Xây dựng với CometAPICần một API cho nhiều mô hình?Kiểm thử quy trình trong Playground, sau đó tạo API key khi mô hình và chi phí phù hợp với trường hợp sử dụng của bạn.
Phát hành ngày 11 tháng 11 năm 2026, MiniMax H3-Image là mô hình có trọng số mở dành cho tạo và chỉnh sửa hình ảnh. Mô hình tạo ảnh khoảng 16 megapixel mà không cần bộ nâng cấp bên ngoài và chấp nhận tối đa 16 ảnh tham chiếu để chỉnh sửa. Ứng dụng chính gồm hình ảnh sản phẩm, concept art và dựng cảnh từ nhiều tham chiếu.
API có hai biến thể: Standard (chi phí thấp hơn) và Highspeed (độ trễ thấp hơn). Kết quả văn bản‑sang‑hình ảnh 4K do MiniMax công bố cho thấy thời gian tạo trung vị lần lượt là 16,0 giây và 10,3 giây.
Điểm chính
MiniMax H3-Image tạo ảnh gốc khoảng 16MP, với sáu bước lấy mẫu và không có bộ nâng cấp ngoài trong pipeline mô hình đã công bố.
Chỉnh sửa bằng MiniMax H3-Image chấp nhận tối đa 16 ảnh tham chiếu, cho phép kết hợp sản phẩm, nhân vật, phòng và bố cục trong một yêu cầu.
Standard và Highspeed có cùng tham số và giới hạn API được ghi nhận; Highspeed đánh đổi giá token hình ảnh cao hơn để lấy độ trễ thấp hơn.
Đã được xem xét về độ rõ ràng, ghi nguồn và thuật ngữ API hiện tại.
CometAPI niêm yết H3-Image thấp hơn 20% so với mức giá API thông thường của MiniMax. MiniMax cũng cung cấp ưu đãi ra mắt tạm thời giảm 50% cho các yêu cầu 4K đủ điều kiện.
Trọng số mở cho phép triển khai cục bộ theo giấy phép tùy chỉnh. API gốc hỗ trợ JPEG, PNG và WebP, nhưng không hỗ trợ nền trong suốt hoặc chỉnh sửa theo mặt nạ.
MiniMax H3-Image là gì và hoạt động như thế nào?
MiniMax H3-Image xây dựng dựa trên kiến trúc MiniMax H3 và hợp nhất tạo ảnh từ văn bản và chỉnh sửa dựa trên tham chiếu trong một checkpoint duy nhất.
Kiến trúc MiniMax H3-Image
Mô tả kiến trúc chính thức xác định ba thành phần chính: bộ mã hóa văn bản H3 không đổi dựa trên Qwen3-VL, một diffusion transformer 33.1 tỷ tham số đã bỏ nhánh âm thanh, và một VAE hình ảnh. Con số 33.1B mô tả diffusion transformer, không phải mọi thành phần trong toàn bộ pipeline.
Backbone tạo ảnh sử dụng transformer dày, luồng đơn, hoạt động trên các token văn bản và hình ảnh được đóng gói. 50 lớp của nó xử lý thông tin thị giác trước khi dự đoán biểu diễn hình ảnh mục tiêu.
VAE biến đổi nội dung hình ảnh thành biểu diễn latent nén và giải mã latent đã tạo thành ảnh có độ phân giải cao cuối cùng.
Checkpoint được chưng cất còn sáu bước lấy mẫu, không dùng classifier‑free guidance. API được MiniMax lưu trữ cũng sử dụng tăng cường prompt để biến hướng dẫn ngắn hơn thành mô tả chi tiết hơn trước khi tạo.
Tạo gốc khoảng 16MP; các bậc đầu ra API là 1K, 2K và 4K
Diện tích đầu ra tối đa tùy chỉnh API
20,000,000 pixels
Ảnh tham chiếu
Tối đa 16
Độ dài prompt tối đa của API
32,000 ký tự Unicode; khoảng 4,096 token có hiệu lực khi tắt tăng cường prompt
Số ảnh mỗi yêu cầu API
1–10; phản hồi Base64 có thêm giới hạn tổng diện tích
Định dạng đầu ra
JPEG, PNG, WebP
Phạm vi tỉ lệ khung hình đầu ra của API
1:3 đến 3:1
Biến thể API
Standard, Highspeed
Trọng số mô hình
Có thể tải xuống công khai
Giấy phép
MiniMax-H3-Image Community License Agreement
Mô hình sử dụng một diffusion transformer 33.1B tham số với 50 lớp, kích thước ẩn 5,376 và 56 attention head. Nó tạo ảnh trong sáu bước lấy mẫu mà không có classifier‑free guidance.
