2026년 11월 11일에 공개된 MiniMax H3-Image는 이미지 생성과 편집을 위한 오픈 웨이트 모델입니다. 외부 업스케일러 없이 약 1,600만 화소로 이미지를 생성하며, 편집용 참조 이미지를 최대 16장까지 받을 수 있습니다. 주요 활용 분야는 제품 비주얼, 컨셉 아트, 다중 레퍼런스를 활용한 장면 합성입니다.
API는 Standard와 Highspeed 두 가지 변형을 제공합니다. MiniMax가 공개한 4K 텍스트-투-이미지 결과의 중앙값 생성 시간은 각각 16.0초와 10.3초입니다.
핵심 요약
문서화된 모델 파이프라인에서 외부 업스케일러 없이 6회 샘플링 스텝으로 약 16MP 이미지를 네이티브로 생성합니다.
편집 기능은 최대 16장의 참조 이미지를 지원하여 제품, 캐릭터, 실내, 레이아웃 등을 한 번의 요청으로 결합할 수 있습니다.
Standard와 Highspeed는 문서상 동일한 API 파라미터와 제한을 제공하며, Highspeed는 더 높은 이미지 토큰 단가와 맞바꾸고 낮은 지연시간을 제공합니다.
CometAPI는 H3-Image 가격을 MiniMax의 일반 API 요율 대비 20% 낮게 책정합니다. MiniMax는 적격 4K 요청에 대해 별도의 한시적 50% 출시 할인도 제공합니다.
오픈 웨이트는 커스텀 라이선스 하에 로컬 배포를 가능하게 합니다. 네이티브 API는 JPEG, PNG, WebP를 지원하지만 투명 배경이나 마스크 편집은 지원하지 않습니다.
MiniMax H3-Image는 MiniMax H3 아키텍처를 기반으로 하며, 텍스트-투-이미지 생성과 참조 기반 편집을 단일 체크포인트로 통합합니다.
MiniMax H3-Image 아키텍처
공식 아키텍처 설명에 따르면, 변경되지 않은 Qwen3-VL 기반 H3 텍스트 인코더, 오디오 브랜치가 제거된 331억 파라미터 디퓨전 트랜스포머, 이미지 VAE의 세 가지 주요 구성요소로 이루어져 있습니다. 331억 파라미터 수치는 전체 파이프라인이 아닌 디퓨전 트랜스포머를 지칭합니다.
이미지 생성 백본은 텍스트 및 이미지 토큰을 함께 패킹해 처리하는 조밀한 단일 스트림 트랜스포머를 사용합니다. 50개 레이어가 시각 정보를 처리한 뒤 목표 이미지 표현을 예측합니다.
VAE는 이미지 콘텐츠를 압축된 잠재 표현으로 변환하고, 생성된 잠재를 최종 고해상도 이미지로 디코딩합니다.
체크포인트는 classifier-free guidance 없이 6회 샘플링 스텝으로 디스틸되었습니다. MiniMax의 호스티드 API는 또한 짧은 지시문을 생성 전 더 자세한 설명으로 확장하는 프롬프트 강화 기능을 사용합니다.
텍스트만으로 방을 생성하는 대신, 빈 방 사진과 개별 가구 이미지를 함께 제공할 수 있습니다. 그러면 모델이 해당 참조들을 바탕으로 가구가 배치된 실내를 합성합니다.
카탈로그나 캠페인의 경우, 프롬프트에서 각 참조의 역할을 명확히 지정하세요. 산출물이 제품의 형태, 색상, 브랜딩, 상대적 크기를 보존하는지 확인한 뒤 최종 에셋으로 사용하세요.
공간 이해와 지시 기반 편집
한 공식 데모에서는 평면 게임 지도를 출발점으로 삼아 선택 위치를 기준으로 1인칭 환경을 생성합니다.
이 작업은 단순한 스타일 전환 그 이상을 요구합니다. 모델은 길, 건물, 수역 및 기타 환경 요소 간의 공간적 관계를 해석해야 합니다.
기술 사용자에게 이는 대략적인 참조를 보다 정교한 시각 표현으로 변환할 기회를 제공하며, 모든 디테일을 수작업으로 재구축할 필요가 줄어듭니다.
