Construa com CometAPIPrecisa de uma API para vários modelos?Teste o fluxo no Playground e depois crie uma chave da API quando o modelo e o custo atenderem ao seu caso de uso.
Explore a saída nativa de 16 MP do MiniMax H3-Image, a edição com 16 referências, a latência Standard vs Highspeed, os preços da API e os limites de implantação.
Deon GoodwinEquipe de pesquisa de modelos e API de IA
Lançado em 11 de novembro de 2026, MiniMax H3-Image é um modelo de pesos abertos para geração e edição de imagens. Ele gera imagens com aproximadamente 16 megapixels sem upscaler externo e aceita até 16 imagens de referência para edição. Suas principais aplicações incluem visuais de produto, arte conceitual e composição de cenas com múltiplas referências.
A API oferece duas variantes: Standard, com menor custo, e Highspeed, com menor latência. Os resultados publicados pela MiniMax de texto para imagem em 4K mostram tempos medianos de geração de 16,0 segundos e 10,3 segundos, respectivamente.
Principais pontos
MiniMax H3-Image gera aproximadamente 16 MP nativamente, com seis etapas de amostragem e sem upscaler externo no pipeline do modelo documentado.
A edição no MiniMax H3-Image aceita até 16 imagens de referência, permitindo combinar produtos, personagens, cômodos e layouts em uma única solicitação.
Revisado para maior clareza, atribuição de fontes e terminologia de API atual.
Standard e Highspeed oferecem os mesmos parâmetros e limites de API documentados; Highspeed troca preços mais altos por token de imagem por menor latência medida.
A CometAPI lista o H3-Image com 20% abaixo das tarifas regulares da API da MiniMax. A MiniMax também oferece um desconto de lançamento separado e temporário de 50% para solicitações 4K elegíveis.
Pesos abertos permitem implantação local sob uma licença personalizada. A API nativa oferece suporte a JPEG, PNG e WebP, mas não a planos de fundo transparentes ou edições mascaradas.
O que é o MiniMax H3-Image e como funciona?
O MiniMax H3-Image se baseia na arquitetura MiniMax H3 e unifica a geração de imagem a partir de texto e a edição baseada em referências em um único checkpoint.
Arquitetura do MiniMax H3-Image
A descrição oficial da arquitetura identifica três componentes principais: um codificador de texto H3 inalterado baseado em Qwen3-VL, um transformer de difusão com 33,1 bilhões de parâmetros com o ramo de áudio removido e um VAE de imagem. O número 33,1B descreve o transformer de difusão, não todos os componentes do pipeline completo.
A espinha dorsal de geração de imagens usa um transformer denso de fluxo único que opera sobre tokens de texto e imagem empacotados. Suas 50 camadas processam informações visuais antes de prever a representação-alvo da imagem.
O VAE transforma o conteúdo da imagem em uma representação latente comprimida e decodifica o latente gerado em uma imagem final de alta resolução.
O checkpoint é destilado para seis etapas de amostragem sem classifier-free guidance (CFG). A API hospedada da MiniMax também utiliza aprimoramento de prompt para transformar instruções mais curtas em uma descrição mais detalhada antes da geração.
Geração nativa em torno de 16 MP; níveis de saída da API hospedada de 1K, 2K e 4K
Área máxima de saída personalizada da API
20.000.000 pixels
Imagens de referência
Até 16
Comprimento máximo do prompt na API
32.000 caracteres Unicode; cerca de 4.096 tokens têm efeito quando o aprimoramento de prompt está desativado
Imagens por solicitação de API
1–10; respostas Base64 têm limites adicionais de área total
Formatos de saída
JPEG, PNG, WebP
Intervalo de proporção de aspecto de saída da API
1:3 a 3:1
Variantes da API
Standard, Highspeed
Pesos do modelo
Download público
Licença
MiniMax-H3-Image Community License Agreement
O modelo usa um transformer de difusão com 33,1B de parâmetros, 50 camadas, tamanho oculto de 5.376 e 56 cabeças de atenção. Ele gera imagens em seis etapas de amostragem sem classifier-free guidance.
Quais são os principais recursos do MiniMax H3-Image?
Geração nativa de imagens 4K e 16 megapixels
Uma saída de 4096 × 4096 contém 16.777.216 pixels, o que é 16 vezes a contagem de pixels de uma imagem 1024 × 1024.
Na API da MiniMax, o nível 4K mira em aproximadamente 16,8 milhões de pixels, com dimensões que variam por proporção de aspecto.
O MiniMax H3-Image gera aproximadamente 16,8 MP em proporções de aspecto comuns. Tamanhos documentados incluem 4096 × 4096 em 1:1, 4736 × 3552 em 4:3, 5024 × 3360 em 3:2, 5472 × 3072 em 16:9 e 6272 × 2688 em 21:9.
Mais pixels são particularmente úteis quando criadores precisam recortar uma imagem gerada, inspecionar pequenos detalhes ou preparar vários designs a partir de uma composição original.