Các tính năng chính của MiniMax H3-Image là gì?
Tạo ảnh 4K gốc và 16 megapixel
Một đầu ra 4096 × 4096 chứa 16,777,216 pixel, tức gấp 16 lần số pixel của ảnh 1024 × 1024.
Trong API của MiniMax, bậc 4K nhắm đến khoảng 16,8 triệu pixel, với kích thước thay đổi theo tỉ lệ khung hình.
MiniMax H3-Image tạo khoảng 16,8MP trên các tỉ lệ khung hình phổ biến. Kích thước được ghi nhận gồm 4096 × 4096 ở 1:1, 4736 × 3552 ở 4:3, 5024 × 3360 ở 3:2, 5472 × 3072 ở 16:9 và 6272 × 2688 ở 21:9.
Nhiều pixel đặc biệt hữu ích khi người sáng tạo cần cắt ảnh đã tạo, kiểm tra chi tiết nhỏ, hoặc chuẩn bị nhiều thiết kế từ một bố cục gốc.
Ảnh chân thực và chất liệu tự nhiên
Ví dụ được MiniMax công bố thể hiện nhiều phong cách thị giác, từ nhiếp ảnh đời thường đến các bố cục biên tập siêu thực.
Ví dụ của MiniMax cho thấy chất liệu chi tiết, phản xạ và ánh sáng trên các cảnh chụp và phong cách hóa. Với hình ảnh sản phẩm, hãy đánh giá chất liệu, hình dáng, màu sắc và branding bằng chính ảnh tham chiếu của bạn.
Thay vì tạo một căn phòng chỉ từ mô tả văn bản, người dùng có thể cung cấp ảnh chụp căn phòng trống cùng với từng ảnh nội thất riêng lẻ. Mô hình sau đó có thể tổng hợp một không gian đã bày trí dựa trên các tham chiếu đó.
Đối với catalog hoặc chiến dịch, hãy gán cho mỗi tham chiếu một vai trò rõ ràng trong prompt. Xem xét liệu đầu ra có giữ được hình dáng, màu sắc, branding và tỷ lệ tương đối của sản phẩm trước khi coi đó là tài sản hoàn thiện.
Hiểu biết không gian và chỉnh sửa dựa trên hướng dẫn
Một bản demo chính thức bắt đầu với bản đồ game phẳng và tạo môi trường góc nhìn thứ nhất dựa trên vị trí đã chọn.
Nhiệm vụ này đòi hỏi nhiều hơn là chuyển đổi phong cách đơn giản. Mô hình phải diễn giải mối quan hệ không gian giữa đường đi, tòa nhà, mặt nước và các yếu tố môi trường khác.
Đối với người dùng kỹ thuật, điều này mở ra cơ hội chuyển các tham chiếu thô thành biểu diễn thị giác tinh chỉnh hơn mà không phải dựng lại mọi chi tiết thủ công.
Triển khai trọng số mở và điều kiện giấy phép
Hướng dẫn triển khai chính thức bao gồm SGLang, vLLM-Omni, Diffusers và ComfyUI. Các thành phần liệt kê gồm diffusion transformer 66.28GB, image VAE 2.34GB, và bộ mã hóa văn bản 66.7GB tải xuống riêng. Đây là kích thước tệp, không phải yêu cầu tối thiểu về bộ nhớ GPU được đảm bảo.
Với triển khai thương mại, hãy kiểm tra giấy phép cộng đồng theo vị trí, mô hình kinh doanh và doanh thu của bạn. Quyền cấp lãnh thổ chung loại trừ United States, European Union, United Kingdom và South Korea. Bạn cần chấp thuận trước bằng văn bản riêng để cung cấp dịch vụ hosted cho bên thứ ba, hoặc nếu doanh thu quy đổi theo năm của bạn và/hoặc của các công ty liên kết vượt quá US$1 million. Trọng số có thể tải xuống công khai không loại bỏ các điều kiện này.
MiniMax H3-Image nhanh đến mức nào?
MiniMax công bố so sánh độ trễ chi tiết bao gồm tạo ảnh từ văn bản và chỉnh sửa ảnh ở các độ phân giải đầu ra khác nhau.
