MiniMax H3-Image: imagens 4K com pesos abertos em menos de 10 s
Em 11 de novembro de 2026, a MiniMax lançou o H3-Image, um modelo de geração de imagens com pesos abertos baseado no modelo de vídeo H3. Ele oferece geração de texto para imagem, geração baseada em referências e edição de imagens. A proposta da empresa é simples: 16 milhões de pixels, 10–20 segundos, pesos abertos.
Especificações
| Parâmetro | Valor |
|---|---|
| Resolução máxima | 4096 × 4096 (16 MP), gerada nativamente, sem upscaler |
| Velocidade | uma imagem 4K em menos de 10 segundos (segundo a empresa) |
| Arquitetura | transformer de difusão (DiT) com 33,1 bilhões de parâmetros |
| Amostragem | 6 etapas, sem guidance sem classificador |
| Imagens de referência | até 16 por solicitação |
| Tamanho do prompt | até 4096 tokens |
| Proporções | de 1:1 a 21:9 (por exemplo, 6272 × 2688) |
| Pesos | abertos, 68,65 GB em BF16 |
| Codificador de texto | Qwen3-VL, compartilhado com o modelo de vídeo H3 |
O DiT é um transformer denso de 50 camadas, com dimensão oculta de 5376, que reutiliza a arquitetura H3 sem as camadas de áudio. Um checkpoint opcional de expansão de prompts, MiniMax-H3-Image-PE (17,9 GB em NVFP4), transforma uma solicitação curta na descrição detalhada que o modelo interpreta melhor.
Velocidade: 4K vira um formato para o dia a dia
A maioria dos modelos de imagem trabalha na faixa de 1–4 MP e depende de um upscaler para resoluções maiores. O H3-Image produz uma imagem de 16 MP em resolução total em menos de 10 segundos, o que, segundo a MiniMax, é até 5× mais rápido que as alternativas convencionais. O modo Standard da API é 1,5–2× mais rápido que ofertas comparáveis, e o modo Highspeed promete 3–4×.
Qualidade e controle
A MiniMax descreve as imagens geradas como ricas em detalhes realistas, sem o aspecto excessivamente liso que costuma caracterizar imagens de IA, e afirma que a adesão aos prompts supera a de outros modelos com pesos abertos. Geração e edição usam o mesmo checkpoint, então os mesmos pesos atendem a um prompt de texto, um conjunto de referências ou uma solicitação de edição. As referências são indicadas no prompt como <Picture 1>, <Picture 2> e assim por diante, numeradas na ordem de envio.
O retrato de estúdio abaixo é uma amostra gerada com aproximadamente 16,7 MP.
Disponibilidade e preços
- Os pesos abertos estão no Hugging Face sob a licença MiniMax's Community License.
- A API está disponível pela plataforma MiniMax, pelo MiniMax Code e pelo aplicativo Hailuo AI.
- As integrações incluem ComfyUI (nós oficiais e de parceiros) e Vercel AI Gateway.
O preço da API é de US$ 3,80 por milhão de tokens de imagem de saída no modo Standard e US$ 7,60 no modo Highspeed. Uma imagem 4K custa aproximadamente US$ 0,069; uma imagem 1K, cerca de US$ 0,022. Até 17 de novembro de 2026, a MiniMax oferece 50% de desconto na geração em 16,6 MP ou mais.
Ressalvas
A MiniMax Community License não permite o uso nos EUA, na UE, no Reino Unido e na Coreia do Sul. Empresas com receita anual superior a US$ 1 milhão e qualquer pessoa que ofereça o modelo como serviço hospedado a terceiros precisam de autorização por escrito da MiniMax. Até agora, não há medições independentes que confirmem o tempo de 10 segundos para imagens 4K, que é uma estimativa da empresa.
Onde usar o H3-Image
api.vega.chat (API VEGA). Uma única API para mais de 800 modelos de IA. Funciona na Rússia sem VPN, aceita os formatos OpenAI e Anthropic e cobra pelo uso real, por cartão ou fatura. Os dados pessoais são anonimizados conforme a Lei Federal 152 antes de chegarem ao modelo, e os servidores ficam na Rússia. Novos modelos, incluindo o H3-Image, aparecem no catálogo logo após o lançamento, e novas contas recebem um saldo de teste.
marfik.media (Marfik). Um estúdio de geração e edição de mídia que também oferece uma API para modelos de mídia. O catálogo abrange mais de 500 modelos de imagens, vídeo, fala, música e objetos 3D. A geração e a edição são feitas por meio de um agente de IA, sem necessidade de assinatura.