Crea con CometAPITi serve una sola API per più modelli?Testa il flusso di lavoro in Playground, poi crea una chiave API quando modello e costo sono adatti al tuo caso d'uso.
Esplora l'output nativo 16MP di MiniMax H3-Image, l'editing con 16 riferimenti, la latenza Standard vs Highspeed, le tariffe dell'API e i limiti di distribuzione.
Rilasciato l’11 novembre 2026, MiniMax H3-Image è un modello a pesi aperti per generazione ed editing di immagini. Genera immagini di circa 16 megapixel senza upscaler esterno e accetta fino a 16 immagini di riferimento per l’editing. Le principali applicazioni includono visual per prodotti, concept art e composizioni di scene multi-riferimento.
L’API offre due varianti: Standard per costi inferiori e Highspeed per latenza inferiore. I risultati pubblicati da MiniMax per la generazione testo-immagine a 4K mostrano tempi medi (P50) di 16,0 secondi e 10,3 secondi, rispettivamente.
Key Takeaways
MiniMax H3-Image genera nativamente immagini di circa 16MP, con sei passaggi di campionamento e senza upscaler esterno nella pipeline del modello documentata.
L’editing con MiniMax H3-Image accetta fino a 16 immagini di riferimento, consentendo di combinare prodotti, personaggi, ambienti e layout in un’unica richiesta.
Revisionato per chiarezza, attribuzione delle fonti e terminologia API aggiornata.
Standard e Highspeed offrono gli stessi parametri e limiti API documentati; Highspeed scambia prezzi dei token immagine più alti per una latenza misurata più bassa.
CometAPI elenca H3-Image al 20% in meno rispetto alle tariffe API regolari di MiniMax. MiniMax offre anche uno sconto di lancio separato e temporaneo del 50% per richieste 4K idonee.
I pesi aperti consentono il deployment locale con una licenza personalizzata. L’API nativa supporta JPEG, PNG e WebP, ma non supporta sfondi trasparenti o modifiche con maschere.
What Is MiniMax H3-Image, and How Does It Work?
MiniMax H3-Image si basa sull’architettura MiniMax H3 e unifica la generazione testo-immagine e l’editing basato su riferimenti in un unico checkpoint.
MiniMax H3-Image Architecture
La descrizione ufficiale dell’architettura identifica tre componenti principali: un text encoder H3 invariato basato su Qwen3-VL, un diffusion transformer da 33,1 miliardi di parametri con il ramo audio rimosso e una VAE per immagini. La cifra 33,1B descrive il diffusion transformer, non ogni componente dell’intera pipeline.
Il backbone di generazione dell’immagine utilizza un transformer denso a flusso singolo che opera su token di testo e immagine impacchettati. I suoi 50 strati elaborano l’informazione visiva prima di prevedere la rappresentazione dell’immagine di destinazione.
La VAE trasforma il contenuto dell’immagine in una rappresentazione latente compressa e decodifica il latente generato in un’immagine finale ad alta risoluzione.
Il checkpoint è distillato a sei passaggi di campionamento senza classifier-free guidance. L’API ospitata di MiniMax utilizza anche il potenziamento del prompt per trasformare istruzioni più brevi in una descrizione più dettagliata prima della generazione.
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
Il modello utilizza un diffusion transformer da 33,1B parametri con 50 layer, una hidden size di 5.376 e 56 attention head. Genera immagini in sei passaggi di campionamento senza classifier-free guidance.
What Are MiniMax H3-Image's Main Features?
Native 4K and 16-Megapixel Image Generation
Un output 4096 × 4096 contiene 16.777.216 pixel, ovvero 16 volte il numero di pixel di un’immagine 1024 × 1024.
Nell’API di MiniMax, il livello 4K punta a circa 16,8 milioni di pixel, con dimensioni che variano in base al rapporto d’aspetto.
MiniMax H3-Image genera circa 16,8MP di immagini su rapporti d’aspetto comuni. Le dimensioni documentate includono 4096 × 4096 a 1:1, 4736 × 3552 a 4:3, 5024 × 3360 a 3:2, 5472 × 3072 a 16:9 e 6272 × 2688 a 21:9.
Più pixel sono particolarmente utili quando i creator devono ritagliare un’immagine generata, ispezionare piccoli dettagli o preparare più design a partire da un’unica composizione originale.
Photorealistic Images and Natural Textures
Gli esempi pubblicati da MiniMax mostrano diversi stili visivi, che spaziano dalla fotografia quotidiana a composizioni editoriali surreali.
Gli esempi di MiniMax mostrano texture, riflessi e illuminazione dettagliati in scene fotografiche e stilizzate. Per le immagini di prodotto, valutare texture del materiale, forma, colore e branding usando le proprie immagini di riferimento.
