Создавайте с CometAPIНужен один API для нескольких моделей?Протестируйте рабочий процесс в Playground, затем создайте API-ключ, когда модель и стоимость подойдут для вашего сценария.
Ознакомьтесь с нативным 16MP выводом MiniMax H3-Image, редактированием с 16 референсами, задержкой в режимах Standard и Highspeed, тарифами API и ограничениями развертывания.
Deon GoodwinКоманда исследователей AI-моделей и API
Выпущенная 11 ноября 2026 года MiniMax H3-Image — это модель с открытыми весами для генерации и редактирования изображений. Она порождает изображения примерно на 16 мегапикселей без внешнего апскейлера и принимает до 16 референсных изображений для редактирования. Основные применения — продуктовые визуалы, концепт-арт и композиции сцен из нескольких референсов.
API предлагает два варианта: Standard для меньшей стоимости и Highspeed для более низкой задержки. Опубликованные MiniMax результаты генерации текста-в-изображение в 4K показывают медианные времена 16.0 и 10.3 секунды соответственно.
Ключевые моменты
MiniMax H3-Image нативно генерирует изображения примерно 16MP, с шестью шагами сэмплирования и без внешнего апскейлера в документированном конвейере модели.
Редактирование в MiniMax H3-Image принимает до 16 референсных изображений, позволяя объединять продукты, персонажей, комнаты и планировки в одном запросе.
Проверено на ясность, указание источников и актуальную терминологию API.
Standard и Highspeed предлагают одни и те же документированные параметры и лимиты API; Highspeed обменивает более высокую цену за токены изображения на меньшую измеренную задержку.
CometAPI указывает H3-Image на 20% ниже регулярных тарифов MiniMax. MiniMax также предлагает отдельную временную скидку запуска 50% для подходящих 4K-запросов.
Открытые веса позволяют локальное развертывание по пользовательской лицензии. Нативный API поддерживает JPEG, PNG и WebP, но не поддерживает прозрачные фоны или масочные правки.
Что такое MiniMax H3-Image и как она работает?
MiniMax H3-Image построена на архитектуре MiniMax H3 и объединяет генерацию по тексту и редактирование на основе референсов в одном чекпойнте.
Архитектура MiniMax H3-Image
Официальное описание архитектуры выделяет три основных компонента: неизменённый текстовый энкодер H3 на базе Qwen3-VL, диффузионный трансформер на 33,1 млрд параметров с удалённой аудиоветвью и VAE для изображений. Число 33,1 млрд относится к диффузионному трансформеру, а не ко всем компонентам полного конвейера.
Основной модуль генерации изображений использует плотный трансформер единого потока, работающий с упакованными текстовыми и визуальными токенами. Его 50 слоёв обрабатывают визуальную информацию до предсказания целевого представления изображения.
VAE преобразует содержимое изображения в сжатое латентное представление и декодирует сгенерированное латентное в финальное изображение высокого разрешения.
Чекпойнт дистиллирован до шести шагов сэмплирования без classifier-free guidance. Хостинговый API MiniMax также использует улучшение промпта, превращая краткие инструкции в более детальное описание перед генерацией.
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
Модель использует диффузионный трансформер на 33,1 млрд параметров с 50 слоями, скрытой размерностью 5,376 и 56 головами внимания. Она генерирует изображения в шесть шагов сэмплирования без classifier-free guidance.
Каковы основные возможности MiniMax H3-Image?
Нативная генерация изображений в 4K и 16 мегапикселей
Выход 4096 × 4096 содержит 16,777,216 пикселей, что в 16 раз больше, чем у изображения 1024 × 1024.
В API MiniMax уровень 4K нацелен примерно на 16,8 млн пикселей, при этом размеры варьируются по соотношению сторон.
MiniMax H3-Image генерирует примерно 16,8MP изображения для распространённых соотношений сторон. Документированные размеры включают 4096 × 4096 при 1:1, 4736 × 3552 при 4:3, 5024 × 3360 при 3:2, 5472 × 3072 при 16:9 и 6272 × 2688 при 21:9.
Большее число пикселей особенно полезно, когда требуется кадрировать сгенерированное изображение, рассмотреть мелкие детали или подготовить несколько дизайнов из одной исходной композиции.
Фотореалистичные изображения и естественные текстуры
Опубликованные примеры MiniMax демонстрируют несколько визуальных стилей — от повседневной фотографии до сюрреалистичных редакционных композиций.
Примеры MiniMax показывают детальные текстуры, отражения и освещение в фотографических и стилизованных сценах. Для продуктовых изображений оценивайте текстуру материалов, форму, цвет и брендинг, используя собственные референсы.