Imagens fotorrealistas e texturas naturais
Os exemplos publicados pela MiniMax demonstram vários estilos visuais, variando de fotografia do cotidiano a composições editoriais surreais.
Os exemplos da MiniMax mostram texturas detalhadas, reflexos e iluminação em cenas fotográficas e estilizadas. Para imagens de produto, avalie textura do material, forma, cor e branding usando suas próprias imagens de referência.
Geração com múltiplas referências com até 16 imagens
Em vez de criar um cômodo apenas com uma descrição em texto, os usuários podem fornecer uma fotografia de um cômodo vazio ao lado de imagens individuais de móveis. O modelo pode então sintetizar um interior mobiliado com base nessas referências.
Para um catálogo ou campanha, atribua a cada referência um papel claro no prompt. Verifique se a saída preserva a forma, a cor, o branding e a escala relativa do produto antes de tratá-la como um ativo finalizado.
Compreensão espacial e edição baseada em instruções
Uma demonstração oficial começa com um mapa de jogo plano e gera um ambiente em primeira pessoa com base em um local selecionado.
A tarefa requer mais do que uma simples transferência de estilo. O modelo deve interpretar relações espaciais entre caminhos, edifícios, água e outros elementos do ambiente.
Para usuários técnicos, isso cria oportunidades de converter referências grosseiras em representações visuais mais polidas sem reconstruir manualmente cada detalhe.
Implantação com pesos abertos e condições de licença
As instruções oficiais de implantação cobrem SGLang, vLLM-Omni, Diffusers e ComfyUI. Os componentes listados incluem um transformer de difusão de 66,28 GB, um VAE de imagem de 2,34 GB e um codificador de texto de 66,7 GB baixado separadamente. Esses são tamanhos de arquivo, não um requisito mínimo garantido de memória de GPU.
Para implantação comercial, verifique a licença comunitária em relação à sua localização, modelo de negócio e receita. Sua concessão territorial geral exclui Estados Unidos, União Europeia, Reino Unido e Coreia do Sul. Você precisa de autorização prévia por escrito separada para fornecer um serviço hospedado a terceiros, ou se sua receita anualizada e/ou a de suas afiliadas exceder US$1 million. Pesos disponibilizados para download público não removem essas condições.
Quão rápido é o MiniMax H3-Image?
A MiniMax publicou uma comparação detalhada de latência cobrindo geração de texto para imagem e edição de imagem em diferentes resoluções de saída.
Os resultados usam P50, ou latência mediana, em segundos. Valores menores indicam geração de imagem mais rápida.
A MiniMax relata tempos de geração P50, ou medianos. Hardware, concorrência, tamanho da amostra e limites de medição não são totalmente divulgados, portanto use essas cifras como referência para as configurações listadas e teste solicitações representativas antes de definir expectativas de tempo de resposta.
MiniMax H3-Image Standard vs Highspeed
Tarefa
Resolução
P50 Standard
P50 Highspeed
Latência Standard ÷ latência Highspeed
Texto para imagem
1K
10,6 s
7,7 s
1,38×
Texto para imagem
2K
10,5 s
7,6 s
1,38×
Texto para imagem
4K
16,0 s
10,3 s
1,55×
Edição de imagem, 1 ref.
4K
18,2 s
12,5 s
1,46×
Edição de imagem, 3 refs.
4K
21,4 s
14,4 s
1,49×
Por exemplo, a imagem 4K tem 16 vezes mais pixels do que a imagem 1K, mas o tempo de geração no modo Standard aumenta de 10,6 para 16,0 segundos.
Quando você deve escolher o MiniMax H3-Image?
O MiniMax H3-Image vale a pena quando seu fluxo de trabalho exige imagens estáticas detalhadas e de alta resolução, várias referências visuais ou implantação local.
Imagens grandes para recorte e reutilização. A saída nativa de aproximadamente 16 megapixels oferece espaço para recortar uma composição ou criar vários layouts a partir de uma imagem.
Cenas construídas a partir de múltiplas referências. Suporte para até 16 imagens de referência torna útil combinar produtos, personagens, móveis e ambientes em uma única composição.
Implantação local e customização. Pesos para download permitem que equipes construam seus próprios fluxos de geração sob a MiniMax-H3-Image Community License. Opções de implantação e condições de licença são abordadas abaixo.
Verifique o formato de entrega exigido antes de escolher o modelo. A API nativa exporta JPEG, PNG e WebP, mas não oferece suporte a planos de fundo transparentes ou edições mascaradas. Fluxos que exigem recortes transparentes, revisões mascaradas precisas, arquivos SVG ou animação precisam de ferramentas adicionais ou de um modelo que ofereça essas capacidades.
Para trabalhos de produto e campanha, teste um briefing representativo e verifique forma do produto, cor, branding, precisão de texto e consistência entre referências. Compare o custo de um ativo aceito, incluindo possíveis rodadas de regeneração e edição.