Kết quả sử dụng P50, hay trung vị, độ trễ tạo tính theo giây. Giá trị thấp hơn biểu thị tốc độ tạo ảnh nhanh hơn.
MiniMax báo cáo thời gian tạo P50, tức trung vị. Phần cứng, đồng thời, cỡ mẫu và ranh giới đo thời gian không được công bố đầy đủ, vì vậy hãy dùng các con số này làm tham chiếu cho cấu hình liệt kê và kiểm thử các yêu cầu đại diện trước khi đặt kỳ vọng thời gian phản hồi.
MiniMax H3-Image Standard vs Highspeed
Tác vụ
Độ phân giải
Standard P50
Highspeed P50
Độ trễ Standard ÷ độ trễ Highspeed
Văn bản‑sang‑hình ảnh
1K
10.6 s
7.7 s
1.38×
Văn bản‑sang‑hình ảnh
2K
10.5 s
7.6 s
1.38×
Văn bản‑sang‑hình ảnh
4K
16.0 s
10.3 s
1.55×
Chỉnh sửa ảnh, 1 tham chiếu
4K
18.2 s
12.5 s
1.46×
Chỉnh sửa ảnh, 3 tham chiếu
4K
21.4 s
14.4 s
1.49×
Ví dụ, ảnh 4K có số pixel gấp 16 lần so với ảnh 1K, nhưng thời gian tạo ở chế độ Standard chỉ tăng từ 10.6 lên 16.0 giây.
Khi nào bạn nên chọn MiniMax H3-Image?
MiniMax H3-Image đáng cân nhắc khi quy trình của bạn cần ảnh tĩnh độ chi tiết cao, nhiều tham chiếu thị giác hoặc triển khai cục bộ.
Large images for cropping and reuse. Đầu ra gốc khoảng 16 megapixel cung cấp không gian để cắt bố cục hoặc tạo nhiều layout từ một ảnh.
Scenes built from multiple references. Hỗ trợ tối đa 16 ảnh tham chiếu hữu ích để kết hợp sản phẩm, nhân vật, nội thất và môi trường trong một bố cục duy nhất.
Local deployment and customization. Trọng số có thể tải xuống cho phép đội ngũ xây dựng workflow tạo riêng theo MiniMax-H3-Image Community License. Tùy chọn triển khai và điều kiện giấy phép được đề cập bên dưới.
Hãy kiểm tra định dạng bàn giao yêu cầu trước khi chọn mô hình. API gốc xuất JPEG, PNG và WebP, nhưng không hỗ trợ nền trong suốt hoặc chỉnh sửa theo mặt nạ. Workflow cần tách nền trong suốt, sửa chính xác theo mặt nạ, tệp SVG hoặc hoạt hình sẽ cần công cụ bổ sung hoặc mô hình hỗ trợ các khả năng đó.
Với công việc sản phẩm và chiến dịch, hãy thử một brief đại diện và kiểm tra hình dáng sản phẩm, màu sắc, branding, độ chính xác văn bản và tính nhất quán giữa các tham chiếu. So sánh chi phí cho một tài sản được chấp nhận, bao gồm mọi lần tạo lại và các vòng chỉnh sửa.
Đây là ví dụ giá thông thường của MiniMax, với tham chiếu 1024 × 1024 cho chỉnh sửa; hóa đơn của bạn phụ thuộc vào mức sử dụng token thực tế, được trả về trong trường usage của phản hồi.
Ưu đãi ra mắt của MiniMax: Khuyến mãi trực tiếp qua API cắt 50% tổng chi phí yêu cầu cho Standard và Highspeed khi ảnh bàn giao chứa ít nhất 16,600,000 pixel, áp dụng cho các yêu cầu đủ điều kiện trước ngày November 17, 2026, lúc 16:00 UTC. Nhãn 4K riêng lẻ không đảm bảo đủ điều kiện; kích thước bàn giao quyết định việc áp dụng ưu đãi.
Bạn nên kiểm tra gì trước khi tích hợp MiniMax H3-Image?
Route nhà cung cấp và định danh mô hình
Nhà phát triển có thể truy cập MiniMax H3-Image API trong CometAPI với model ID H3-image và mức giá thấp hơn 20% so với giá API thông thường của MiniMax. Sử dụng tài liệu CometAPI cho endpoint và tham số được hỗ trợ, sau đó theo dõi mức sử dụng token thực để ước tính chi phí vận hành.
