MiniMax 开源生图模型 H3-Image，4096×4096 出图最快 10.3 秒

以下是视频口播的自动转写，可能有错字。

minimax 今天开源了一个画图模型，叫 h3-image。一张 4096 乘 4096 的图，它十来秒就能画完。下面的图和数据都来自 minimax 的官方博客和模型主页。平时常见的 AI 图大多是100万或400万像素，它直接出1600万像素，是一 K 图的十六倍。

官方这张甲虫样图里，身上的水珠和花纹都看得清。官方博客给了一张出图耗时的对比：出一张 4K 图，标准版 16 秒，极速版 10.3 秒。同档的Nano Banana 2.1要50秒，价格是同档工具的5到7成。发布第一周，4K图打5折。它是从Minimax的视频模型H3改出来的，拿掉了生成声音的那一支，剩下3块：第一块读题，用的是H3原来那个千问文本编码器；第2块是主干，有331亿参数，文字和参考图排成一对一起算；第3块负责压缩，图先压小16倍再算，最后还原成图。

画图是从一团噪点开始，一步步擦干净，它只擦6步，也不用额外再算一遍做对照，所以快。官方最想做的是和常见的AI感拉开距离。这几张写实照片细节多，看起来像真拍的。不只是照片，油画、水彩、塔罗牌插画、工笔画，官方样图里都有。字也能写对，这道中文推理题，答案是它，推出来再写到板子上的。

它最多能参考16张图，官方给了一间空房和9件家具。他把这些拼成了一个客厅，改图也能跨很远。一张游戏地图变成从红箭头那里看出去的第一人称画面，一个没贴材质的白膜变成了月球基地的电影剧照。权重已经开源，海螺和 minimax 开放平台上也能直接用。

要注意，许可证不覆盖欧盟、英国、韩国和美国。我是老潘，下期再见。