Генерация с несколькими референсами — до 16 изображений
Вместо создания комнаты только по текстовому описанию пользователи могут предоставить фотографию пустого помещения вместе с отдельными изображениями мебели. Тогда модель сможет синтезировать меблированный интерьер на основе этих референсов.
Для каталога или кампании назначайте каждому референсу чёткую роль в промпте. Проверьте, сохраняет ли выход форма-фактор, цвет, брендинг и относительный масштаб продукта до того, как использовать его как финальный актив.
Пространственное понимание и редактирование по инструкциям
Одна официальная демонстрация начинается с плоской карты игры и генерирует окружение от первого лица на основе выбранной локации.
Задача требует большего, чем просто перенос стиля. Модель должна интерпретировать пространственные отношения между тропами, зданиями, водой и другими элементами окружения.
Для технических пользователей это создаёт возможности превращать грубые референсы в более полированные визуальные представления без ручной переработки каждой детали.
Развёртывание с открытыми весами и условия лицензии
Официальные инструкции по развёртыванию охватывают SGLang, vLLM-Omni, Diffusers и ComfyUI. Перечень компонентов включает диффузионный трансформер 66.28GB, VAE для изображений 2.34GB и отдельно скачиваемый текстовый энкодер 66.7GB. Это размеры файлов, а не гарантированное минимальное требование к памяти GPU.
Для коммерческого развёртывания сопоставьте сообщественную лицензию с вашей юрисдикцией, бизнес-моделью и выручкой. Её общий территориальный охват исключает США, Европейский союз, Великобританию и Южную Корею. Для предоставления хостингового сервиса третьим сторонам или если ваша годовая выручка и/или выручка аффилированных лиц превышает 1 млн долл. США, требуется отдельное предварительное письменное разрешение. Публично доступные веса не отменяют эти условия.
Насколько быстра MiniMax H3-Image?
MiniMax опубликовала подробное сравнение задержек для генерации текста-в-изображение и редактирования изображений при разных выходных разрешениях.
Результаты используют P50, или медианную задержку генерации, в секундах. Меньшие значения означают более быструю генерацию.
MiniMax приводит P50, или медианные, времена генерации. Аппаратная конфигурация, конкуррентность, размер выборки и границы измерений полностью не раскрыты, поэтому используйте эти цифры как ориентир для перечисленных конфигураций и тестируйте репрезентативные запросы, прежде чем формировать ожидания по времени ответа.
MiniMax H3-Image Standard vs Highspeed
Task
Resolution
Standard P50
Highspeed P50
Standard latency ÷ Highspeed latency
Text-to-image
1K
10.6 s
7.7 s
1.38×
Text-to-image
2K
10.5 s
7.6 s
1.38×
Text-to-image
4K
16.0 s
10.3 s
1.55×
Image edit, 1 reference
4K
18.2 s
12.5 s
1.46×
Image edit, 3 references
4K
21.4 s
14.4 s
1.49×
Например, 4K-изображение содержит в 16 раз больше пикселей, чем 1K, но время генерации в режиме Standard увеличивается с 10.6 до 16.0 секунд.
Когда стоит выбрать MiniMax H3-Image?
MiniMax H3-Image стоит рассмотреть, если вашему процессу нужны детальные статичные изображения высокого разрешения, несколько визуальных референсов или локальное развертывание.
Большие изображения для кадрирования и повторного использования. Нативный выход около 16 мегапикселей оставляет пространство для кадрирования композиции или создания нескольких макетов из одного изображения.
Сцены, собранные из нескольких референсов. Поддержка до 16 референсных изображений полезна для объединения продуктов, персонажей, мебели и окружений в одной композиции.
Локальное развертывание и кастомизация. Скачиваемые веса позволяют командам строить собственные конвейеры генерации в рамках лицензии MiniMax-H3-Image Community License. Варианты развёртывания и условия лицензии приведены ниже.
Перед выбором модели проверьте требуемый формат поставки. Нативный API выдаёт JPEG, PNG и WebP, но не поддерживает прозрачные фоны или масочные правки. Процессы, требующие прозрачных вырезов, точных масок, SVG-файлов или анимации, потребуют дополнительных инструментов или модели с соответствующими возможностями.
Для продуктовых и кампанийных задач протестируйте репрезентативное ТЗ и проверьте форму продукта, цвет, брендинг, корректность текста и согласованность по референсам. Сравните стоимость принятого актива с учётом регенераций и раундов правок.
Это примеры регулярных цен MiniMax с референсами 1024 × 1024 для редактирования; ваш счёт зависит от фактического потребления токенов, которое возвращается в полях usage ответа.
