AI и дата-центры
MiniMax выпустила H3-Image: картинки 4K за 10 секунд и открытые веса
Публикация:
MiniMax выпустила H3-Image, открытую модель для генерации и правки картинок. Картинку 4K она собирает меньше чем за 10 секунд, понимает до 16 опорных изображений, а веса лежат на Hugging Face.

H3-Image построена на мультимодальной модели H3, из которой убрали звуковую часть. Диффузионный трансформер насчитывает 33.1 млрд параметров, а генерация идёт всего за шесть шагов сэмплирования. Картинки выходят сразу в полном разрешении, без апскейлера: от 4096x4096 в квадрате до 6272x2688 в широком формате 21:9.
По заявлению MiniMax, картинка 4K (4096 × 4096) готова меньше чем за 10 секунд, до пяти раз быстрее массовых аналогов. Модель точнее других открытых моделей следует промпту, как утверждает компания, и принимает до 16 опорных изображений в одном запросе. Редактирование и генерация объединены в одном чекпоинте: модель правит поданные картинки и собирает новые по тексту.
Веса модели открыты: файлы лежат на Hugging Face, а сам трансформер весит 68.65 ГБ, плюс отдельный текстовый энкодер из модели H3. Для запуска MiniMax советует SGLang, vLLM-Omni, diffusers и ComfyUI. Модель уже доступна через API MiniMax, в MiniMax Code и в приложении Hailuo AI, а на первой неделе генерацию в 4K и выше отдают со скидкой 50%.