专题 · FULL STORY

MiniMax H3-Image：从早期访问到开源发布

MiniMax 于 11 月 10 日先向部分用户开放海螺平台新图像模型 H3-Image 的早期访问，随后正式发布并以社区许可开源权重，支持 16 张参考图直出 4K 图像。发布后社区实测聚焦游戏资产与 3D 场景生成，反响热烈。

2026-11-10 ~ 2026-11-11 · 3 集 · 47 条

第 1 集 · MiniMax 海螺 H3-Image 开启早期访问：16 张参考图直出 4K(2026-11-10,22 条)

MiniMax 旗下海螺（Hailuo AI）平台于 11 月 10 日向部分用户开放新图像生成模型 H3-Image 的 Early Access。该模型最大差异化能力是单条 prompt 最多可输入 16 张参考图并保持较高的提示词遵循度，且可输出 4K；多位获得测试权限的博主已分享覆盖游戏资产、插画海报、工业设计、艺术风格、影视主题与写实摄影的实测结果，反馈普遍积极。正式发布时间与定价尚未公布。

已确认

  • H3-Image 已在 Hailuo AI 平台开启 Early Access，主打秒级出图；博主 SarahAnnabels、aziz4ai、techhalla、LudovicCreator、genericai 等获得测试权限并分享实测
  • Reddit 用户 Positive-Page1631 梳理：H3-Image 是独立于 H3 视频、MiniMax Image 2.5 及第三方 P-H3-Image 仓库的专门静态图像模型，同一工作流内支持文生图与图像编辑，支持 16 张参考图单次直出 4K
  • 模型单次最多支持 16 张参考图，对人物主体、服装与细节能准确保留；博主 aziz4ai 评价其生成与图像编辑能力为「现象级跃升」，并提到可输出 4K
  • techhalla 多轮实测认为提示词遵循度非常出色：能精准还原爵士唱片 LP 排版、意大利惊悚片（giallo）色胶打光、Kodachrome 街拍等胶片与印刷质感；即使文字写在警示胶带、宝丽来手写标注和漫画拟声词（SFX）上也能干净落版，真实质感涵盖硬光、闪光灯、半调网点与水下光线
  • 开发者 azedai 仅凭简单文本提示词即生成多张 4K 的 AAA 级游戏素材图，包括蒸汽朋克冒险角色、中世纪羊皮纸藏宝图、双刀刺客等，细节与纹理被评价为「效果惊人」
  • SarahAnnabels 实测覆盖游戏资产（3D 场景、概念图、角色、VFX）、油画与东方美学等艺术风格，以及工业设计方向的 CAD 级出图
  • prompt 测试师 LudovicCreator 分享了游戏资产实测样图，涵盖 key art、3D 场景、角色与游戏素材，暗黑奇幻海报等表现突出
  • 用户 PromptSin 演示多参考图合成：输入 6 张角色立绘，一次生成 4K 的 AAA 风格游戏主视觉，角色服装一致、姿态各异
  • 开发者 ivanfioravanti 用该模型生成四张《沙丘》小说主题图，包括双日下的沙虫、沙漠行者、扑翼机掠过沙海等场景，电影感与氛围表现令作者满意
  • 用户 FellMentKE 做复古电影海报实验，生成《The Blue Wren》黑色电影海报与《Six Fingers of Doom》怪兽 B 级片海报，构图与字体排版到位，并提到该模型将开放权重
  • genericai 发布超写实怪诞人像、电影感人物场景与黑白摄影风格样图，称质感接近真实摄影、效果「相当令人印象深刻」，并预告后续更多测试
  • 用户 lyraxana 生成一组复古旅行明信片，涵盖加沙、伊斯坦布尔与开罗三个城市主题，统一为线条插画风，热气球、渡轮、电车与地标等细节丰富、配文排版工整，显示模型在插图海报类内容上的稳定风格保持
  • 博主 mhdfaran 将深夜街角便利店场景转成梵高风格油画，漩涡状笔触、钴蓝与柠檬黄对比与厚涂质感到位，画面中打瞌睡的店员与门口外卖骑手等细节生动，展示图像编辑的风格转换能力
  • 博主 HeyNayeem 试用后认为视觉风格精致，构图、纹理与细节出色，称其为近期体验过最有趣的图像生成产品之一，配图为红衣女子与丹顶鹤的中式古典风格作品
  • 另有早期用户生成超现实梦境风格作品（透明悬浮茶杯内含微缩花园、小屋、瀑布与樱花树），并称赞生成速度「相当惊人」