Multi-Reference Image Generation With Up to 16 Images
Invece di creare una stanza da una descrizione solo testuale, gli utenti possono fornire una fotografia di una stanza vuota insieme a immagini dei singoli mobili. Il modello può quindi sintetizzare un interno arredato basato su tali riferimenti.
Per un catalogo o una campagna, assegnare a ogni riferimento un ruolo chiaro nel prompt. Verificare se l’output preserva forma, colore, branding e scala relativa del prodotto prima di considerarlo un asset finale.
Spatial Understanding and Instruction-Based Editing
Una dimostrazione ufficiale parte da una mappa di gioco in pianta e genera un ambiente in prima persona basato su una posizione selezionata.
Il compito richiede più di un semplice trasferimento di stile. Il modello deve interpretare le relazioni spaziali tra percorsi, edifici, acqua e altri elementi ambientali.
Per gli utenti tecnici, questo crea opportunità per convertire riferimenti grezzi in rappresentazioni visive più rifinite senza ricostruire manualmente ogni dettaglio.
Open-Weight Deployment and License Conditions
Le istruzioni ufficiali di deployment coprono SGLang, vLLM-Omni, Diffusers e ComfyUI. I componenti elencati includono un diffusion transformer da 66,28 GB, una VAE per immagini da 2,34 GB e un text encoder da 66,7 GB scaricato separatamente. Si tratta di dimensioni dei file, non di un requisito minimo garantito per la memoria della GPU.
Per il deployment commerciale, verificare la community license rispetto alla propria ubicazione, al modello di business e ai ricavi. La concessione territoriale generale esclude Stati Uniti, Unione Europea, Regno Unito e Corea del Sud. È necessaria un’autorizzazione preventiva scritta separata per fornire un servizio ospitato a terzi, o se i ricavi annualizzati e/o quelli delle affiliate superano 1 milione di dollari USA. Il fatto che i pesi siano scaricabili pubblicamente non elimina tali condizioni.
How Fast Is MiniMax H3-Image?
MiniMax ha pubblicato un confronto dettagliato delle latenze che copre generazione testo-immagine ed editing a diverse risoluzioni di output.
I risultati usano P50, ovvero la mediana, della latenza di generazione in secondi. Valori più bassi indicano una generazione più veloce.
MiniMax riporta tempi di generazione P50, ovvero mediani. Hardware, concorrenza, dimensione del campione e limiti temporali non sono completamente divulgati, quindi utilizzare queste cifre come riferimento per le configurazioni elencate e testare richieste rappresentative prima di stabilire aspettative sui tempi di risposta.
MiniMax H3-Image Standard vs Highspeed
Attività
Risoluzione
P50 Standard
P50 Highspeed
Latenza Standard ÷ latenza Highspeed
Da testo a immagine
1K
10.6 s
7.7 s
1.38×
Da testo a immagine
2K
10.5 s
7.6 s
1.38×
Da testo a immagine
4K
16.0 s
10.3 s
1.55×
Modifica immagine, 1 riferimento
4K
18.2 s
12.5 s
1.46×
Modifica immagine, 3 riferimenti
4K
21.4 s
14.4 s
1.49×
Ad esempio, l’immagine 4K ha 16 volte i pixel di un’immagine 1K, ma il tempo di generazione in modalità Standard aumenta da 10,6 a 16,0 secondi.
When Should You Choose MiniMax H3-Image?
MiniMax H3-Image è da considerare quando il flusso di lavoro richiede immagini statiche dettagliate ad alta risoluzione, diversi riferimenti visivi o deployment locale.
Large images for cropping and reuse. Output nativo di circa 16 megapixel offre margine per ritagliare una composizione o creare più layout a partire da un’unica immagine.
Scenes built from multiple references. Il supporto per fino a 16 immagini di riferimento è utile per combinare prodotti, personaggi, arredi e ambienti in un’unica composizione.
Local deployment and customization. I pesi scaricabili consentono ai team di costruire flussi di generazione propri ai sensi della MiniMax-H3-Image Community License. Opzioni di deployment e condizioni di licenza sono descritte di seguito.
Verificare il formato di consegna richiesto prima di scegliere il modello. L’API nativa produce JPEG, PNG e WebP, ma non supporta sfondi trasparenti o modifiche con maschere. Flussi di lavoro che richiedono ritagli trasparenti, revisioni precise con maschere, file SVG o animazione necessitano di strumenti aggiuntivi o di un modello che supporti tali funzionalità.
Per lavori di prodotto e campagna, testare un brief rappresentativo e verificare forma del prodotto, colore, branding, accuratezza del testo e coerenza tra riferimenti. Confrontare il costo di un asset accettato, inclusi eventuali rigenerazioni e cicli di editing.
