Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
免費開始 免費開始
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
ai-model / CometAPI 研究
什麼是 MiniMax H3-Image？ 探索 MiniMax H3-Image 的原生 16MP 輸出、16 個參考的編輯、標準與高速延遲、API 定價與部署限制。
Deon Goodwin AI 模型與 API 研究團隊 探索 MiniMax H3-Image 的原生 16MP 輸出、16 個參考的編輯、標準與高速延遲、API 定價與部署限制。
先用這個摘要快速掌握答案，再閱讀指南取得背景、範例與實作細節。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)重點摘要
於 2026 年 11 月 11 日發布的 MiniMax H3-Image 是一款用於圖像生成與編輯的開放權重模型。它在無需外部升尺度器的情況下，原生生成約 1600 萬像素圖像，並在編輯時最多可接收 16 張參考圖片。其主要應用包括產品視覺、概念美術與多參考場景合成。
API 提供兩種變體：Standard（成本較低）與 Highspeed（延遲較低）。MiniMax 公布的 4K 文字轉圖像結果顯示兩者的中位數生成時間分別為 16.0 秒與 10.3 秒。
關鍵要點
MiniMax H3-Image 原生生成約 16MP 圖像，管線中紀錄為 6 個採樣步驟，且無外部升尺度器。
MiniMax H3-Image 編輯支援最多 16 張參考圖片，可在一次請求中結合產品、角色、房間與版面配置。
Standard 與 Highspeed 擁有相同的 API 參數與限制；Highspeed 以較高的影像 token 單價換取較低的實測延遲。
CometAPI 對 H3-Image 的標價較 MiniMax 常規 API 費率低 20%。MiniMax 亦針對符合條件的 4K 請求提供另行、期間限定的 50% 上線折扣。
開放權重可在自訂授權下本地部署。原生 API 支援 JPEG、PNG 與 WebP，但不支援透明背景或遮罩編輯。
什麼是 MiniMax H3-Image？它如何運作？ MiniMax H3-Image 建構於 MiniMax H3 架構之上，並在單一檢查點中統一了文字轉圖像生成與基於參考的編輯。
MiniMax H3-Image 架構 官方架構描述 指出三個主要組件：基於 Qwen3-VL、未更動的 H3 文字編碼器；移除音訊分支的 331 億參數擴散 Transformer；以及圖像 VAE。331 億參數的數字描述的是擴散 Transformer，而非整個管線的所有組件。
圖像生成骨幹採用密集的單流 Transformer，對打包的文字與圖像 token 運作。其 50 層先處理視覺資訊，再預測目標圖像表徵。
VAE 會將圖像內容轉換為壓縮的潛在表徵，並將生成的潛在值解碼為最終的高解析度圖像。
該檢查點被蒸餾為 6 個採樣步驟，且不使用無分類器引導。MiniMax 的託管 API 也會使用提示增強，將較短的指令在生成前擴寫為更詳細的描述。
MiniMax H3-Image 技術規格 開發者 MiniMax 官方公告 2026 年 11 月 11 日 模型類別 圖像生成與圖像編輯 解析度 原生生成約 16MP；託管 API 輸出等級為 1K、2K、4K 自訂 API 輸出最大面積 20,000,000 像素 參考圖片 最多 16 張 API 提示最長長度 最多 32,000 個 Unicode 字元；停用提示增強時約 4,096 個 token 生效 每次 API 請求的圖片數 1–10；Base64 回應另有總面積上限 輸出格式 JPEG、PNG、WebP API 輸出長寬比範圍 1:3 至 3:1 API 變體 Standard、Highspeed 模型權重 可公開下載 授權許可 MiniMax-H3-Image Community License Agreement
