MiniMax H3-Image: 10 सेकंड से कम में ओपन-वेट 4K इमेज
11 नवंबर, 2026 को MiniMax ने H3-Image जारी किया—यह H3 वीडियो मॉडल पर बना ओपन-वेट इमेज जनरेशन मॉडल है। यह टेक्स्ट-टू-इमेज जनरेशन, रेफ़रेंस-आधारित जनरेशन और इमेज एडिटिंग करता है। कंपनी का दावा संक्षिप्त है: 16 मिलियन पिक्सेल, 10–20 सेकंड और ओपन वेट।
विनिर्देश
| पैरामीटर | मान |
|---|---|
| अधिकतम रिज़ॉल्यूशन | 4096 × 4096 (16 MP), नेटिव रूप से जनरेट किया गया, कोई अपस्केलर नहीं |
| गति | 10 सेकंड से कम में 4K इमेज (विक्रेता का दावा) |
| आर्किटेक्चर | 33.1B-पैरामीटर डिफ्यूज़न ट्रांसफ़ॉर्मर (DiT) |
| सैंपलिंग | 6 चरण, classifier-free guidance के बिना |
| रेफ़रेंस इमेज | हर अनुरोध में अधिकतम 16 |
| प्रॉम्प्ट की लंबाई | अधिकतम 4096 टोकन |
| आस्पेक्ट रेशियो | 1:1 से 21:9 तक (उदाहरण के लिए, 6272 × 2688) |
| वेट | ओपन, BF16 में 68.65 GB |
| टेक्स्ट एन्कोडर | Qwen3-VL, H3 वीडियो मॉडल के साथ साझा |
DiT एक डेंस 50-लेयर ट्रांसफ़ॉर्मर है, जिसका hidden size 5376 है। यह H3 आर्किटेक्चर का पुनः उपयोग करता है, लेकिन इसमें ऑडियो लेयर नहीं हैं। एक वैकल्पिक prompt-expander चेकपॉइंट, MiniMax-H3-Image-PE (NVFP4 में 17.9 GB), छोटे अनुरोध को उस विस्तृत कैप्शन में बदल देता है जिसे मॉडल सबसे अच्छी तरह समझता है।
गति: 4K अब रोज़मर्रा का फ़ॉर्मैट
ज़्यादातर इमेज मॉडल 1–4 MP रेंज में काम करते हैं और इससे बड़ी इमेज के लिए अपस्केलर पर निर्भर रहते हैं। H3-Image 10 सेकंड से कम में 16 MP की पूरी रिज़ॉल्यूशन वाली इमेज बनाता है। MiniMax के अनुसार, यह प्रमुख विकल्पों से 5× तक तेज़ है। Standard API मोड तुलनीय सेवाओं से 1.5–2× तेज़ चलता है, जबकि Highspeed मोड में 3–4× तेज़ होने का दावा है।
गुणवत्ता और नियंत्रण
MiniMax के मुताबिक, आउटपुट में भरपूर और यथार्थवादी बारीकियाँ होती हैं, लेकिन वह चमकदार चिकनापन नहीं होता जो आम तौर पर AI इमेज की पहचान है। कंपनी का यह भी कहना है कि प्रॉम्प्ट का पालन दूसरे ओपन-वेट मॉडल से बेहतर है। जनरेशन और एडिटिंग के लिए एक ही चेकपॉइंट का इस्तेमाल होता है, इसलिए समान वेट टेक्स्ट प्रॉम्प्ट, रेफ़रेंस के सेट या एडिट अनुरोध—तीनों पर काम करते हैं। प्रॉम्प्ट में रेफ़रेंस को <Picture 1>, <Picture 2> आदि के रूप में, अपलोड के क्रम में नंबर देकर संबोधित किया जाता है।
नीचे दिया गया स्टूडियो पोर्ट्रेट लगभग 16.7 MP पर जनरेट किया गया नमूना है।
उपलब्धता और कीमत
- ओपन वेट Hugging Face पर MiniMax के Community License के तहत उपलब्ध हैं।
- API, MiniMax प्लेटफ़ॉर्म, MiniMax Code और Hailuo AI ऐप के ज़रिए चलता है।
- इंटीग्रेशन में ComfyUI (आधिकारिक और पार्टनर नोड) और Vercel AI Gateway शामिल हैं।
API की कीमत Standard मोड में प्रति मिलियन आउटपुट इमेज टोकन $3.80 और Highspeed मोड में $7.60 है। एक 4K इमेज की लागत लगभग $0.069 और 1K इमेज की लगभग $0.022 पड़ती है। 17 नवंबर, 2026 तक, MiniMax 16.6 MP और उससे बड़ी इमेज जनरेशन पर 50% की छूट दे रहा है।
ध्यान देने योग्य बातें
MiniMax Community License के तहत अमेरिका, EU, UK और दक्षिण कोरिया में इस्तेमाल की अनुमति नहीं है। $1M से अधिक वार्षिक आय वाली कंपनियों और मॉडल को तीसरे पक्ष के लिए होस्टेड सेवा के रूप में उपलब्ध कराने वालों को MiniMax से लिखित अनुमति लेनी होगी। 4K इमेज के लिए 10 सेकंड का आँकड़ा विक्रेता का दावा है; अब तक इसका स्वतंत्र मापन नहीं हुआ है।
H3-Image का इस्तेमाल कहाँ करें
api.vega.chat (VEGA API)। 800+ AI मॉडल के लिए एक API। यह रूस में VPN के बिना काम करता है, OpenAI और Anthropic फ़ॉर्मैट सपोर्ट करता है और कार्ड या इनवॉइस से वास्तविक इस्तेमाल के आधार पर बिलिंग करता है। मॉडल तक पहुँचने से पहले Federal Law 152 के तहत व्यक्तिगत डेटा को गुमनाम किया जाता है और सर्वर रूस में स्थित हैं। H3-Image समेत नए मॉडल रिलीज़ के तुरंत बाद कैटलॉग में शामिल हो जाते हैं, और नए खातों को टेस्ट बैलेंस मिलता है।
marfik.media (Marfik)। मीडिया जनरेशन और एडिटिंग स्टूडियो, जो मीडिया मॉडल के लिए API भी उपलब्ध कराता है। इसके कैटलॉग में इमेज, वीडियो, स्पीच, संगीत और 3D ऑब्जेक्ट के 500+ मॉडल हैं। जनरेशन और एडिटिंग AI एजेंट के ज़रिए होती है और किसी सब्सक्रिप्शन की ज़रूरत नहीं है।