中国のAI企業MiniMaxは、4K解像度での画像生成と編集の両方に対応したオープンウェイト画像モデル「H3-Image」を公開した。モデルは2026年11月10日にリリースされた。

H3-Imageは、オープンな機械学習モデルの共有に広く利用されているプラットフォームHugging FaceのMiniMaxAI組織のもとで公開されており、MiniMax Codeや同社のAPIからも利用可能である。そのため開発者はウェイトをダウンロードして自身のインフラでモデルを実行することもできるし、ホスト型APIを利用して画像ごとに支払うことも可能だ。

ただし、世界の多くの開発者にとっては落とし穴がある。本モデルのコミュニティライセンスは、米国、欧州連合（EU）、英国、韓国での利用を除外している。ウェイトは公開されているが、主要マーケットのいくつかは対象外となっている。

生成と編集を1つのモデルで

多くの画像ツールは作業を2つのシステムに分割している。テキストから画像を作成するモデルと、編集を担当する別のモデルである。H3-Imageはこれらの役割を単一のフレームワークに統合し、テキストからの画像生成と高度な編集の両方を1つのアーキテクチャでカバーする。

内部アーキテクチャには拡散トランスフォーマー（DiT）を採用している。これは拡散ベースの画像生成とトランスフォーマー要素——多くの現代言語モデルを支えるアーキテクチャ群——を組み合わせた設計で、モデルは学習过程中で獲得した内部的な設定値である331億パラメータを備える。

ネイティブ4K解像度

出力解像度は最大の特徴だ。H3-Imageは約16メガピクセルのネイティブ画像を生成でき、対応サイズには4096×4096が含まれる。さらに最大6272×2688のワイド形式も生成可能で、このアスペクト比はプロフィール画像よりもパノラマやバナーに適している。参考までに、標準的な4Kディスプレイは約8.3メガピクセルの解像度であり、本モデルのネイティブ出力は対応する大きめのサイズではこの数値を上回る。

「ネイティブ」という言葉には重要な意味がある。多くの画像モデルは低い解像度で生成した後、アップスケールを行う。つまり小さな画像を引き伸ばし、誰も拡大表示しないことを期待しているようなものだ。ネイティブ出力とは、モデルが最初からフルサイズで画像を構築することを意味する。

速度、参照画像、ローカル要件

生成は効率的である。H3-Imageはわずか約6サンプリングステップ——拡散モデルが完成画像に到達するために実行する反復的な精緻化パス——で画像を生成でき、分類器フリーガイダンスを出力をプロンプトに沿わせるために広く使われる手法だが、追加計算を要する——に頼らずに行える。

また、モデルは最大16枚の参照画像を同時に受け付ける。これにより、ユーザーは言葉ですべて説明するのではなく、特定のキャラクターや製品、スタイルをモデルに見せて伝えることができる。

API価格は1K画像で約0.022ドル、4K画像で約0.069ドルで、出力サイズがコストを左右する。MiniMaxはさらに、2026年11月17日までプロモーション割引を実施している。

ローカルでモデルを実行するには追加の要件がある。フル機能には別個のテキストエンコーダーQwen3-VL-32Bが必要で、これはプロンプトを画像モデルが処理できる形式に変換する。つまり、ダウンロードは実質的に2つの大型モデルで構成されている。

統合も迅速に進んだ。画像生成ワークフローの構築に広く使われているノードベースのインターフェースComfyUIは、リリースと同時にH3-Imageに対応した。

ライセンス上の制約

ライセンスの問題は地理的なものにとどまらない。米国、EU、英国、韓国での利用を禁止することに加え、規模の大きい企業はモデルを使用する前にMiniMaxから書面による許諾を得ることが条件となっている。つまり、オープンウェイトはオープンな利用を意味しない。ウェイトは公開されているが、ライセンス条項が誰がどこで展開できるかを依然として規定している。

すでに登場している派生モデル

H3-Imageをめぐるエコシステムはすでに動き始めている。派生モデル「P-H3-Image」が2026年11月3日に発表され、コンシューマー向けハードウェアでの高速な推論が謳われている。公開されたウェイトを基盤とするこうしたフォローアップの取り組みこそ、オープンウェイトリリースが可能にするものである。

ソース: CryptoBriefing