該模型使用具有 50 層、隱藏維度 5,376、56 個注意力頭的 331 億參數擴散 Transformer。它在 6 個採樣步驟中生成圖像，且不使用無分類器引導。
MiniMax H3-Image 的主要特性是什麼？
原生 4K 與 1600 萬像素圖像生成 4096 × 4096 的輸出包含 16,777,216 個像素，是 1024 × 1024 像素數的 16 倍。
在 MiniMax 的 API 中，4K 等級目標約 1,680 萬像素，且尺寸會依長寬比而變化。
MiniMax H3-Image 能在常見長寬比下生成約 1,680 萬像素的圖像。文件列舉的尺寸包括 1:1 的 4096 × 4096、4:3 的 4736 × 3552、3:2 的 5024 × 3360、16:9 的 5472 × 3072，以及 21:9 的 6272 × 2688。
當創作者需要裁切、檢視細節，或從一張原始構圖衍生多個設計時，更高的像素數特別實用。
擬真影像與自然紋理 MiniMax 公布的範例涵蓋多種視覺風格，從日常攝影到超現實的編輯類構圖。
MiniMax 的範例展示了在攝影與風格化場景中的細膩紋理、反射與光影。用於產品影像時，請搭配自有參考圖片評估材質紋理、形狀、色彩與品牌呈現。
多參考圖像生成，最多 16 張 使用者不必僅用文字描述房間，而是可提供空房間照片與各個家具的圖片。模型就能基於這些參考合成一個已配置家具的室內空間。
用於型錄或行銷活動時，請在提示中為每張參考指定清晰角色。在視為最終資產前，確認輸出是否保留產品的形狀、顏色、品牌與相對尺度。
空間理解與基於指令的編輯 一個官方示範從平面遊戲地圖出發，根據選定位置生成第一人稱環境。
該任務不只是風格轉換。模型需理解道路、建物、水體與其他環境元素之間的空間關係。
對技術用戶而言，這提供了把粗略參考轉換為更精細視覺呈現的機會，而不必手動重建每個細節。
開放權重部署與授權條件 官方部署說明 涵蓋 SGLang、vLLM-Omni、Diffusers 與 ComfyUI。所列組件包含 66.28GB 的擴散 Transformer、2.34GB 的圖像 VAE，以及需另行下載的 66.7GB 文字編碼器。這些為檔案大小，並非保證的最低 GPU 記憶體需求。
若用於商業部署，請依據您的所在地、商業模式與營收檢視社群授權 。其一般地域授權不包括美國、歐盟、英國與韓國。若要向第三方提供託管服務，或您及/或關聯企業的年化營收超過 100 萬美元，需另行事前書面授權。權重可公開下載並不消除上述條件。
MiniMax H3-Image 有多快？ MiniMax 發布了涵蓋不同輸出解析度之文字轉圖像與圖像編輯的詳細延遲比較。
這些結果使用 P50（中位數）生成延遲（秒）。數值越低代表生成越快。
MiniMax 報告 P50（中位數）生成時間。硬體、並發、樣本量與計時邊界未完全揭露，因此僅以所列配置作為參考，並在設定回應時間預期之前以具代表性的請求進行測試。
MiniMax H3-Image Standard vs Highspeed 文字轉圖像 1K 10.6 s 7.7 s 1.38× 文字轉圖像 2K 10.5 s 7.6 s 1.38× 文字轉圖像 4K 16.0 s 10.3 s 1.55× 圖像編輯，1 張參考 4K 18.2 s 12.5 s 1.46× 圖像編輯，3 張參考 4K 21.4 s 14.4 s 1.49×
例如，4K 圖像的像素數是 1K 的 16 倍，但 Standard 模式的生成時間僅從 10.6 增至 16.0 秒。
何時應選擇 MiniMax H3-Image？ 當您的流程需要細節豐富的高解析靜態圖像、多個視覺參考，或本地部署時，MiniMax H3-Image 值得考慮。
大圖用於裁切與重用。原生約 1600 萬像素輸出，便於從單張圖像裁切或衍生多種版面。
由多個參考構建場景。最多 16 張參考圖片，適合在單一構圖中合成產品、角色、家具與環境。