MiniMax launch offer: промо-акция прямого API снижает общую стоимость запроса на 50% для Standard и Highspeed, если доставленное изображение содержит не менее 16,600,000 пикселей, для подходящих запросов до 17 ноября 2026 года, 16:00 UTC. Одна лишь метка 4K не гарантирует право на скидку; соответствие определяется фактическими размерами доставленного изображения.
CometAPI pricing: CometAPI указывает H3-Image на 20% ниже регулярных ставок MiniMax. При том же потреблении токенов, что и в примере Standard 4K, это примерно $0.05503 за изображение ($0.06879 × 0.8). Это отдельно от акции MiniMax для прямого API; скидки здесь не суммируются.
Что следует проверить перед интеграцией MiniMax H3-Image?
Маршрут провайдера и идентификатор модели
Разработчики могут получить доступ к API MiniMax H3-Image в CometAPI с ID модели H3-image и ценами на 20% ниже регулярных тарифов MiniMax. Используйте документацию CometAPI для поддерживаемого эндпоинта и параметров, затем отслеживайте фактическое потребление токенов для оценки производственных затрат.
Для прямого доступа к MiniMax руководство по API документирует MiniMax-H3-Image и MiniMax-H3-Image-Highspeed. Генерация текста-в-изображение использует POST /v1/images/generations, а редактирование — POST /v1/images/edits. Оба поддерживают синхронные ответы с опциональной потоковой передачей готовых изображений.
Требования к выходу и производственный контроль
Перед крупной партией протестируйте небольшой набор репрезентативных ТЗ: детализированное продуктовое изображение, сцену с несколькими референсами и правку, которая должна сохранить существующий объект. Проверьте сохранение формы продукта, корректность текста, согласованность по референсам, время ответа и фактическое выставление usage.
Документированные ограничения нативного API включают масочные правки и прозрачные фоны. Сохранение PNG не делает фон прозрачным. Если ваше производство зависит от этих возможностей, заложите требование при выборе модели, а не обнаруживайте несоответствие после генерации.
Заключение
Сначала выберите рабочий процесс. H3-Image — кандидат, когда итоговый артефакт — большое растровое изображение, собранное из подробного брифа или нескольких референсов. Процесс, основанный на прозрачных вырезах, точных масках, векторной графике или анимации, требует другого набора возможностей.
Проведите репрезентативный пилот перед выбором Standard, Highspeed или локального развёртывания. Сравните принятые результаты, объём правок, сквозную задержку и стоимость. Это даст практическую основу для решения, улучшает ли модель ваш производственный процесс.
Чтобы оценить её в существующем мультимодельном процессе, начните с API MiniMax H3-Image в CometAPI и проверьте текущую конфигурацию маршрута перед масштабированием.
FAQ
Почему длинный промпт для H3-Image может терять детали?
Прямой API принимает до 32,000 символов Unicode, но при отключённом улучшении промпта эффективно учитывается около 4,096 токенов. Помещайте ключевые указания по объекту, композиции и сохранению элементов в начало. Если выход игнорирует ограничение, проверьте, было ли отключено улучшение и не выходили ли смысловые инструкции за этот эффективный диапазон.
Почему запрос размера для H3-Image возвращает HTTP 400?
Параметры размера используют два взаимоисключающих режима. Укажите размер как WIDTHxHEIGHT или не передавайте size (используйте авто) и применяйте aspect_ratio и area. Не отправляйте aspect_ratio или area вместе с явным size, даже со значением auto. Явные размеры также должны удовлетворять допустимым диапазонам площади и соотношения сторон.
Может ли H3-Image вернуть десять 4K-изображений в Base64?
Счётчик запроса поддерживает до десяти изображений, но для ответов Base64 есть лимит суммарной площади: 20,000,000 пикселей для PNG и 80,000,000 для JPEG или WebP. При 4096 × 4096 это допускает одно PNG или до четырёх JPEG/WebP изображений в одном Base64-ответе. Используйте ответы с URL или меньшие партии, если ваш запрос превысит эти лимиты.
Что, если только часть пакета H3-Image успешно сгенерирована?
Успешный HTTP-ответ не означает, что каждое запрошенное изображение удалось. Проверьте каждый элемент data на предмет результата изображения или ошибки, сохраните успешные выходы и обработайте неудачные элементы отдельно. Контракт ответа API MiniMax гласит, что взимается плата только за успешные изображения. Возвращаемые URL изображений не гарантировано остаются доступными, поэтому скачайте и сохраните нужные вам ресурсы.