Questi sono esempi ai prezzi regolari di MiniMax, con riferimenti 1024 × 1024 per l’editing; l’addebito dipende dall’effettivo uso di token, restituito nei campi usage della risposta.
MiniMax launch offer: La promozione via API diretta riduce del 50% il costo totale della richiesta per Standard e Highspeed quando l’immagine consegnata contiene almeno 16.600.000 pixel, per richieste idonee prima del 17 novembre 2026 alle 16:00 UTC. Un’etichetta 4K da sola non determina l’idoneità; le dimensioni consegnate determinano se lo sconto si applica.
What Should You Check Before Integrating MiniMax H3-Image?
Provider Route and Model Identifier
Gli sviluppatori possono accedere alla MiniMax H3-Image API in CometAPI con ID modello H3-image e prezzi al 20% in meno rispetto alle tariffe API regolari di MiniMax. Usare la documentazione CometAPI per l’endpoint e i parametri supportati, quindi tracciare l’uso effettivo di token per stimare i costi in produzione.
Per l’accesso diretto a MiniMax, la guida API documenta MiniMax-H3-Image e MiniMax-H3-Image-Highspeed. La generazione da testo a immagine usa POST /v1/images/generations e l’editing usa POST /v1/images/edits. Entrambe supportano risposte sincrone, con streaming opzionale delle immagini completate.
Output Requirements and Production Review
Prima di un lotto più grande, testare un set ridotto di brief rappresentativi: un’immagine di prodotto dettagliata, una scena con più riferimenti e una modifica che debba preservare un soggetto esistente. Verificare fedeltà del prodotto, accuratezza del testo, coerenza dei riferimenti, tempo di risposta e uso effettivo fatturato.
Le limitazioni documentate dell’API nativa includono l’assenza di editing con maschere e di sfondi trasparenti. Salvare un PNG non rende lo sfondo trasparente. Se il brief di produzione dipende da una di queste funzionalità, includere tale requisito nella selezione del modello piuttosto che scoprire la mancata corrispondenza dopo la generazione.
Conclusion
Scegliere prima il flusso di lavoro. H3-Image è un candidato quando il deliverable è una grande immagine raster assemblata da un brief dettagliato o da più riferimenti. Un flusso incentrato su ritagli trasparenti, maschere precise, vettoriali o animazione richiede un set di funzionalità diverso.
Eseguire un pilot rappresentativo prima di scegliere tra Standard, Highspeed o deployment locale. Confrontare output accettati, sforzo di editing, latenza end-to-end e costo fatturato. Questo fornisce una base pratica per decidere se il modello migliora il processo di produzione.
Per valutarlo in un workflow multi-modello esistente, iniziare con la MiniMax H3-Image API in CometAPI e verificare la configurazione corrente della route prima di scalare.
FAQ
Why can a long H3-Image prompt lose detail?
L’API diretta accetta fino a 32.000 caratteri Unicode, ma disabilitare il potenziamento del prompt limita l’input effettivo a circa 4.096 token. Inserire all’inizio le istruzioni essenziali su soggetto, layout e ciò che va preservato. Se un output non rispetta un vincolo, verificare se il potenziamento era disabilitato e se le istruzioni significative superavano tale intervallo effettivo.
Why does an H3-Image size request return HTTP 400?
I parametri di size usano due modalità mutuamente esclusive. Fornire size come WIDTHxHEIGHT, oppure lasciare size omesso/auto e usare aspect_ratio e area. Non inviare aspect_ratio o area con una size esplicita, nemmeno con valore auto. Le dimensioni esplicite devono inoltre soddisfare gli intervalli consentiti per area e rapporto d’aspetto.
Can H3-Image return ten 4K images as Base64?
Il conteggio della richiesta supporta fino a dieci immagini, ma le risposte Base64 hanno un limite di area totale: 20.000.000 pixel per PNG e 80.000.000 per JPEG o WebP. A 4096 × 4096, ciò consente un PNG o fino a quattro immagini JPEG/WebP per risposta Base64. Usare risposte con URL o batch più piccoli quando la richiesta supererebbe tali limiti.
What if only part of an H3-Image batch succeeds?
Una risposta HTTP di successo non significa che ogni immagine richiesta sia riuscita. Ispezionare ogni elemento data per un risultato immagine o un errore, salvare gli output riusciti e gestire separatamente quelli falliti. Il contratto di risposta dell’API di MiniMax afferma che vengono addebitate solo le immagini riuscite. Gli URL delle immagini restituite non sono garantiti come permanentemente disponibili, quindi scaricare e archiviare gli asset necessari.