本地部署與自訂。可下載權重，讓團隊在 MiniMax-H3-Image Community License 下建立自有生成工作流。下文涵蓋部署選項與授權條件。
在選擇模型前，請確認交付格式要求。原生 API 輸出 JPEG、PNG 與 WebP，但不支援透明背景或遮罩編輯。若工作流程需要透明去背、精準遮罩修訂、SVG 檔或動畫，則需額外工具或支援相應能力的模型。
針對產品與行銷素材，請以具代表性的簡述進行測試，檢查產品形狀、色彩、品牌、文字準確性與跨參考的一致性，並比較可接受資產的成本（含再生成與編修輪次）。
MiniMax H3-Image API 的費用是多少？
API Token 定價 文字輸入 / 每 100 萬 token $2.30 $2.30 圖像輸入 / 每 100 萬 token $1.50 $3.00 圖像輸出 / 每 100 萬 token $3.80 $7.60
以上為 MiniMax 的常規價範例（編輯使用 1024 × 1024 的參考圖）；實際帳單依回應中的 usage 欄位回報之 token 用量而定。
MiniMax 上線優惠：對直連 API 的促銷 而言，在 2026-11-17 16:00 UTC 前且交付圖像像素數至少 16,600,000 的符合條件請求，Standard 與 Highspeed 的整體請求費用可減半。僅標示 4K 並不代表符合資格；是否享有折扣以實際交付的尺寸為準。
在整合 MiniMax H3-Image 前應檢查什麼？
供應商路由與模型識別符 若直接使用 MiniMax，請參考 API 指南 ，其文件列有 MiniMax-H3-Image 與 MiniMax-H3-Image-Highspeed。文字轉圖像使用 POST /v1/images/generations，編輯使用 POST /v1/images/edits。兩者皆支援同步回應，亦可選擇以串流輸出完成的圖像。
輸出要求與生產審查 在進行較大的批次前，請先測試具代表性的少量需求：一張細節豐富的產品圖、多參考場景、以及需保留既有主體的編輯。檢視產品真實度、文字準確性、參考一致性、回應時間與實際計費用量。
原生 API 的文件化限制 包含遮罩編輯與透明背景不支援。儲存為 PNG 並不會讓背景變透明。若您的生產需求倚賴其中任一能力，請在模型選擇時納入該要求，而非於生成後才發現不相容。
結論 先選擇工作流程。當交付物是一張由詳細簡述或多個參考組合而成的大尺寸點陣圖時，H3-Image 是可考慮的選項。若流程核心是透明去背、精準遮罩、向量或動畫，則需要不同的能力組合。
在選擇 Standard、Highspeed 或本地部署前，請先進行具代表性的試點。比較可接受輸出、編修工作量、端到端延遲與計費成本，據此判斷模型是否能改善您的生產流程。
常見問題
為何長提示在 H3-Image 中可能喪失細節？
為何 H3-Image 的尺寸請求會返回 HTTP 400？ 尺寸參數有兩種互斥模式 。可用 WIDTHxHEIGHT 明確指定 size，或省略/auto 並配合 aspect_ratio 與 area。即使值為 auto，也不要在明確 size 時同送 aspect_ratio 或 area。顯式尺寸亦須滿足允許的總面積與長寬比範圍。
H3-Image 能以 Base64 回傳 10 張 4K 圖片嗎？ 請求計數可達 10 張，但 Base64 回應的總面積有上限 ：PNG 為 20,000,000 像素、JPEG/WebP 為 80,000,000 像素。以 4096 × 4096 計算，Base64 回應最多可回傳 1 張 PNG，或最多 4 張 JPEG/WebP。當請求將超過上限時，請改用 URL 回應或較小批次。
若同一批 H3-Image 請求僅部分成功怎麼辦？ HTTP 成功回應不代表每張請求的圖片都成功。請逐一檢查每個 data 條目的圖像結果或錯誤，先保存成功輸出，再分別處理失敗項目。MiniMax 的 API 回應契約 表示僅對成功的圖像收費。回傳的圖像 URL 不保證長期可用，請下載並保存所需資產。