Estes são exemplos de preço regular da MiniMax, com referências de 1024 × 1024 para edição; sua cobrança depende do uso real de tokens, retornado nos campos de uso da resposta.
Oferta de lançamento da MiniMax: A promoção via API direta reduz o custo total da solicitação em 50% para Standard e Highspeed quando a imagem entregue contém pelo menos 16.600.000 pixels, para solicitações elegíveis antes de 17 de novembro de 2026, às 16:00 UTC. Um rótulo 4K por si só não estabelece elegibilidade; as dimensões entregues determinam se o desconto se aplica.
Preços na CometAPI:A CometAPI lista o H3-Image com 20% abaixo das tarifas regulares da MiniMax. Com o mesmo uso de tokens do exemplo 4K Standard, isso é aproximadamente $0.05503 por imagem ($0.06879 × 0.8). Isso é separado da oferta de lançamento via API direta da MiniMax; os descontos não são combinados aqui.
O que você deve verificar antes de integrar o MiniMax H3-Image?
Rota do provedor e identificador do modelo
Os desenvolvedores podem acessar a API do MiniMax H3-Image na CometAPI com o ID de modelo H3-image e preços 20% abaixo das tarifas regulares da API da MiniMax. Use a documentação da CometAPI para o endpoint e os parâmetros suportados e acompanhe o uso real de tokens para estimar custos de produção.
Para acesso direto à MiniMax, o guia da API documenta MiniMax-H3-Image e MiniMax-H3-Image-Highspeed. Texto para imagem usa POST /v1/images/generations, e edição usa POST /v1/images/edits. Ambos suportam respostas síncronas, com streaming opcional de imagens concluídas.
Requisitos de saída e revisão de produção
Antes de um lote maior, teste um pequeno conjunto de briefings representativos: uma imagem de produto detalhada, uma cena com múltiplas referências e uma edição que deve preservar um sujeito existente. Revise fidelidade do produto, precisão do texto, consistência de referências, tempo de resposta e uso efetivamente faturado.
As limitações documentadas da API nativa incluem edições mascaradas e planos de fundo transparentes. Salvar um PNG não torna seu plano de fundo transparente. Se seu briefing de produção depender de qualquer uma dessas capacidades, inclua esse requisito na seleção do modelo em vez de descobrir a incompatibilidade após a geração.
Conclusão
Escolha primeiro o fluxo de trabalho. O H3-Image é um candidato quando o entregável é uma imagem raster grande montada a partir de um briefing detalhado ou de várias referências. Um fluxo baseado em recortes transparentes, máscaras precisas, vetores ou animação exige outro conjunto de capacidades.
Execute um piloto representativo antes de escolher Standard, Highspeed ou implantação local. Compare saídas aceitas, esforço de edição, latência de ponta a ponta e custo faturado. Isso oferece uma base prática para decidir se o modelo melhora seu processo de produção.
Para avaliá-lo em um fluxo existente com múltiplos modelos, comece com a API MiniMax H3-Image na CometAPI e verifique a configuração de rota atual antes de escalar.
Perguntas frequentes
Por que um prompt longo do H3-Image pode perder detalhes?
A API direta aceita até 32.000 caracteres Unicode, mas desabilitar o aprimoramento de prompt limita a entrada efetiva a cerca de 4.096 tokens. Coloque instruções essenciais de assunto, layout e preservação no início. Se uma saída perder uma restrição, verifique se o aprimoramento estava desativado e se as instruções significativas ultrapassaram esse intervalo efetivo.
Por que uma solicitação de tamanho do H3-Image retorna HTTP 400?
Os parâmetros de tamanho usam dois modos mutuamente exclusivos. Forneça size como WIDTHxHEIGHT, ou deixe size omitido/auto e use aspect_ratio e area. Não envie aspect_ratio ou area com um size explícito, mesmo com o valor auto. Dimensões explícitas também devem satisfazer os intervalos permitidos de área e proporção de aspecto.
O H3-Image pode retornar dez imagens 4K como Base64?
A contagem da solicitação suporta até dez imagens, mas respostas Base64 têm um limite de área total: 20.000.000 pixels para PNG e 80.000.000 para JPEG ou WebP. Em 4096 × 4096, isso permite um PNG ou até quatro imagens JPEG/WebP por resposta Base64. Use respostas por URL ou lotes menores quando sua solicitação exceder esses limites.
E se apenas parte de um lote do H3-Image for bem-sucedida?
Uma resposta HTTP bem-sucedida não significa que cada imagem solicitada foi bem-sucedida. Inspecione cada item de data para um resultado de imagem ou um erro, salve as saídas bem-sucedidas e trate itens com falha separadamente. O contrato de resposta da API da MiniMax afirma que apenas imagens bem-sucedidas são cobradas. URLs de imagens retornadas não têm disponibilidade garantida, portanto faça o download e armazene os ativos de que você precisa.
