MiniMax开源图像模型H3-Image：原生4K、支持16张参考图，API价格低于主流竞品

量子位11月12日发布的实测文章显示，MiniMax在开源视频模型H3之后，又开源了图像模型H3-Image。文章用大量生成案例展示了这款模型在4K画质、复杂结构理解和文字排版上的表现，并把MiniMax称为多模态领域的“源神”。

规格上，H3-Image把分辨率做到16MP，即4096×4096像素的原生4K。作者在网页端实测，这样一张大图的生成时间大约为10到20秒；模型还支持最多16张参考图输入，用于保持角色一致性和复杂分镜的连续性。

更值得注意的是它对结构的理解。给一张产品外观图，H3-Image能推演出标准的正交三视图，正视图、侧视图、俯视图齐全；要求画机械拆解图时，它按装配逻辑把零件分层展开，并标出组件引线。这类任务考验的不只是画图能力，还有三维几何、空间关系和指令规划。

文字排版是另一个被作者重点测试的维度。文章称，模型在十多秒内生成了包含极限符号和复杂积分式的高数试卷，字符没有出现乱码，排版密度接近真实试卷。对严肃商业场景来说，信息能否准确传达，往往比画面是否好看更重要。

真实感方面，文章称H3-Image基本解决了过去AI生图“塑料感”的问题：毛孔、雀斑、面部绒毛、镜子上的水渍与灰尘、闪光灯打在镜头上的光晕都能画出来。作者认为，正是这些刻意保留的“瑕疵”，让画面更接近人类创作中的随机性。

价格与开放性构成了这次发布的另一半信号。H3-Image是开源模型，开发者可以自由定制和部署；API调用价格为主流竞品的50%到70%，首周16MP请求还能再打五折，标题中“一张两毛”说的就是这一档成本。

作者由此提出一个判断：不必让单个通用模型包揽一切，把垂直模型接入Harness、让Agent直接Tool Call，总效用可能更高。H3-Image这类专精图像模型负责资产生成，通用模型负责串联流程，分工比“降维”更现实。

如果“去AI味、可泛化的审美、可靠的逻辑”这三件事都成立，多模态生成可能正迎来自己的Coding时刻。高精度工业包装设计、商业插画、多语言跨境营销物料，都是流程周期可以被大幅压缩的场景。接下来要看的是开源权重在社区部署中的真实表现，以及低价策略能维持多久。