MiniMax 开源 H3-Image：10 秒一张 4K，直接掀了生图的价格桌

11 月 10 日深夜，MiniMax 把 H3-Image 放了出来，同时宣布开源。没有冗长的预热，参数和权重直接挂上了 Hugging Face。

一分钟速览

• H3-Image 衍生自 H3，是一个图像生成模型，已开源；
• 10 秒内生成 4096×4096、约 1600 万像素（4K）图像；
• 官方称速度约为主流水平的 5 倍，主流方案多为 100 万至 400 万像素；
• 指令遵循号称开源模型中最强，最多支持 16 张参考图；
• 发布首周，16MP 及以上规格的生成请求五折。

为什么是像素数

大多数人对生图模型的感知停留在像不像、好不好看，但商用场景的第一道门槛往往是分辨率。电商主图要印刷级清晰度，海报要能裁切，建筑和工业设计要看清纹理。100 万像素的图放大到 A2 尺寸，细节立刻糊成一片。

1600 万像素意味着什么？4096×4096 的方图，裁掉一半仍然剩 800 万像素可用，后期空间完全不同。这也是为什么 H3-Image 把 10 秒出 4K 当成核心卖点——它解决的不是审美问题，是交付问题。

后训练链路才是难点

MiniMax 提到，H3-Image 在 H3 预训练的图像能力之上，重做了整个后训练链路：数据、强化学习、步数压缩、PE、部署优化。这几项里，步数压缩和部署优化最容易被忽略，却直接决定推理成本。

扩散模型的出图质量和采样步数强相关，步数压不下来，速度就上不去。能在 10 秒内出 16MP，说明采样策略和推理引擎都做了针对性改造。至于多参考图理解，最多 16 张，这已经接近给定一组素材做统一风格套图的工作流需求。

开源这张牌，打的是生态

把这么高规格的模型开源，商业逻辑并不复杂：闭源 API 卖的是调用量，开源卖的是影响力和后续的企业服务。开发者先在本地跑起来、把工作流搭好，等规模上来了，自然会为稳定性和合规付钱。

对国内的设计、电商、游戏美术团队来说，这件事的实际意义是：4K 生图终于可以进本地流水线，不必每张图都走外部 API，数据也不必出内网。

冷静看两个变量

第一是显存。16MP 输出的显存占用不会低，消费级显卡能不能跑，要等社区实测。第二是 AI 感——官方强调画面细节和真实感，但生成模型在复杂手部、文字、精细结构上的老问题，不会因为分辨率提高就自动消失。

生图模型的竞争，已经从能不能生成进入能不能直接交付的阶段。H3-Image 把分辨率、速度、参考图数量三个指标同时拉高，接下来压力给到了闭源厂商：要么降价，要么拿出更高规格。