中國 AI 公司 MiniMax 已發布 H3-Image，這是一款開放權重圖像模型，可生成並編輯解析度達 4K 的圖片。該模型於 2026 年 11 月 10 日正式上線。

H3-Image 可在 Hugging Face（一個廣泛用於分享開源機器學習模型的平台）上的 MiniMaxAI 組織頁面取得，也可透過 MiniMax Code 及該公司的 API 使用。因此，開發者可以下載權重並在自己的基礎設施上執行模型，或改為透過託管 API 按圖片付費。

不過，對全球相當大一部分開發者而言存在一個限制。該模型的社群授權條款排除在美國、歐盟、英國與南韓的使用。權重雖為公開，但歡迎名單上已劃掉數個主要市場。

一個模型兼顧生成與編輯

大多數圖像工具將工作分配給兩套系統：一個模型負責從文字生成圖像，另一個模型則處理編輯。H3-Image 將兩項工作整合至單一框架，在同一架構內涵蓋文字生圖與進階編輯。

在底層，該模型採用擴散轉換器（DiT）架構，這種設計將基於擴散的圖像生成與轉換器元件（支撐大多數現代語言模型的架構家族）相結合，並具備 331 億個參數，即系統在訓練過程中學習到的內部設定。

原生 4K 解析度

輸出解析度是最大亮點。H3-Image 可生成約 1,600 萬像素的原生圖像，支援尺寸包括 4096×4096。它還能生成更寬的格式，最大達 6272×2688，這種長寬比更適合全景圖與橫幅，而非大頭貼。作為參考，標準 4K 顯示器的解析度約為 830 萬像素，因此該模型在較大支援尺寸下的原生輸出已超越此數字。

「原生」一詞在此意義重大。許多圖像模型先以較低解析度生成，再進行放大——效果就像是拉扯一張較小的圖片，並希望沒有人放大細看。原生輸出則意味著模型從一開始就以完整尺寸構建圖像。

速度、參考圖與本地執行需求

生成效率頗高：H3-Image 僅需約 6 個取樣步驟（擴散模型為得出最終圖像所執行的迭代精煉過程）即可產出一張圖像，且無需依賴無分類器引導（classifier-free guidance）——這是一種廣泛用於強化輸出對提示詞遵循程度的技術，但代價是額外的運算成本。

該模型還可一次接受多達 16 張參考圖像。這讓使用者能以圖像直接向模型展示想要的內容，例如特定角色、產品或風格，而不必完全以文字描述。

API 定價約為每張 1K 圖片 0.022 美元、每張 4K 圖片 0.069 美元，成本取決於輸出尺寸。MiniMax 另外提供促銷折扣至 2026 年 11 月 17 日。

在本地執行模型還有一項額外需求。完整功能依賴一個獨立的文字編碼器 Qwen3-VL-32B，它將提示詞轉換為圖像模型可處理的形式。因此，這次下載實際上是兩個大型模型，而非一個。

整合速度相當快：廣泛用於建構圖像生成工作流程的節點式介面 ComfyUI，在 H3-Image 發布當下便已提供支援。

授權限制

授權問題不僅限於地域。除了禁止在美國、歐盟、英國與南韓使用之外，條款還要求較大型企業在使用該模型前取得 MiniMax 的書面授權。換言之，開放權重並不等於開放使用：權重雖為公開，但授權條款仍規範著誰可以在何處部署它們。

衍生模型已經出現

圍繞 H3-Image 的生態系統已開始發展。一個名為 P-H3-Image 的衍生模型已於 2026 年 11 月 3 日發布，宣稱在消費級硬體上具備更快的推論速度。基於已公開的權重進行開發，正是開放權重發布所能促進的後續工作。

來源：CryptoBriefing