Với truy cập trực tiếp MiniMax, hướng dẫn API ghi nhận MiniMax-H3-Image và MiniMax-H3-Image-Highspeed. Văn bản‑sang‑hình ảnh dùng POST /v1/images/generations, và chỉnh sửa dùng POST /v1/images/edits. Cả hai hỗ trợ phản hồi đồng bộ, với tùy chọn stream ảnh hoàn tất.
Yêu cầu đầu ra và rà soát sản xuất
Trước khi chạy lô lớn, hãy thử một tập nhỏ các brief đại diện: ảnh sản phẩm chi tiết, một cảnh nhiều tham chiếu và một chỉnh sửa phải bảo toàn đối tượng hiện có. Rà soát độ trung thực sản phẩm, độ chính xác văn bản, tính nhất quán tham chiếu, thời gian phản hồi và mức sử dụng thực được tính phí.
Các hạn chế của API gốc gồm chỉnh sửa theo mặt nạ và nền trong suốt. Lưu PNG không làm nền trở nên trong suốt. Nếu brief sản xuất phụ thuộc vào bất kỳ khả năng nào trong số đó, hãy đưa yêu cầu đó vào chọn mô hình thay vì phát hiện ra sự không khớp sau khi tạo.
Kết luận
Hãy chọn workflow trước. H3-Image là ứng viên khi deliverable là ảnh raster lớn được lắp ghép từ brief chi tiết hoặc nhiều tham chiếu. Một workflow xoay quanh tách nền trong suốt, mặt nạ chính xác, vector hoặc hoạt hình đòi hỏi tập khả năng khác.
Chạy thử nghiệm đại diện trước khi chọn Standard, Highspeed hoặc triển khai cục bộ. So sánh đầu ra được chấp nhận, công sức chỉnh sửa, độ trễ đầu cuối và chi phí tính phí. Điều đó cho bạn cơ sở thực tế để quyết định liệu mô hình có cải thiện quy trình sản xuất của bạn hay không.
Để đánh giá trong một workflow đa mô hình hiện có, hãy bắt đầu với MiniMax H3-Image API trong CometAPI và xác minh cấu hình route hiện tại trước khi mở rộng.
Câu hỏi thường gặp
Tại sao prompt dài của H3-Image có thể mất chi tiết?
API trực tiếp chấp nhận tối đa 32,000 ký tự Unicode, nhưng tắt tăng cường prompt giới hạn đầu vào hiệu dụng còn khoảng 4,096 token. Đưa các hướng dẫn cốt lõi về chủ thể, bố cục và yêu cầu bảo toàn lên đầu. Nếu đầu ra bỏ sót một ràng buộc, hãy kiểm tra liệu tăng cường có bị tắt và liệu hướng dẫn quan trọng có vượt quá phạm vi hiệu dụng đó hay không.
Vì sao yêu cầu kích thước H3-Image trả về HTTP 400?
Tham số size dùng hai chế độ loại trừ lẫn nhau. Cung cấp size theo WIDTHxHEIGHT, hoặc bỏ/auto size và dùng aspect_ratio và area. Không gửi aspect_ratio hoặc area cùng với size tường minh, kể cả khi giá trị là auto. Kích thước tường minh cũng phải thỏa các phạm vi diện tích và tỉ lệ khung hình cho phép.
H3-Image có thể trả về mười ảnh 4K dưới dạng Base64 không?
Số lượng yêu cầu hỗ trợ tối đa mười ảnh, nhưng phản hồi Base64 có giới hạn tổng diện tích: 20,000,000 pixel cho PNG và 80,000,000 cho JPEG hoặc WebP. Ở 4096 × 4096, điều đó cho phép một PNG hoặc tối đa bốn ảnh JPEG/WebP mỗi phản hồi Base64. Hãy dùng phản hồi URL hoặc chia lô nhỏ hơn khi yêu cầu của bạn vượt quá các giới hạn này.
Nếu chỉ một phần lô H3-Image thành công thì sao?
Phản hồi HTTP thành công không có nghĩa mọi ảnh yêu cầu đều thành công. Hãy kiểm tra từng mục data để xem kết quả ảnh hoặc lỗi, lưu các đầu ra thành công và xử lý riêng các mục thất bại. Hợp đồng phản hồi API của MiniMax nêu rằng chỉ ảnh thành công mới bị tính phí. URL ảnh trả về không được đảm bảo duy trì khả dụng, vì vậy hãy tải xuống và lưu trữ các tài sản bạn cần.
