MiniMax H3 Image开源实测：10秒直出4K、16张参考图，AI绘画工具的选型账本要重算

11月10日，MiniMax 正式发布图像生成模型 H3-Image，权重当天开源，API 同步上线。官方给出的核心数字很抓眼球：10秒内生成一张 4096×4096 的 4K 图像，约1600万像素，速度达到市面主流水平的5倍。爱范儿实测的用时在10到20秒之间，而市面上多数模型还停在一百万到四百万像素的档位，最快的也要50秒左右。

高分辨率生图从”分钟级等待”进入”十秒时代”，这件事对所有做图的人都有影响。

4K直出意味着什么

过去生成一张高分辨率图，常见做法是先出小图，再接超分模型放大，细节经不起推敲。H3-Image 原生直出 4K，省掉了后处理环节。

对做海报、电商主图、活动物料的创作者来说，一张原图既够放大印刷，也能裁出横幅、竖版、局部特写等多个规格。同一张图覆盖全渠道尺寸，不用为每个比例重新抽卡。除了正方形，模型还支持 5472×3072 的16:9横版和 6272×2688 的21:9宽屏，有效生成范围在400万到2000万像素之间。

指令遵循是真正的护城河

分辨率只是门槛，H3-Image 更突出的能力在理解力。官方称它拥有开源模型中最强的指令遵循，一次最多支持16张参考图。

新智元的实测把8张角色面部、4张装备结构、4张场景光影一次喂满，出图后五官、装甲和色温没有互相污染。做多角色系列内容的人都知道这个痛点：参考图一多，模型容易”串味”，A的脸长到B身上。

文字渲染同样稳。爱范儿让 H3-Image 复刻黄仁勋公开信的信纸版，小字基本准确、无明显错误。产品爆炸图、CAD蓝图、带UI的游戏截图这类结构类任务，它比”画得美但听不懂话”的模型更能交差。

审美层面，实测者用一段提示词就复刻了 Midjourney 级别的电影感赛马追焦、复古直闪胶片人像，皮肤保留自然纹理，没有常见的过度磨皮。爱范儿的评价是”GPT 的效果加上 MJ 的审美，被它开源了”。

价格和入口

H3-Image 衍生自 H3 全模态基座，331亿参数的稠密单流 Transformer，完整权重挂在 Hugging Face。使用入口有四个：Hugging Face 权重、MiniMax 开放平台 API、MiniMax Code 和海螺 AI。本地部署支持 SGLang、vLLM、diffusers、ComfyUI，摩尔线程在发布当天就完成了 MTT S5000 的适配。

价格只有同档位主流工具的50%到70%，标准模式速度是主流的1.5到2倍，Highspeed 模式3到4倍。发布首周，4K及以上规格的请求打五折。

需要留意许可证：这次用的是 MiniMax 社区许可，参照 H3 的条款，年收入2000万美元以内的创作者可免费商用，但在美国、欧盟、英国、韩国部署需要单独拿授权。个人创作和国内商单影响不大，接海外业务前要逐条核对。

和竞品怎么比

横向看这一档的选手：OpenAI Images 2.6 主打6秒出图和GIF生成，像素停留在百万级；Flux 3 Image Klein 开源权重，8GB显卡可跑，分辨率同样够不到4K；豆包 Seedream 5.5 封闭 API，改图能力强但不可私有化部署。

H3-Image 的组合拳是”4K原生直出 + 16图参考 + 开源权重 + 半价”，四项同时占住的产品目前没有第二个。如果你的工作流里有多角色一致性、带字海报、大尺寸印刷任何一个需求，这周的五折窗口值得试一轮。需求只有轻量改图，Flux 3 和豆包仍是更省事的选择。

H3 视频模型开源后不到一个月下载量破2400万，衍生模型超过300个。图像的使用密度比视频更高，社区围绕 H3-Image 的微调和量化版本大概率会很快出现。AI绘画的下半场，比的是谁能进工作流，H3-Image 已经通过 API 接入 Claude Code、Codex 等 Agent，让模型在智能体流程里随叫随到，这一步走在了多数对手前面。