11 月 10 日，MiniMax 在 Hugging Face 放出生图模型 MiniMax-H3-Image：文生图与图生图合在一个 checkpoint 里，原生直出约 16MP（4096×4096），蒸馏到 6 个采样步、不用 CFG，一次最多支持 16 张参考图做编辑。模型来自 MiniMax-H3 视频模型家族（去掉音频分支），这次是先上权重、后补官宣的静默发布——MiniMax 官网博客与新闻页至今没有这篇模型的文章。
16MP 直出，6 步采样
今天主流生图模型大多输出 1–4MP，H3-Image 直接拉到约 16MP：1:1 是 4096×4096，21:9 可达 6272×2688，不需要超分。按模型卡的说法，有效工作范围约 4–20MP，16MP 附近效果最好。采样只要 6 步、无需 classifier-free guidance，速度是它主打的三个卖点之一（另外两个是细节真实感与指令跟随）。
参数规模不小：扩散 Transformer 33.1B 参数，权重 BF16，整个 checkpoint 约 68.65GB（DiT 66.28GB + VAE 2.34GB）。注意文本编码器不在这个仓库里，要另从 MiniMax-H3 取；本地部署支持 SGLang、vLLM-Omni、diffusers、LightX2V 与 ComfyUI，英伟达与 AMD 加速卡都支持。
一个 checkpoint，两种用法
文生图与图生图统一在一个 checkpoint：给一段文字直接出图，或者给一张到十六张参考图做编辑，图在提示词里按 <Picture 1>、<Picture 2> 的顺序引用。模型卡还给了可选的提示词扩展器 H3-Image-PE（17.9GB），能把短提示词先扩写成详细的英文描述再生成；不想自己搭也可以直接用 海螺 AI 网页版或走 MiniMax API 试用。
许可证才是重点：美欧英韩被排除在外
这不是 Apache、MIT 这类标准开源许可。权重走 MiniMax-H3-Image 社区许可协议，LICENSE 原文写明：适用地域是全球除美国、欧盟、英国、韩国之外的地区，在这些被排除地域内使用、复制或展示模型作品均未获授权；年收入超过 100 万美元，或向第三方提供托管服务，要先拿到 MiniMax 的书面授权；商用产品还须在界面上显著展示“MiniMax-H3-Image”。
对中文读者来说，地域限制基本不影响使用，但“开权重、划禁区”的做法值得留意：下载之前先确认自己的使用场景在许可范围内。另外模型卡里没有放与同类模型的基准对比成绩，效果目前只能看官方给的 15 张示例图自行判断。
站内同类可看
同样基于 MiniMax-H3 家族的还有 Viggle Remake：开源视频重拍模型，换角、改景、整片重制，免费就能试；想系统了解 MoE 训练可以看 Hugging Face 免费放出《终极 MoE 训练手册》：7 万字、55 张交互图，80 万 GPU 小时实测。
转自 Hugging Face 作者 MiniMaxAI 的文章《MiniMax-H3-Image》，原文链接
