Модель MiniMax H3-Image вышла 10 ноября 2026 года. Веса открыты на Hugging Face: text-to-image, редактирование и до 16 референсов в одном чекпоинте. По заявлению MiniMax, кадр 4096×4096 делается меньше чем за 10 секунд. В независимых китайских замерах выходит 10–20 секунд, и разница здесь важнее, чем кажется.

Источник: minimax.io

Китайские редакции хвалят, но тесты у них на китайском тексте

Первым материал опубликовало издание 智东西 (Zhidx), автор Чэнь Цзюньда, редактор Мо Ин. Редакция подключила модель через MiniMax Hailuo и MiniMax Code и прогнала пять направлений: реализм, стили, игровые сцены, постеры с текстом и сборку из 16 референсов.

Источник: quantslant.com
«По отзывам многих пользователей, которые тестировали модель, H3-Image уже может тягаться с лучшими мировыми моделями генерации изображений и достигает уровня SOTA среди открытых моделей». — 智东西, в переводе с китайского. SOTA здесь — оценка авторов и сообщества; независимого бенчмарка в материале нет.
«Для сценариев, где одновременно нужно много китайского текста и графики, такой результат уже вполне годится для коммерческой среды». — вывод редакции 智东西 по тесту с инфографикой на сотню иероглифов.

APPSO смотрел на понимание задачи: насколько модель разбирает сложный запрос и держит правки. Их вывод звучит так:

«H3 Image действительно умеет понимать сложные запросы, точно вносить правки и сохранять согласованность в серии». — APPSO, перевод с китайского.

Блогер 时空猫 (cosmocat.dev) запускал модель на одной машине и писал так:

«Каждая цифра в этом тексте — то, что я сам запустил на этом железе. Работает, но с границами. И многое из того, что о нём говорят, завышает стоимость». — 时空猫, перевод с китайского.

Сильнее всего модель в сборке и в тексте на китайском

В китайских материалах полезнее всего конкретные задания. Вот что у них получилось, с указанием, кто делал:

  • Фен в разрезе (экспли-дрей, разнесённые детали). Редакция 智东西: с первого раза не вышло, понадобилось несколько итераций. Агент MiniMax Code находил ошибки на картинке и давал правки.
  • Трёхвидовой чертёж фена. 智东西: внешние виды почти сошлись, но ширина экрана поплыла. Агент написал скрипт, который измерил пиксели и поправил размер.
  • Кофемашина по брифу из APPSO: бункер, помол, заварной модуль, бак — все части на одной схеме с подписями.
  • Текст. 智东西: постер с заголовком, шестью шагами и сотней иероглифов с единицами измерения (15 г, 92 °C, 2 минуты 30 секунд) прошёл без ошибок. Это один тест одной редакции.
  • Портрет и сцена. 时空猫: два человека перенесены в дождливое кафе, лица, причёски, серьги и наушники сохранились, сцена заняла 55 секунд. Ошибка только в пальцах: у женщины слиплись.
  • Шестнадцать референсов. 时空猫: комната, 15 предметов мебели и декора — 15 из 16 вошли в кадр с формой и цветом своих референсов. Не попал чёрный деревянный стул.

Сам не гонял, так что это пересказ чужих замеров. Видно, что сильнее всего модель в сборке из нескольких источников и в тексте на китайском. Про кириллицу в этих материалах ничего нет.

Цены в долларах, без пересчёта

AICHINA пишет по странице тарифов MiniMax: цены даны в долларах за миллион токенов, на дату 10 ноября 2026 года. В рубли не пересчитываю: курс на дату публикации я не сверял, а тарифы могут меняться. Сверяйте на платформе.

ВариантВход: картинка, $Вход: текст, $Выход: картинка, $
H3-Image Standard1,502,303,80
H3-Imageнет данных2,30нет данных
H3-Image-Highspeed3,002,307,60

Из практики — в тесте Piotr Olszewski (quantslant) за 170+ картинок через API заплатил 4,98 $. Если поделить, выходит около трёх центов за штуку. Это его запуск, общей цены он не даёт: ретраи, апскейл и правки добавят своё.

Веса: 13,7 ГБ, а не 55

В сети гуляет цифра «55 ГБ». 时空猫 разобрал версии в репозитории: диффузионная часть есть в bf16 (40,2 ГБ), int8 (21,0 ГБ) и w4a8 (12,55 ГБ). Текстовый энкодер — в int8 (27,1 ГБ) и nvfp4 (15,69 ГБ). VAE — 1,17 ГБ.