오픈 웨이트 배포와 라이선스 조건
공식 배포 가이드는 SGLang, vLLM-Omni, Diffusers, ComfyUI를 다룹니다. 나열된 구성요소는 66.28GB 디퓨전 트랜스포머, 2.34GB 이미지 VAE, 별도 다운로드되는 66.7GB 텍스트 인코더를 포함합니다. 이는 파일 크기이며 최소 GPU 메모리 요구사항을 보장하지는 않습니다.
상업적 배포를 위해서는 커뮤니티 라이선스를 거주 지역, 비즈니스 모델, 매출과 대조해 확인하세요. 일반적인 지역 허용 범위는 미국, 유럽연합, 영국, 대한민국을 제외합니다. 제3자에게 호스티드 서비스를 제공하려면, 또는 귀사 및/또는 계열사의 연간 환산 매출이 미화 100만 달러를 초과하는 경우 사전 서면 승인이 필요합니다. 공개 다운로드 가능한 웨이트라고 해도 이러한 조건은 여전히 적용됩니다.
MiniMax H3-Image는 얼마나 빠른가요?
MiniMax는 서로 다른 출력 해상도에서 텍스트-투-이미지 생성 및 이미지 편집에 대한 상세한 지연시간 비교를 공개했습니다.
결과는 P50, 즉 중앙값 생성 지연시간(초)입니다. 값이 낮을수록 이미지 생성이 더 빠릅니다.
MiniMax는 P50, 즉 중앙값 생성 시간을 보고합니다. 하드웨어, 동시성, 샘플 크기, 타이밍 경계가 완전히 공개되지 않았으므로, 여기에 제시된 구성에서의 참고치로 사용하고, 응답 시간 기대치를 정하기 전에 대표 요청으로 테스트하세요.
MiniMax H3-Image Standard vs Highspeed
작업
해상도
Standard P50
Highspeed P50
Standard 지연시간 ÷ Highspeed 지연시간
텍스트-투-이미지
1K
10.6 s
7.7 s
1.38×
텍스트-투-이미지
2K
10.5 s
7.6 s
1.38×
텍스트-투-이미지
4K
16.0 s
10.3 s
1.55×
이미지 편집, 참조 1장
4K
18.2 s
12.5 s
1.46×
이미지 편집, 참조 3장
4K
21.4 s
14.4 s
1.49×
예를 들어, 4K 이미지는 1K 이미지보다 픽셀이 16배 많지만 Standard 모드 생성 시간은 10.6초에서 16.0초로 증가합니다.
언제 MiniMax H3-Image를 선택해야 할까요?
MiniMax H3-Image는 워크플로가 정밀한 고해상도 정지 이미지, 여러 개의 시각적 참조, 또는 로컬 배포를 필요로 할 때 고려할 만합니다.
크롭과 재사용을 위한 대형 이미지. 약 1,600만 화소의 네이티브 출력을 통해 한 이미지를 크롭하거나 하나의 합성에서 여러 레이아웃을 만들 수 있는 여유가 생깁니다.
여러 레퍼런스로 구성된 장면. 최대 16장의 참조 이미지를 지원하므로, 제품, 캐릭터, 가구, 환경을 하나의 합성에 결합하기에 유용합니다.
로컬 배포와 커스터마이즈. 다운로드 가능한 웨이트를 통해 MiniMax-H3-Image 커뮤니티 라이선스 하에서 자체 생성 워크플로를 구축할 수 있습니다. 배포 옵션과 라이선스 조건은 아래에 설명되어 있습니다.
모델을 선택하기 전에 요구되는 납품 포맷을 확인하세요. 네이티브 API는 JPEG, PNG, WebP를 출력하지만, 투명 배경이나 마스크 편집은 지원하지 않습니다. 투명 컷아웃, 정밀 마스크 수정, SVG 파일, 애니메이션이 필요한 워크플로는 추가 도구나 해당 기능을 지원하는 모델이 필요합니다.
제품 및 캠페인 작업에서는 대표 브리프를 테스트하고, 제품 형태, 색상, 브랜딩, 텍스트 정확도, 참조 간 일관성을 점검하세요. 수용 가능한 에셋의 비용을 재생성 및 편집 라운드까지 포함해 비교하세요.
위 표는 MiniMax의 일반가 예시이며, 편집 시 1024 × 1024 참조를 기준으로 합니다. 실제 청구액은 응답의 usage 필드에 반환되는 실제 토큰 사용량에 따라 달라집니다.
