11 月 10 日晚，MiniMax 把旗下的图像生成模型 H3 Image 正式开源，权重当天就挂上了 HuggingFace、魔搭社区和 GitHub 三处，仓库放在 MiniMaxAI/MiniMax-H3-Image 下面，开发者可以直接下载部署。对普通用户来说，更实际的变化是在海螺 AI 和 MiniMax 官方渠道就能直接用到它：支持生成 4096×4096 的 4K 级大图，官方称标准模式下十秒内出图，API 价格只有同档闭源模型的一半到七成。放在整个开源图像模型的赛道里看，一个原生支持 4K 出图、速度和价格还同时占优的权重公开可下，含金量是实打实的，这一波值得单独聊。
权重当天开放，还借着 H3 的热度起量
这次开源没有搞预热。模型发布当晚，三个平台的仓库同步上线，模型卡里把运行要求和推理示例一次写清，想本地部署的团队不用再等社区搬运，直接clone就能开工。节奏上也能看出 MiniMax 的算盘：八月开源的 H3 语言模型在一个月里累计下载超过 2400 万次，社区基于它派生的模型超过 300 个，这波热度还没散，紧接着把图像模型也开源出来，等于直接把关注度和开发者生态接了过来。开源当晚就有十多家芯片厂商宣布完成适配，这种首日规模的硬件支持，在开源图像模型里并不多见。唯一要提醒的是，331 亿参数的稠密模型对显存不算友好，想在本地跑起来的话，消费级显卡基本够不着，云端部署或直接调 API 是更现实的选择。
331 亿参数的稠密 DiT，速度却快了不少
结构上，H3 Image 是一个 331 亿参数的稠密模型，主体是 50 层的 DiT（Diffusion Transformer），文本编码器换成了 Qwen3-VL，再配一个图像 VAE。官方把原来多模态版本里的音频分支整个拿掉，参数全部用在图像生成上。稠密结构的好处是部署时显存占用和行为都可预期，不像稀疏模型那样对推理框架有额外要求，工程上的确定性更高。速度方面官方给了三档：峰值速度是前代同类模型的 5 倍，标准档 1.5 到 2 倍，Highspeed 档 3 到 4 倍。实际用下来，普通复杂度提示词基本都能在十秒上下出结果，改成 Highspeed 档还会更快，批量出图时排队时间肉眼可见地缩短。价格账也好算，官方称 API 定价是同档模型的 50% 到 70%，上线首周 4K 生成还有五折，对要批量出图的团队来说，这组数字比参数表更有说服力。
实测：装配图和工程蓝图这类结构图能画明白
H3 Image 最让人意外的是结构类提示词的表现。让它画一台太阳系仪的爆炸装配图，齿轮、支架和各层结构的装配关系基本都能对上，画面里还自动带上了类似产品手册的标注排版；让它出一张潜水球四视图的 CAD 风格蓝图，正视图、侧视图和剖面的比例关系没有崩，线条也够干净。这类「看图能照着做」的图，以往很多模型只会画出气氛图，结构对不上号，H3 Image 是少数能把装配逻辑画清楚的。对经常要做示意图的用户来说，这个能力直接省掉了事后用修图软件补结构的时间成本。人物表现也在水准之上，写实街拍的光影和皮肤质感自然，角色设定图的三视图角度稳定，手部、衣物纹理这些容易翻车的地方实测没有明显问题。
最多塞 16 张参考图，家具布置实测靠谱
另一个卖点是参考图能力，H3 Image 最多支持同时吃进 16 张参考图。实测把一组家具的单品图和户型照片一起丢进去，它能按参考图里的家具样式把整个房间排出来，沙发、柜子的外观和实物基本一致，空间透视也合理。做室内方案、电商场景图这类需要「指定外观」的活儿，这个能力比单纯出概念图实用得多。以前要多轮抽卡再后期拼接的流程，现在一次提示词就能出可用初稿。芯片生态方面，昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数这些国产芯片，加上 NVIDIA、AMD、Intel、Tenstorrent，都在发布当天完成了 Day 0 接入。对部署方来说，不管手上是什么卡，基本都有现成的适配版本可以直接跑。从开发者社区当晚的反馈看，权重下载和推理脚本跑通的帖子很快就有，生态热身速度比前几次开源还要快。
网友评论
- 「十秒出 4K 图还五折，这个价格是真的卷，希望 API 稳定性别拖后腿。」
- 「实测了装配图那个例子，结构确实比隔壁几家强，但手部细节偶尔还是糊，等下一版迭代。」
- 「16 张参考图是真的能打，做电商场景图有救了，就是本地部署的显存门槛有点高。」
- 「H3 语言模型都下载 2400 万次了，图像模型跟着开源，这套打法比憋大招聪明。」
总结
对普通用户来说，H3 Image 开源后意味着在海螺 AI 里就能用上 4K 级出图，首周还有五折；对开发者和企业来说，一个 331 亿参数、十秒出图、价格只有同档一半到七成的开源模型，加上首日十多家芯片厂的适配，实际部署成本和门槛都压低了不少。图像生成的开源阵营这次又多了一个有分量的选项，后续值得盯的是社区衍生模型的迭代速度，以及 Highspeed 档在真实业务里的稳定性表现。如果它复刻 H3 语言模型那种一个月 2400 万次下载的社区节奏，图像开源圈的竞争格局今年底之前可能还会再洗一次牌。
