Китайская ИИ-компания MiniMax выпустила H3-Image — открытую модель для работы с изображениями, которая и генерирует, и редактирует картинки в разрешении до 4K. Модель стала доступна 10 ноября 2026 года.

H3-Image доступна на Hugging Face — широко используемой платформе для распространения открытых моделей машинного обучения — под организацией MiniMaxAI, через MiniMax Code, а также по API компании. Таким образом, разработчики могут скачать веса и запустить модель на собственной инфраструктуре либо платить за каждое изображение через хостинговый API.

Однако для значительной части разработчиков по всему миру есть подвох. Общественная лицензия модели исключает использование в США, Европейском союзе, Великобритании и Южной Корее. Веса открыты, но на ковровой дорожке к ним перечеркнуто несколько крупных рынков.

Одна модель для генерации и редактирования

Большинство инструментов для работы с изображениями разделяют задачи между двумя системами: одна модель создает изображения по тексту, а отдельная модель занимается редактированием. H3-Image объединяет обе задачи в едином фреймворке, покрывая генерацию text-to-image и продвинутое редактирование в рамках одной архитектуры.

В основе модели лежит архитектура диффузионного трансформера (DiT) — дизайн, сочетающий диффузионную генерацию изображений с трансформерными компонентами, семейством архитектур, лежащим в основе большинства современных языковых моделей. Модель содержит 33,1 млрд параметров — внутренних настроек, выученных системой в процессе обучения.

Нативное разрешение 4K

Главной особенностью является разрешение на выходе. H3-Image создает изображения с нативным разрешением около 16 мегапикселей, включая поддерживаемый размер 4096×4096. Модель также может генерировать более широкие форматы до 6272×2688 — соотношение сторон, лучше подходящее для панорам и баннеров, чем для изображений профиля. Для сравнения: стандартный 4K-дисплей отображает примерно 8,3 мегапикселя, поэтому нативный вывод модели при больших поддерживаемых размерах превышает этот показатель.

Здесь важное значение имеет слово «нативное». Многие модели генерируют изображение в более низком разрешении, а затем увеличивают его — по сути растягивают картинку меньшего размера в надежде, что никто не приблизит изображение. Нативный вывод означает, что модель строит изображение в полном размере с самого начала.

Скорость, референсные изображения и локальные требования

Генерация эффективна: H3-Image требуется лишь около 6 шагов сэмплирования — итерационных проходов уточнения, которые выполняет диффузионная модель для получения готового изображения, — и это происходит без использования classifier-free guidance, широко применяемой техники, которая позволяет точнее следовать промпту ценой дополнительных вычислений.

Модель также принимает до 16 референсных изображений одновременно. Это дает пользователям возможность показать модели, что им нужно — конкретного персонажа, продукт или стиль, — вместо того чтобы описывать все исключительно словами.

Цены по API составляют примерно $0,022 за изображение 1K и примерно $0,069 за изображение 4K, при этом стоимость зависит от размера выходного изображения. MiniMax дополнительно предлагает промо-скидки до 17 ноября 2026 года.

Локальный запуск модели требует дополнительного условия. Полная функциональность зависит от отдельного текстового энкодера Qwen3-VL-32B, который преобразует промпты в формат, понятный модели для изображений. Таким образом, скачивание фактически включает две большие модели, а не одну.

Интеграция появилась быстро: ComfyUI — нодовый интерфейс, широко используемый для построения пайплайнов генерации изображений, — поддержал H3-Image сразу после выпуска.

Лицензионные ограничения

Вопрос лицензирования выходит за рамки географии. Помимо запрета на использование в США, ЕС, Великобритании и Южной Корее, условия требуют, чтобы более крупные компании получили письменное разрешение от MiniMax перед использованием модели. Иначе говоря, открытые веса не означают свободное использование: веса публичны, но условия лицензии по-прежнему определяют, кто и где может их развертывать.

Производная модель уже появилась

Экосистема вокруг H3-Image уже развивается. 3 ноября 2026 года была анонсирована производная модель под названием P-H3-Image с заявлениями о более быстром инференсе на потребительском оборудовании. Работа на основе опубликованных весов — именно тот тип последующих разработок, которые позволяют выпуски с открытыми весами.

Источник: CryptoBriefing