作者 |路飞
来源 | 至顶AI实验室
2026年11月11日，MiniMax 发布了图像生成模型 H3-Image，并开放模型权重。
H3-Image 支持直接生成 4096×4096 图片，最多接收 16 张参考图，文字生图和图片编辑共用一套模型。用户可以指定不同图片中的人物、商品、背景和材质，组合生成或修改画面。
ComfyUI 已提供文生图和图片编辑模板。原始模型加文本编码器，文件总量约 135GB；ComfyUI 的量化配套文件合计约 55GB。选择哪一套，会直接影响硬件配置、部署方式和出图速度。
原生高分辨率给后期留下更多空间
H3-Image 的正方形输出可以达到 4096×4096，约 1678 万像素。换成横版或竖版，也可以保持接近的像素总量，例如 16:9 的 5472×3072。这些尺寸由模型直接生成，不需要先做一张低分辨率图片，再通过放大模型补齐像素。
H3-Image 使用六步采样，生成图片时只进行六轮主要的去噪计算。减少采样次数，是它控制高分辨率生成耗时的一种方式。发布的模型按固定六步运行，不支持负面提示词；希望排除的物体、需要保持的构图，应写进对画面的完整描述里。
多图编辑更接近日常工作
H3-Image 将生成和编辑放在同一个模型里。输入文字，可以从头生成；加入参考图，就能围绕已有素材修改。
多参考图的用途很具体：一张提供主体，一张提供环境，其他图片提供服装、材质或道具。用户可以在提示词里指定各张图片的作用，减少仅靠文字描述素材的麻烦。
模型展示中有一组室内案例：输入一张空房间图片和九张家具图片，将它们组合成一个客厅。另一个案例则把未完成材质的三维场景，转换成具有完整视觉效果的画面。
商品场景图需要检查瓶身比例、包装文字、商标和材质有没有被修改；人物换装，需要检查脸部特征和配饰能否保留。模型生成的背景再漂亮，也不能抵消主体被改错的问题。
评估时可以用同一套素材，连续完成几项固定修改：换背景、换光线、加入道具，再改变画幅。每次都记录哪些细节被保留、哪些需要手工修补，判断它适不适合日常交付。
原始模型与 ComfyUI 量化方案
H3-Image 的本地运行包含多个组件：文本编码器处理文字与参考图，扩散 Transformer 生成图像的内部表示，VAE 再将其还原为图片。
原始图像模型仓库约 68.65GB，文本编码器约 66.7GB，两部分合计约 135.35GB。可选的提示词扩写模型还要单独下载。负责绘图的扩散 Transformer 为 331 亿参数，文本编码器并不包含在这个参数量里。
ComfyUI 提供了一组更小的配套文件，总计约 54.79GB。这个数字包含量化绘图模型、文本编码器、提示词扩写模型和 VAE，属于下载体积，不是运行时显存占用。
ComfyUI 配套组件 |
文件体积 |
量化绘图模型 |
21GB |
量化文本编码器 |
25.28GB |
提示词扩写模型 |
7.34GB |
VAE 图像解码器 |
1.17GB |
模板要求 ComfyUI 0.45.0 及以上版本、模板包 0.11.104 及以上版本。文生图默认从约 400 万像素开始，可以先跑通流程，再提高分辨率。
个人用户可以先测试单张参考图、较低分辨率的任务，记录总耗时和峰值内存，再增加参考图数量或输出尺寸。测试记录应同时写明量化版本，方便复现和比较。
出图速度与硬件配置
MiniMax 的发布页将“10 秒内生成 4K 图片”作为速度卖点。vLLM-Omni 项目提供了带硬件和运行条件的测试：生成 4736×3552 图片时，四张 H200 常驻显存、并行计算耗时 3.84 秒；单张 H200 让绘图部分常驻、文本编码器分层加载，耗时 12.39 秒；两部分均分层加载，耗时 12.85 秒。
有高显存工作站的团队，可以对照部署记录选择常驻显存或分层加载。
提示词扩写与本地运行
H3-Image 支持在生成图片前扩写提示词。在线接口会将简短要求整理成详细的英文画面描述，本地部署也提供了配套扩写模型。
例如“给这款香水做一张高级感广告图”，可以进一步明确瓶身位置、背景材质、光源方向、画面色调，以及哪些地方留给后期排版。扩写模型负责补充和组织这些信息，图像模型再执行生成。
用网页产品与本地模型做对比时，除了模型版本，还应检查提示词处理方式。网页端自动补充过的描述，与本地直接输入的一句短话，并不是相同条件。
商用授权条件
H3-Image 采用专门的社区许可证。使用者及其关联方的年化收入超过 100 万美元，或向第三方提供模型托管服务，都需要提前取得 MiniMax 的单独书面授权。对外开放生图网页或 API，应按相关条款申请。
许可证还包含地域限制，将欧盟、英国、韩国和美国列为排除地区，相关限制涉及模型及输出的使用。面向这些地区开展业务，需要另行核对授权。完整条件以许可证原文为准。
适用人群与使用建议
已经使用 ComfyUI 的设计师和 AI 绘图用户，可以先从现有模板入手，用熟悉的素材检查编辑效果。初期保持较低分辨率，先确认人物、商品和材质能否按要求保留，再测试高分辨率输出。
有固定批量任务的团队，更适合评估本地部署。例如产品场景图、室内方案草图、游戏素材概念稿，都可以建立统一测试集，统计生成时间、人工修图时间和最终可用数量。硬件投入应围绕这些实际数据决定。
H3-Image 已经把高分辨率生成、多参考图编辑和模型下载放在了一起。接下来，桌面用户需要的是消费级显卡上的完整测试：用了哪个量化版本、配了多少内存、生成多大的图片，以及交付一张可用图片需要多久。
这些数据齐了，才方便决定它在自己的电脑里应该占什么位置。
END
