsi berbasis teks saja, pengguna dapat memberikan foto ruangan kosong bersama gambar furnitur individual. Model kemudian dapat mensintesis interior yang berperabot berdasarkan referensi tersebut.
Untuk katalog atau kampanye, tetapkan peran yang jelas untuk setiap referensi di prompt. Tinjau apakah keluaran mempertahankan bentuk, warna, branding, dan skala relatif produk sebelum menganggapnya sebagai aset final.
Spatial Understanding and Instruction-Based Editing
Salah satu demo resmi dimulai dengan peta gim datar dan menghasilkan lingkungan pandangan orang pertama berdasarkan lokasi yang dipilih.
Tugas ini membutuhkan lebih dari sekadar transfer gaya sederhana. Model harus menafsirkan hubungan spasial antara jalur, bangunan, air, dan elemen lingkungan lainnya.
Bagi pengguna teknis, ini menciptakan peluang untuk mengonversi referensi kasar menjadi representasi visual yang lebih halus tanpa membangun ulang setiap detail secara manual.
Open-Weight Deployment and License Conditions
Instruksi deployment resmi mencakup SGLang, vLLM-Omni, Diffusers, dan ComfyUI. Komponen yang tercantum mencakup transformer difusi 66,28GB, VAE gambar 2,34GB, dan encoder teks 66,7GB yang diunduh terpisah. Ini adalah ukuran file, bukan persyaratan minimum memori GPU yang terjamin.
Untuk deployment komersial, periksa lisensi komunitas terhadap lokasi, model bisnis, dan pendapatan Anda. Grant teritorial umumnya mengecualikan Amerika Serikat, Uni Eropa, Inggris Raya, dan Korea Selatan. Anda memerlukan otorisasi tertulis terpisah sebelumnya untuk menyediakan layanan yang di-host kepada pihak ketiga, atau jika pendapatan tahunan Anda dan/atau afiliasi Anda melebihi US$1 juta. Bobot yang dapat diunduh publik tidak menghilangkan ketentuan ini.
How Fast Is MiniMax H3-Image?
MiniMax memublikasikan perbandingan latensi terperinci yang mencakup pembuatan gambar dari teks dan pengeditan gambar pada resolusi keluaran berbeda.
Hasil menggunakan P50, atau latensi pembuatan median, dalam hitungan detik. Nilai yang lebih rendah menunjukkan pembuatan gambar yang lebih cepat.
MiniMax melaporkan waktu pembuatan median, atau P50. Perangkat keras, konkurensi, ukuran sampel, dan batas pengukuran tidak sepenuhnya diungkapkan, jadi gunakan angka ini sebagai referensi untuk konfigurasi yang tercantum dan uji permintaan representatif sebelum menetapkan ekspektasi waktu respons.
MiniMax H3-Image Standard vs Highspeed
Tugas
Resolusi
Standard P50
Highspeed P50
Latensi Standard ÷ latensi Highspeed
Teks ke gambar
1K
10.6 s
7.7 s
1.38×
Teks ke gambar
2K
10.5 s
7.6 s
1.38×
Teks ke gambar
4K
16.0 s
10.3 s
1.55×
Edit gambar, 1 referensi
4K
18.2 s
12.5 s
1.46×
Edit gambar, 3 referensi
4K
21.4 s
14.4 s
1.49×
Sebagai contoh, gambar 4K memiliki jumlah piksel 16 kali lebih banyak daripada gambar 1K, tetapi waktu pembuatan dalam mode Standard meningkat dari 10,6 menjadi 16,0 detik.
When Should You Choose MiniMax H3-Image?
MiniMax H3-Image patut dipertimbangkan ketika alur kerja Anda membutuhkan gambar diam yang detail dan beresolusi tinggi, beberapa referensi visual, atau deployment lokal.
Gambar besar untuk pemotongan dan penggunaan ulang. Keluaran native sekitar 16 megapiksel memberikan ruang untuk memotong komposisi atau membuat beberapa tata letak dari satu gambar.
Adegan yang dibangun dari banyak referensi. Dukungan hingga 16 gambar referensi menjadikannya berguna untuk menggabungkan produk, karakter, furnitur, dan lingkungan dalam satu komposisi.
Deployment lokal dan kustomisasi. Bobot yang dapat diunduh memungkinkan tim membangun alur kerja generasi mereka sendiri di bawah MiniMax-H3-Image Community License. Opsi deployment dan ketentuan lisensi dibahas di bawah.
Periksa format pengiriman yang diperlukan sebelum memilih model. API native mengeluarkan JPEG, PNG, dan WebP, tetapi tidak mendukung latar belakang transparan atau pengeditan bermasker. Alur kerja yang membutuhkan cutout transparan, revisi bermasker yang presisi, file SVG, atau animasi memerlukan alat tambahan atau model yang mendukung kemampuan tersebut.
Untuk pekerjaan produk dan kampanye, uji brief yang representatif dan periksa bentuk produk, warna, branding, akurasi teks, dan konsistensi lintas referensi. Bandingkan biaya aset yang diterima, termasuk putaran regenerasi dan pengeditan.
Ini adalah contoh harga reguler MiniMax, dengan referensi 1024 × 1024 untuk pengeditan; tagihan Anda bergantung pada penggunaan token aktual, yang dikembalikan dalam field usage pada respons.
