MiniMax H3-Image: imágenes 4K en menos de 10 s
El 11 de noviembre de 2026, MiniMax lanzó H3-Image, un modelo de generación de imágenes con pesos abiertos basado en el modelo de video H3. Permite generar imágenes a partir de texto o referencias, y editar imágenes. La propuesta de la empresa es sencilla: 16 millones de píxeles, 10–20 segundos y pesos abiertos.
Especificaciones
| Parámetro | Valor |
|---|---|
| Resolución máxima | 4096 × 4096 (16 MP), generación nativa, sin ampliador |
| Velocidad | una imagen 4K en menos de 10 segundos (según el proveedor) |
| Arquitectura | transformador de difusión (DiT) de 33.1B parámetros |
| Muestreo | 6 pasos, sin guía libre de clasificador |
| Imágenes de referencia | hasta 16 por solicitud |
| Longitud del prompt | hasta 4096 tokens |
| Relaciones de aspecto | de 1:1 a 21:9 (por ejemplo, 6272 × 2688) |
| Pesos | abiertos, 68.65 GB en BF16 |
| Codificador de texto | Qwen3-VL, compartido con el modelo de video H3 |
El DiT es un transformador denso de 50 capas con un tamaño oculto de 5376, que reutiliza la arquitectura H3 sin las capas de audio. Un checkpoint opcional para expandir prompts, MiniMax-H3-Image-PE (17.9 GB en NVFP4), convierte una solicitud breve en la descripción detallada que el modelo interpreta mejor.
Velocidad: el 4K se vuelve un formato cotidiano
La mayoría de los modelos de imágenes trabajan en el rango de 1–4 MP y dependen de un ampliador para cualquier resolución superior. H3-Image produce una imagen de 16 MP en resolución completa en menos de 10 segundos, una velocidad que, según MiniMax, es hasta 5 veces mayor que la de las alternativas más populares. El modo Standard de la API funciona entre 1,5 y 2 veces más rápido que ofertas comparables, y el modo Highspeed promete entre 3 y 4 veces más velocidad.
Calidad y control
MiniMax describe los resultados como imágenes con detalles ricos y realistas, sin el acabado liso y pulido que suele caracterizar a las imágenes generadas por IA. También afirma que el cumplimiento de las instrucciones supera al de otros modelos con pesos abiertos. La generación y la edición usan el mismo checkpoint, así que los mismos pesos responden a un prompt de texto, un conjunto de referencias o una solicitud de edición. En el prompt, las referencias se identifican como <Picture 1>, <Picture 2> y así sucesivamente, según el orden de carga.
El retrato de estudio de abajo es una generación de muestra de aproximadamente 16,7 MP.
Disponibilidad y precios
- Los pesos abiertos están en Hugging Face bajo la licencia comunitaria de MiniMax.
- La API está disponible a través de la plataforma MiniMax, MiniMax Code y la aplicación Hailuo AI.
- Entre las integraciones se incluyen ComfyUI (nodos oficiales y de socios) y Vercel AI Gateway.
El precio de la API es de $3.80 por millón de tokens de imagen de salida en el modo Standard y de $7.60 en el modo Highspeed. Una imagen 4K cuesta aproximadamente $0.069 y una imagen 1K, cerca de $0.022. Hasta el 17 de noviembre de 2026, MiniMax ofrece un descuento del 50 % en las generaciones de 16.6 MP o más.
Limitaciones
La licencia comunitaria de MiniMax excluye el uso en EE. UU., la UE, el Reino Unido y Corea del Sur. Las empresas con ingresos anuales superiores a $1M y quienes ofrezcan el modelo como servicio alojado a terceros necesitan autorización por escrito de MiniMax. La cifra de 10 segundos para imágenes 4K es una afirmación del proveedor y, hasta ahora, no hay mediciones independientes.
Dónde usar H3-Image
api.vega.chat (VEGA API). Una sola API para más de 800 modelos de IA. Funciona en Rusia sin VPN, admite los formatos de OpenAI y Anthropic, y cobra según el uso real, con tarjeta o factura. Los datos personales se anonimizan conforme a la Ley Federal 152 antes de llegar al modelo, y los servidores están ubicados en Rusia. Los modelos nuevos, incluido H3-Image, aparecen en el catálogo justo después de su lanzamiento, y las cuentas nuevas reciben un saldo de prueba.
marfik.media (Marfik). Un estudio de generación y edición de contenido multimedia que también ofrece una API para distintos modelos de medios. El catálogo incluye más de 500 modelos para imágenes, video, voz, música y objetos 3D. La generación y la edición se realizan mediante un agente de IA y no se requiere suscripción.