Блогер 时空猫 запускал модель на одной машине с Blackwell. Когда он выбрал w4a8 и nvfp4, энкодер от видеомодели H3 у него уже лежал, и докачать пришлось 13,7 ГБ. Если H3 у вас нет, цифра будет больше.

По самим весам: 33,1 млрд параметров, шесть шагов сэмплинга, без CFG и без негативного промпта. Генерация и редактирование — один чекпоинт. Запустить можно нативной нодой в ComfyUI или через Partner Nodes по API, без скачивания весов.

Что меняется для креатора

  • Негативного промпта нет. Всё, чего не хотите видеть, придётся описывать словами в позитивной части промпта.
  • Шаги и guidance зафиксированы чекпоинтом, крутить их нечего. Меньше настроек — меньше времени на подбор.
  • Локальный запуск снимает плату за каждую картинку, но перекладывает расходы на железо. Нужна видеокарта и место на диске.
  • Правка текста на готовом макете: 时空猫 подал макет как референс и поменял заголовок и подзаголовок. Сетка, отступы и иллюстрация остались на месте, семь букв из семи и пять из пяти.
  • Прозрачного фона не будет: по тесту quantslant из пяти картинок ни одна не вышла с прозрачностью. Вырезку делайте отдельным инструментом.

Самый ценный сдвиг — сборка из референсов. Раньше постер собирали в фотошопе из пяти исходников, теперь можно положить персонажа, одежду, материал, шрифт и лого в один запрос. Но проверять это на своих макетах всё равно придётся.

Где подвох

Самое скользкое здесь слово «открытые». Веса открыты, а условия коммерческого использования оставлены за MiniMax.

  • «SOTA среди открытых» — формулировка MiniMax и сообщества. Независимого бенчмарка, который это подтверждает, в материалах нет.
  • «В пять раз быстрее» — официальная формулировка «до 5×», то есть лучший случай. В замерах звучит 10–20 секунд.
  • Чертежи, разбор механики и логические задачи — это единичные тесты с агентом MiniMax Code. Агент сам ищет ошибки и правит их. Повторить такой результат без агента, скорее всего, не выйдет.
  • Текст с диакритикой и сложной латиницей. quantslant прямо пишет, что Nano Banana 2.1 и GPT-Image-2.6 тут лучше.
  • Лицензия. По 智东西, для крупного коммерческого использования и для пользователей в отдельных регионах MiniMax оставляет за собой право на отдельное лицензирование. Регионы в материалах не перечислены, как и порог масштаба.
  • Кириллица не тестировалась ни в одном из материалов. Русский текст на постере — отдельный тест.

Пять шагов, чтобы проверить на своих задачах

  1. Выберите путь: API на платформе MiniMax или MCode, либо локальная нода в ComfyUI. Для первого теста хватит API, локалка нужна, если генераций много.
  2. Проверьте лицензию для своего случая: коммерческий масштаб и регион. Текст лицензии читайте до запуска, а не после.
  3. Соберите набор из 10–15 задач: постер с вашим текстом (обязательно кириллица), сборка из 4–6 референсов, портрет с сохранением лица, предмет с точными размерами.
  4. Считайте стоимость по факту: сколько запусков ушло до хорошего кадра и сколько на правки.
  5. Для макета с текстом сначала подайте сам макет как референс и попросите поменять одну строку. Если сетка поплыла, работайте по-другому.

Кому брать, кому пока подождать

Если вам нужны предметные фото, концепты, обложки и сборки из готовых материалов, и есть своя видеокарта или бюджет на API, модель стоит потестировать сразу. Если вам нужен прозрачный фон, точная кириллица на постерах или полная уверенность в лицензии для своего региона, пока подождите и проверьте. Китайские редакции пишут о сильных сторонах, но их тесты делались на китайском тексте и на их собственных задачах.

Русский текст на том же макете пока никто не проверял. Вы ждёте картинку десять секунд или двадцать? И что получилось с кириллицей на вашем постере?

Собирать такие генерации в цепочку можно на Workflow: полотно, где ноды соединяются в одну линию

Источники

MiniMax H3-Image: Bringing 4K Image Generation into the 10-Second Era - MiniMax Research

MiniMax H3-Image: Price, API, Test Results and Comparison

MiniMax H3 Image is now available in ComfyUI - by Rob

AI 生图开源免费:一台 128GB 小机器,跑通 16 张参考图合成 | 时空猫博客

MiniMax-H3-Image: What Each Surface Actually Hands You

MiniMax Adds MiniMax-H3-Image Tiers to Its Pricing Overview — AICHINA.news

Источникzhidx.com