MiniMax H3-Image 是 MiniMax 2026 年 11 月 11 日發佈的開源圖像模型，權重放在 Hugging Face 的 MiniMaxAI/MiniMax-H3-Image，一個 checkpoint 同時做文生圖和圖像編輯。hailuoai.video 上能選到，/v1/images/generations 端點收 prompt 和尺寸，介面同步返回圖片。
它屬於 H3 一族。H3 原本是影片模型，這一版去掉音訊分支，把生成目標改成單張圖，其餘結構沿用。
官方部落格的日期寫 2026-11-11，模型列表頁把發佈日標成 11 月 10 日，中間差一天來自時區與上線順序。
Hugging Face 倉庫 11 月 3 日就建好了，發佈會當天更新到公開。許可證不是 Apache 也不是 MIT，是單獨寫的 MiniMax-H3-Image Community License。
入口有四個：API 平台分國際與國內兩套域名、MiniMax Code、海螺AI 的網頁版（國內 hailuoai.com，國際 hailuoai.video）、以及它的桌面端 agent.minimax.io。
官方給的尺寸口徑是每個畫幅都出到 1600 萬畫素，不靠外掛放大。1:1 是 4096×4096，4:3 是 4736×3552，3:2 是 5024×3360，16:9 是 5472×3072，21:9 是 6272×2688。
模型卡里寫的有效區間是 400 萬到 2000 萬畫素，1600 萬這個點是官方推薦的工作點。
API 側換另一套說法：輸出面積上限 20,000,000 畫素，可以只給 area（1K、2K、4K，預設 4K）讓服務端按比例算寬高，也可以寫 2720×1536 這樣的寬高。總面積要落在 655,360 到 20,000,000 之間，寬高比 1:3 到 3:1，越界一律返回 400。
給固定寬高時不縮放也不取整。接第三方排版工具時要自己算清楚，寫 2731×1537 就拿 2731×1537，不會幫你修到 2720×1536。
部落格標題寫的是 4K 圖進 10 秒，正文又給了一句“主流方案的 5 倍”。拆開看，這個差距只在 4K 這一檔成立。
| 模型 | 1K | 2K | 4K（16MP） |
|---|---|---|---|
| H3-Image 標準 | 10.6 秒 | 10.5 秒 | 16.0 秒 |
| H3-Image 高速 | 7.7 秒 | 7.6 秒 | 10.3 秒 |
| Nano Banana 2.1 中檔 | 17.0 秒 | 28.0 秒 | 50.0 秒 |
| Nano Banana 2.1 高檔 | 20.0 秒 | 31.0 秒 | 51.0 秒 |
四行放在一起看，H3 的兩個檔位在每一列都排在最前，4K 那一列拉開的距離最大；1K 和 2K 兩列，四家的數都落在 7 到 31 秒之內，差距按秒算。文生圖的延遲本來就跟著畫幅走，比快慢要放回同一解析度裡看。
上限 16 張，按上傳順序在提示詞裡叫 Picture 1 到 Picture 16。
每張圖要過的檢查：
用 base64 內聯時體積是原檔案的 4/3，16 張塞滿就頂到請求體上限，這時換公網 URL，或者先傳檔案拿 mm_file:// 引用。
兩個端點分工明確：/v1/images/generations 出圖，/v1/images/edits 帶參考圖改圖。開 stream 之後按張推送，先完成的先到。
import os, requests
url = "https://api.minimax.io/v1/images/generations"
headers = {"Authorization": f"Bearer {os.environ['MINIMAX_API_KEY']}"}
payload = {
"model": "MiniMax-H3-Image",
"prompt": "A weathered wooden table by a window, morning light, film grain",
"size": "4096x4096",
"n": 1,
"response_format": "url",
}
res = requests.post(url, headers=headers, json=payload, timeout=600)
for i, item in enumerate(res.json()["data"]):
print(i, item.get("size"), item.get("url"))
輸出格式 jpeg 預設，也收 jpg，另有 png 和 webp。response_format 預設 url，要 b64_json 就不能開流式。三樣東西不支援：預覽圖、蒙版區域性重繪、透明背景。
一張失敗不影響整單。只要有一張成，HTTP 還是 200，失敗的那項在 data 裡只帶 error，成功數量由 usage.generated_images 給出。
計費按 token 走，不按張。Standard 的輸入文字 2.30 美元每百萬 token、輸入圖 1.50、輸出圖 3.80；Highspeed 三檔是 2.30、3.00、7.60。
官方另給了一張折算過的單張表，Standard 口徑：
| 任務 | 輸入圖 | 輸出圖 | 單張成本 |
|---|---|---|---|
