MiniMax开源H3-Image：10秒出4K图，GPT级指令理解

MiniMax近日正式发布了H3-Image图像生成模型，并同步开放了模型权重。作为H3全模态预训练架构的衍生版本，该模型专注于图像生成与编辑能力的优化，旨在成为开源图像模型中的SOTA（当前最佳）。

一发生了什么

H3-Image具备文本生图、图像参考和图像编辑三大核心能力。其最大亮点在于生成速度与画质：官方数据显示，模型能在10秒内生成一张分辨率为4096×4096像素（约16MP，即4K）的高规格图片。这一速度是市面主流水平的5倍，意味着4K级图像生成正在进入以“秒”计的时代。

二关键细节

为了实现这一目标，H3-Image在H3已有的全模态能力基础上，对后训练链路进行了强化，涵盖了数据清洗、强化学习、步数压缩等多个环节。这使得模型在速度、画面质量和指令遵循三个维度上取得了平衡。

在视觉表现上，H3-Image摒弃了常见的“AI感”，能够提供丰富的画面细节和极强的真实感。在功能上，它支持最多16张参考图片，能够同时理解不同的主体、材质和风格要求。此外，模型还具备优秀的复杂指令遵循能力，能够准确处理文字排版、机械结构拆解等高难度任务。

三为什么重要

H3-Image的发布标志着开源模型在图像生成领域迈出了重要一步。它不仅填补了高分辨率、高速度生图工具的空白，更通过API接口的开放，让开发者能够将其直接接入Agent工作流，参与到更复杂的自动化创作任务中。这种将强大的生图能力与智能体结合的路径，有望进一步推动AI创意行业的落地与应用。