中国AI公司MiniMax发布了H3-Image，这是一个开放权重的图像模型，可生成并编辑分辨率高达4K的图片。该模型于2026年11月10日上线。

H3-Image可在Hugging Face——一个广泛用于分享开放机器学习模型的平台——的MiniMaxAI组织下获取，同时也可通过MiniMax Code以及公司API使用。因此，开发者既可以下载权重并自行运行模型，也可以通过托管API按张付费。

不过，对于全球相当大一部分开发者而言存在一个限制。该模型的社区许可排除了在美国、欧盟、英国和韩国的使用。权重虽然是公开的，但几个主要市场已被排除在外。

一个模型同时实现生成与编辑

大多数图像工具将工作分配给两个系统：一个模型根据文本创建图像，另一个模型负责编辑。H3-Image将这两项任务整合到单一框架中，在同一架构内涵盖文生图生成和高级编辑。

在底层，该模型采用扩散Transformer（DiT）架构，这一设计将基于扩散的图像生成与Transformer组件相结合——Transformer也是支撑大多数现代语言模型的架构家族——并拥有331亿参数，即系统在训练中学到的内部设置。

原生4K分辨率

输出分辨率是最大的亮点。H3-Image可生成约1600万像素的原生图像，支持的尺寸包括4096×4096。它还可以生成更宽的格式，最大达6272×2688，这种宽高比更适合全景图和横幅，而非头像。作为参考，标准4K显示屏约830万像素，因此该模型在较大支持尺寸下的原生输出超过了这一数值。

“原生”一词在此意义重大。许多图像模型先以较低分辨率生成再进行放大——相当于拉伸一张较小的图片并希望没人放大细看。原生输出意味着模型从一开始就以完整尺寸构建图像。

速度、参考图像与本地运行要求

生成效率很高：H3-Image仅需约6个采样步骤——即扩散模型为得出成品图像而运行的迭代细化过程——且无需依赖无分类器引导（classifier-free guidance），后者是一种被广泛用于提高输出对提示词遵循程度的技术，但会带来额外计算成本。

该模型还支持一次最多输入16张参考图像。这让用户可以通过展示具体内容——例如某个角色、产品或风格——来表达需求，而不是完全用文字描述。

API定价约为1K图像每张0.022美元、4K图像每张0.069美元，输出尺寸决定了成本。MiniMax还在2026年11月17日之前提供促销折扣。

本地运行模型还有一项额外要求。完整功能依赖于一个独立的文本编码器Qwen3-VL-32B，它将提示词转换为图像模型可处理的形式。因此，下载实际上是两个大型模型，而非一个。

集成进展迅速：广泛用于构建图像生成工作流的节点式界面ComfyUI在H3-Image发布当天即提供了支持。

许可限制

许可问题不仅限于地域。除了禁止在美国、欧盟、英国和韩国使用外，条款还要求规模较大的公司在使用该模型前须获得MiniMax的书面授权。换言之，开放权重并不意味着开放使用：权重是公开的，但许可条款仍决定了谁可以部署模型以及在何处部署。

衍生模型已然出现

围绕H3-Image的生态已开始发展。一个名为P-H3-Image的衍生模型于2026年11月3日公布，声称在消费级硬件上推理速度更快。基于已公开权重进行开发，正是开放权重发布所促成的后续工作的典型代表。

来源：CryptoBriefing