| 文生圖 | 無 | 1K | $0.02179 |
| 文生圖 | 無 | 2K | $0.02333 |
| 文生圖 | 無 | 4K | $0.06879 |
| 編輯 1 張參考 | 1K | 1K | $0.02654 |
| 編輯 1 張參考 | 1K | 4K | $0.07312 |
| 編輯 3 張參考 | 1K | 4K | $0.07914 |
官方原表在 2K 輸出上還多兩行編輯價，一圖參考 0.02658 美元、三圖參考 0.04177，上表省掉了這兩行。
發佈周的折扣只認面積，不認尺寸檔位：最終圖的畫素數不小於 16,600,000，整個請求費用打對摺，到 2026 年 11 月 17 日 16:00 UTC 結束。
模型卡里有這麼一條限制：提示詞上限 32,000 字元，但關掉提示詞增強之後，只有前 4096 個 token 生效。寫多長都行，別指望第 5000 個 token 之後的詞還算數。
文生圖預設開增強，編輯恆開，編輯這邊關不掉。增強會把一句中文短句改寫成整段英文描述，改寫結果在 data[].revised_prompt 裡。
要反覆調同一個畫面，把 revised_prompt 拿出來改，再當 prompt 提交，同時把 disable_prompt_enhanced 設成 true，模型收到的就是你自己那句話。
只想拿提示詞不想出圖，可以單獨打 /v1/h3_image_context_ir，只按輸入的文字 token 計費。
整套權重 68.65 GB，BF16。拆開是 DiT 66.28 GB、VAE 2.34 GB 的 FP32、tokenizer 和 processor 23 MB。文字編碼器不在這個倉庫，要從 MiniMax-H3 里拉 text_encoder 資料夾，那部分 66.7 GB；機器上已經有 H3 的話不會重複下載。
模型卡里的結構：33.1B 參數的稠密單流 transformer，50 層，hidden 5376，56 個注意力頭，FFN 14336，3D 多模態 RoPE，6 步採樣，不開 CFG。
官方給了四條推理路線：SGLang、vLLM、diffusers、ComfyUI。SGLang 起服務一條命令：
sglang serve --model-path MiniMaxAI/MiniMax-H3-Image \
--host 0.0.0.0 --port 30000 --warmup-mode off
一張卡跑不動就按序列並行拆到四張，追加 –num-gpus 4 –ulysses-degree 4。
請求參數里有幾項填了就報錯：num_inference_steps 只能填 6，guidance_scale 只能填 1，negative_prompt 傳了會被拒。min_generation_area 預設 4,194,304 畫素，小於這個的尺寸會拉到同比例的大畫布上生成再縮回來，設成 1024 可以關掉這段。
提示詞擴寫另有一份模型 MiniMax-H3-Image-PE，17.9 GB，NVFP4 精度。不想調 API 做增強就裝它。
名字接近，出處不同。P-H3-Image 是 PrunaAI 11 月 3 日開源的社區版，拿 H3 的權重改：8 步採樣、按 8MP 調優、自帶提示詞放大器，許可跟著 H3 的社區協議走。
H3-Image 是 MiniMax 自己出的這一版，6 步採樣，許可單獨寫過。兩個倉庫都在 Hugging Face，看作者是 MiniMaxAI 還是 PrunaAI 就能分開。
選哪個看手上有什麼卡。社區版有量化版本能進 ComfyUI 單卡跑；官方版只有 BF16，體積和文字編碼器那筆賬見上一節。
有一類場景要單獨拿書面授權，申請入口在 platform.minimax.io/license，填表走審覈。LICENSE 原文就在倉庫根目錄，商用前把 Section IV 那一段讀一遍。
渠道這邊，API 兩端模型 ID 與參數一致；MiniMax Code 裡能選到；海螺的模型列表裡有它，同平台的 H3 影片可以把這張靜幀當首幀接著做。
定價頁的 legacy 一欄還掛著 image-01 和 image-01-live，每張 0.0035 美元。這套價格會隨版本改，介面對接前先看當天頁面。
兩樣現在接不了：透明背景、按 mask 改區域性。做電商摳圖或者只改一塊區域，得另找工具。
PixTV的MiniMax H3能做什麼？主打一鏡到底的長鏡頭：一段連續的鏡頭里人物和場景不切，適合需要沉浸感的段落。它的強項是連貫...
2026-10-21
MiniMax M Plan額度多少？MiniMax在2026年推出的M Plan訂閱套餐對應新模型M2.7系列。M Plan共分為Go、Explore和Build三個版本...
2026-10-14
MiniMax M2.7屬於較強的工程型大模型，擅長多步驟程式設計與Agent任務，官方公佈的SWE-Pro成績為56.22%。普通聊天也能應付，但它...
2026-10-13
Muse Ember 是 Meta 超級智慧實驗室 2026 年 11 月 9 日發佈的小模型，型號 muse-ember-1.0，接的是智慧體一天裡反覆跑的那些...
2026-11-11
Zion 分基礎版、高級版、專業版三檔，免費的是基礎版，要正式發佈上線得付 99 元起。基礎版 0 元，項目數、頁面數和資料請求...
2026-11-11