尚未确认

  • 用户 FellMentKE 提到该模型将开放权重，此说法暂未获 MiniMax 官方确认
  • 正式发布时间与定价未公布，公开信息全部来自早期访问用户的实测分享

为什么重要

  • 16 张参考图的上限与角色一致性能力，直接面向游戏与影视行业对资产统一性的刚需，是当前图像模型竞争的关键赛道
  • techhalla 对排版文字与印刷质感的测试显示模型在文字渲染这一长期短板上表现突出，拓宽了海报、封面等实用场景
  • 若「开放权重」属实，将显著改变开源图像模型格局，值得持续关注官方后续动作
  • 从游戏资产、插画海报到工业设计、艺术风格再到写实与影视主题的覆盖面，显示 MiniMax 试图以专业工作流场景切入，而非仅面向消费级娱乐生成

还有 2 条相关讨论 →

第 2 集 · MiniMax 开源 H3-Image：16MP 图像 10 秒级直出(2026-11-10,22 条)

11 月 10 日，MiniMax 正式发布并开源图像生成与编辑模型 MiniMax-H3-Image，模型权重以社区许可协议上架 Hugging Face（另有 ModelScope、GitHub 同步），官方称之为「迄今最强的开源权重图像模型」，同时开放 API 并接入海螺 AI 等入口。ComfyUI 原生权重（Comfy-Org/MiniMax-H3-Image）、Runware 平台的 H3 Image Highspeed 版本以及 vLLM Day-0 支持当日同步落地，模型次日登上 Hugging Face 趋势榜，成为开源权重图像模型在分辨率与速度组合上的一次明显突破。

已确认

  • 分辨率与速度：直接生成约 1600 万像素图像（4096×4096 到 6272×2688 的 21:9 全宽高比），无需放大器，生成时间 10-20 秒；官方称价格仅为同档主流模型的五到七成
  • 多参考图与长提示词：官方口径最多支持 16 张参考图，另有转发帖提及发布配方中单请求最多 9 张、4096 token 长提示词支持；生成与编辑共用单一检查点，支持文生图、图生图与图像编辑，兼容 diffusers
  • 架构细节：据社区作者 @XianbaoQIAN 转述的技术信息，模型基于 33.1B 参数的 H3 DiT，搭配 Qwen3-VL 文本编码器与原生 2D 解码器图像 VAE；在 4×H200 上约 0.8 秒可出 2.7K 图。@RisingSayak 介绍其采用 6 步蒸馏直出 16MP 图像；@Lexius2129 补充模型经 CFG 蒸馏、guidance 1 下即可工作
  • 质量主张：官方强调细节与照片级真实感、精准指令遵循，模型基于 MiniMax 开源视频模型 H3 架构微调而来
  • 生态与反响：ComfyUI 可直接本地调用，接图即编辑、不接图为文生图；Hugging Face 转发者 multimodalart 评价称这是久违的令其兴奋的发布

尚未确认

  • 各帖对参考图数量表述不一：官方与多数帖称最多 16 张，亦有转发帖称 8 张或「发布配方单请求最多 9 张」，以官方 16 张口径为准；另有转发帖提及「最高 20MP 输出」，与官方 16MP 口径不同，待核实

为什么重要

  • 开源权重的高分辨率图像模型此前普遍在速度或分辨率上受限，H3-Image 将 16MP 直出与 10-20 秒级生成结合，且官方定价低于同档主流模型，进一步降低高质量图像生成的使用门槛
  • 生成与编辑合一、支持多张参考图与 4096 token 长提示词的设计，使其在保持角色/风格一致性的多图工作流中具备竞争力
  • 架构信息公开与 ComfyUI、vLLM 等首日原生支持，为社区复现、本地部署与二次开发提供了完整基础

还有 2 条相关讨论 →

第 3 集 · MiniMax 发布 H3-Image：游戏资产与 3D 场景生成亮眼(2026-11-11,3 条)

MiniMax 发布新图像模型 H3-Image，在游戏资产与场景创作方面表现突出。海螺 AI 官方转推用户实测，展示其生成 AAA 风格游戏资产、ARC Raiders 风格 3D 环境与 CAD 风格图像的能力；另有用户用提示词生成 4K 分辨率开放世界 3D 场景，官方借此向游戏开发者喊话。