VAE 横评:MiniMax-H3-Image 潜空间压缩太狠,细节还原垫底
ostrisai · x · 2026-11-12
ostrisai 用一张图做 round-trip 测试，对比主流图像模型 VAE 的重建质量，解释 H3 Image 细节表现差的主因：潜空间压缩率过高。
图中关键数据（PSNR/SSIM/LPIPS 均值排名）：
- FLUX.2（latent 128x32x32，16:1 压缩）全面最优：PSNR 31.56dB、SSIM 0.9571
- FLUX.1：28.95dB
- Wan 2.1：26.77dB
- P-H3-Image：23.17dB
- SDXL：22.45dB
- SD 1.5：22.04dB
- MiniMax-H3-Image：仅 21.63dB、SSIM 0.7391，每项指标都最差，甚至不如 SD 1.5 的 VAE
H3 系列 VAE 为 24x32x32 latent、32:1 压缩，压缩率是 FLUX.2 的两倍，面部细节放大后明显糊化。结论：模型细节能力的上限很大程度上被 VAE 压缩率卡住。
所属事件:开发者指出 MiniMax H3 图像模型 VAE 压缩过狠致细节丢失(3 条相关)→
「多模态」频道最新
- Fable 5.2 跑 1.25 小时自主设计出机械爪 CAD 装配体 — _Stocko_ · 2026-11-12
- 前 Meta 视觉研究员花两年打造视频 Agent AdaL v2:聊天生成剪辑全流程 — Scobleizer · 2026-11-12
- 用户实测 MiniMax H3:本地 AMD 显卡 25 秒生成 4MP 恐怖图像 — omglionheaded · 2026-11-12
- 同一角色同 prompt 三图模型横评:Nano Banana Pro 对阵 GPT Image 2.6 — gizakdag · 2026-11-12
- 从一只愤怒小熊到一个完整品牌:作者用 AI 在 Figma Weave 全流程打造贝果品牌 — gizakdag · 2026-11-12
- 用 Gemini 生成 3D 游乐场模拟：60 FPS 过山车第一视角演示 — intellectronica · 2026-11-12