MiniMax 출시 프로모션:직접 API 프로모션은 제공된 이미지가 16,600,000픽셀 이상일 경우 Standard와 Highspeed 모두에서 총 요청 비용을 50% 감면합니다(적격 요청, 2026년 11월 17일 16:00 UTC 이전). 단순히 4K 라벨만으로는 적격성이 보장되지 않으며, 실제 전달 치수가 할인을 적용할지 결정합니다.
개발자는 CometAPI의 MiniMax H3-Image API에 model ID H3-image와 MiniMax 일반 API 요율 대비 20% 인하된 가격으로 접근할 수 있습니다. CometAPI 문서를 통해 지원 엔드포인트와 파라미터를 확인하고, 실제 토큰 사용량을 추적해 운영 비용을 추정하세요.
MiniMax에 직접 접근하는 경우, API 가이드는 MiniMax-H3-Image와 MiniMax-H3-Image-Highspeed를 문서화합니다. 텍스트-투-이미지는 POST /v1/images/generations, 편집은 POST /v1/images/edits를 사용합니다. 두 방식 모두 동기식 응답을 지원하며, 완료된 이미지의 선택적 스트리밍을 제공합니다.
출력 요구사항과 운영 검토
대량 진행 전에 대표 브리프 소량을 테스트하세요: 상세한 제품 이미지, 다중 레퍼런스 장면, 기존 피사체 보존이 필요한 편집. 제품 충실도, 텍스트 정확도, 참조 일관성, 응답 시간, 실제 청구 사용량을 검토합니다.
네이티브 API의 문서화된 제한에는 마스크 편집과 투명 배경이 포함됩니다. PNG로 저장해도 배경이 자동으로 투명해지지 않습니다. 생산 브리프가 두 기능 중 하나에 의존한다면, 생성 이후에 불일치를 발견하기보다는 모델 선택 단계에서 요구사항을 반영하세요.
결론
워크플로부터 정하세요. H3-Image는 상세한 브리프나 여러 참조로 조립한 대형 래스터 이미지가 납품물일 때 적합한 후보입니다. 투명 컷아웃, 정밀 마스크, 벡터, 애니메이션 중심의 워크플로에는 다른 기능 세트가 필요합니다.
Standard, Highspeed, 로컬 배포 중 무엇을 선택할지 결정하기 전에 대표 파일럿을 실행하세요. 수용된 출력, 편집 노력, 종단 간 지연시간, 청구 비용을 비교하면, 모델이 실제로 생산 프로세스를 개선하는지 판단할 수 있습니다.
직접 API는 유니코드 32,000자까지 허용하지만, 프롬프트 강화 비활성화 시 유효 입력이 약 4,096 토큰으로 제한됩니다. 핵심 피사체, 레이아웃, 보존 지시를 앞부분에 배치하세요. 출력이 제약을 놓쳤다면, 강화가 비활성화되어 있었는지와 의미 있는 지시가 해당 유효 범위를 초과했는지 확인하세요.
H3-Image 크기 요청이 왜 HTTP 400을 반환하나요?
크기 파라미터는 상호 배타적인 두 모드를 사용합니다. size는 WIDTHxHEIGHT로 제공하거나, size를 생략/auto로 두고 aspect_ratio 및 area를 사용하세요. 명시적 size와 함께 aspect_ratio나 area를 보내지 마세요(값이 auto여도 안 됨). 명시적 치수는 허용된 면적 및 종횡비 범위를 만족해야 합니다.
H3-Image가 4K 이미지를 10장 Base64로 반환할 수 있나요?
요청 개수는 최대 10장을 지원하지만, Base64 응답에는 총 면적 상한이 있습니다: PNG는 20,000,000픽셀, JPEG 또는 WebP는 80,000,000픽셀입니다. 4096 × 4096의 경우, Base64 응답으로 PNG는 1장, JPEG/WebP는 최대 4장까지 허용됩니다. 해당 한도를 초과하는 요청이라면 URL 응답을 사용하거나 배치를 더 작게 나누세요.
H3-Image 배치의 일부만 성공하면 어떻게 하나요?
HTTP 응답이 성공이라고 해서 요청한 모든 이미지가 성공했다는 의미는 아닙니다. 각 data 항목에서 이미지 결과 또는 오류를 점검하고, 성공한 출력은 저장하고, 실패 항목은 별도로 처리하세요. MiniMax의 API 응답 계약에 따르면 성공한 이미지에 대해서만 과금됩니다. 반환된 이미지 URL의 지속 가능성은 보장되지 않으므로, 필요한 에셋은 다운로드해 보관하세요.
