MiniMax H3-Image: 10 секундга жетпей 4K сүрөттөр
2026-жылдын 11-ноябрында MiniMax H3 видео моделинин негизинде жасалган, салмактары ачык H3-Image сүрөт жаратуу моделин чыгарды. Ал тексттен сүрөт жаратууну, шилтемелердин негизинде сүрөт түзүүнү жана сүрөттү түзөтүүнү колдойт. Компаниянын сунушу кыска: 16 миллион пиксел, 10–20 секунд, салмактары ачык.
Техникалык мүнөздөмөлөр
| Параметр | Маани |
|---|---|
| Эң жогорку чечилиш | 4096 × 4096 (16 MP), түз эле жаралат, чоңойтуучу курал колдонулбайт |
| Ылдамдыгы | 4K сүрөт 10 секундга жетпей жаралат (өндүрүүчүнүн маалыматы) |
| Архитектурасы | 33.1B параметрлүү диффузиялык трансформер (DiT) |
| Үлгү алуу | 6 кадам, classifier-free guidance колдонулбайт |
| Шилтеме сүрөттөр | Бир сурамга 16га чейин |
| Сурамдын узундугу | 4096 токенге чейин |
| Кадр пропорциялары | 1:1ден 21:9га чейин (мисалы, 6272 × 2688) |
| Салмактары | Ачык, BF16 форматында 68.65 GB |
| Текст коддогучу | H3 видео модели менен бирдей Qwen3-VL |
DiT — жашыруун өлчөмү 5376 болгон, 50 катмарлуу тыгыз трансформер. Ал H3 архитектурасын аудио катмарларын алып салуу менен кайра колдонот. Кошумча MiniMax-H3-Image-PE (NVFP4 форматында 17.9 GB) сурам кеңейтүүчү чекпойнту кыска сурамды модель жакшыраак түшүнө турган кеңири сүрөттөмөгө айлантат.
Ылдамдык: 4K күнүмдүк форматка айланууда
Көпчүлүк сүрөт моделдери 1–4 MP диапазонунда иштеп, чоңураак сүрөт үчүн чоңойтуучу куралга таянат. H3-Image толук чечилиште 16 MP сүрөттү 10 секундга жетпей чыгарат. MiniMax маалымдагандай, бул негизги альтернативалардан 5 эсеге чейин ылдам. Standard API режими окшош кызматтардан 1,5–2 эсе ылдам иштейт, ал эми Highspeed режими 3–4 эсе ылдамдыгын убада кылат.
Сапаты жана башкаруу
MiniMax чыгарылган сүрөттөр жылмакай, жасалма интеллект сүрөттөрүнө мүнөздүү өңдөнбөй, бай жана реалдуу деталдарга ээ экенин, ал эми сурамга шайкештиги башка салмактары ачык моделдерден жогору экенин белгилейт. Жаратуу жана түзөтүү бир чекпойнтту колдонот, демек бир эле салмактар текст сурамына, шилтемелер топтомуна же түзөтүү өтүнүчүнө жооп берет. Сурамда шилтемелер <Picture 1>, <Picture 2> жана башкалар катары, жүктөлгөн тартибине жараша номерленет.
Төмөндөгү студиялык портрет болжол менен 16,7 MP өлчөмүндө жаралган.
Жеткиликтүүлүгү жана баасы
- Ачык салмактарды Hugging Face платформасынан MiniMax's Community License лицензиясы менен алууга болот.
- API MiniMax платформасы, MiniMax Code жана Hailuo AI колдонмосу аркылуу иштейт.
- Интеграциялар: ComfyUI (расмий жана өнөктөштөрдүн түйүндөрү) жана Vercel AI Gateway.
API баасы Standard режиминде ар бир миллион чыгаруу сүрөт токенине $3.80, Highspeed режиминде $7.60. Бир 4K сүрөт болжол менен $0.069, 1K сүрөт болсо $0.022 турат. 2026-жылдын 17-ноябрына чейин MiniMax 16.6 MP жана андан чоң сүрөттөрдү жаратууга 50% арзандатуу берет.
Эске ала турган жагдайлар
MiniMax Community License АКШда, ЕБде, Улуу Британияда жана Түштүк Кореяда колдонууга уруксат бербейт. Жылдык кирешеси $1Mдан ашкан компаниялар жана моделди үчүнчү тараптарга хостинг кызматы катары сунуштагандар MiniMaxтан жазуу жүзүндөгү уруксат алышы керек. 4K сүрөттүн 10 секундда жаралары тууралуу маалымат — өндүрүүчүнүн билдирүүсү; азырынча көз карандысыз өлчөөлөр жүргүзүлгөн эмес.
H3-Image моделин кайдан колдонсо болот
api.vega.chat (VEGA API). 800дөн ашык AI моделине бирдиктүү API. Россияда VPNсиз иштейт, OpenAI жана Anthropic форматтарын колдойт жана картаны же эсеп-фактураны колдонуп, чыныгы сарптоого жараша төлөм алат. Жеке маалымат модель жеткенге чейин 152-Федералдык мыйзамга ылайык анонимдештирилет, ал эми серверлер Россияда жайгашкан. Жаңы моделдер, анын ичинде H3-Image, чыккандан кийин дароо каталогго кошулат; жаңы аккаунттарга тесттик баланс берилет.
marfik.media (Marfik). Медиа моделдери үчүн API да сунуштаган медиа жаратуу жана түзөтүү студиясы. Каталогдо сүрөт, видео, сүйлөө, музыка жана 3D объекттерин жаратуучу 500дөн ашык модель бар. Жаратуу жана түзөтүү AI агенти аркылуу жүргүзүлөт, жазылуу талап кылынбайт.