Penawaran peluncuran MiniMax:Promosi API langsung memotong total biaya permintaan sebesar 50% untuk Standard dan Highspeed ketika gambar yang disampaikan berisi setidaknya 16,600,000 piksel, untuk permintaan yang memenuhi syarat sebelum 17 November 2026 pukul 16:00 UTC. Label 4K saja tidak menetapkan kelayakan; dimensi yang disampaikan menentukan apakah diskon berlaku.
Harga CometAPI:CometAPI mencantumkan H3-Image 20% di bawah tarif reguler MiniMax. Pada penggunaan token yang sama seperti contoh 4K Standard, itu kira-kira $0.05503 per gambar ($0.06879 × 0.8). Ini terpisah dari penawaran peluncuran API langsung MiniMax; diskon tidak digabungkan di sini.
What Should You Check Before Integrating MiniMax H3-Image?
Provider Route and Model Identifier
Pengembang dapat mengakses API MiniMax H3-Image di CometAPI dengan ID model H3-image dan harga 20% di bawah tarif API reguler MiniMax. Gunakan dokumentasi CometAPI untuk endpoint dan parameter yang didukung, lalu lacak penggunaan token aktual untuk memperkirakan biaya produksi.
Untuk akses langsung MiniMax, panduan API mendokumentasikan MiniMax-H3-Image dan MiniMax-H3-Image-Highspeed. Text-to-image menggunakan POST /v1/images/generations, dan pengeditan menggunakan POST /v1/images/edits. Keduanya mendukung respons sinkron, dengan opsi streaming untuk gambar yang telah selesai.
Output Requirements and Production Review
Sebelum batch yang lebih besar, uji satu set kecil brief representatif: gambar produk yang detail, adegan multi-referensi, dan pengeditan yang harus mempertahankan subjek yang ada. Tinjau fidelitas produk, akurasi teks, konsistensi referensi, waktu respons, dan penggunaan yang benar-benar ditagihkan.
Limitasi terdokumentasi API native mencakup pengeditan bermasker dan latar belakang transparan. Menyimpan PNG tidak membuat latarnya transparan. Jika brief produksi Anda bergantung pada salah satu kemampuan tersebut, sertakan persyaratan itu dalam pemilihan model alih-alih menemukan ketidaksesuaian setelah generasi.
Conclusion
Pilih alur kerja terlebih dahulu. H3-Image adalah kandidat ketika deliverable-nya adalah gambar raster besar yang dirakit dari brief yang detail atau beberapa referensi. Alur kerja yang dibangun di sekitar cutout transparan, mask yang presisi, vektor, atau animasi membutuhkan set kemampuan yang berbeda.
Jalankan pilot yang representatif sebelum memilih Standard, Highspeed, atau deployment lokal. Bandingkan keluaran yang diterima, upaya pengeditan, latensi ujung-ke-ujung, dan biaya yang ditagihkan. Itu memberi Anda dasar praktis untuk memutuskan apakah model meningkatkan proses produksi Anda.
Untuk mengevaluasinya dalam alur kerja multi-model yang ada, mulailah dengan API MiniMax H3-Image di CometAPI dan verifikasi konfigurasi rute saat ini sebelum meningkatkan skala.
FAQ
Mengapa prompt H3-Image yang panjang bisa kehilangan detail?
API langsung menerima hingga 32,000 karakter Unicode, tetapi menonaktifkan peningkatan prompt membatasi input efektif hingga sekitar 4,096 token. Letakkan instruksi esensial tentang subjek, tata letak, dan hal-hal yang harus dipertahankan di awal. Jika keluaran melewatkan sebuah batasan, periksa apakah peningkatan dinonaktifkan dan apakah instruksi bermakna melampaui rentang efektif tersebut.
Mengapa permintaan ukuran H3-Image mengembalikan HTTP 400?
Parameter size menggunakan dua mode yang saling eksklusif. Berikan size sebagai WIDTHxHEIGHT, atau biarkan size dihilangkan/auto dan gunakan aspect_ratio dan area. Jangan kirim aspect_ratio atau area bersama size eksplisit, bahkan dengan nilai auto. Dimensi eksplisit juga harus memenuhi rentang luas dan rasio aspek yang diizinkan.
Bisakah H3-Image mengembalikan sepuluh gambar 4K sebagai Base64?
Jumlah permintaan mendukung hingga sepuluh gambar, tetapi respons Base64 memiliki batas total luas: 20,000,000 piksel untuk PNG dan 80,000,000 untuk JPEG atau WebP. Pada 4096 × 4096, itu memungkinkan satu PNG atau hingga empat gambar JPEG/WebP per respons Base64. Gunakan respons URL atau batch yang lebih kecil ketika permintaan Anda akan melampaui batas tersebut.
Bagaimana jika hanya sebagian batch H3-Image yang berhasil?
Respons HTTP yang sukses tidak berarti setiap gambar yang diminta berhasil. Periksa setiap item data untuk hasil gambar atau error, simpan keluaran yang berhasil, dan tangani item yang gagal secara terpisah. Kontrak respons API MiniMax menyatakan bahwa hanya gambar yang berhasil yang dikenakan biaya. URL gambar yang dikembalikan tidak dijamin tetap tersedia, jadi unduh dan simpan aset yang Anda perlukan.
