MiniMax H3 Image 实测：33B 模型 6 步直出原生 4K，16 张参考图同时编辑

以下是视频口播的自动转写，可能有错字。

Minimax 刚刚发布了全新的 h3 in may，直接把图像生成拉到了原生的4k，1680万像素的级别，直出超高清图像。更夸张的是，它原生只需要6步采样就能完成高分辨制图。不仅如此，它的编辑功能也非常强劲，可以支持16张参考图同时输入。

比如我这里是参考了10个角色，人物、服装、姿势、场景都可以作为参考。除此之外，这次模型的话还强化了真实质感、复杂指令理解，人物更加自然，细节丰富而风格多样。康比外这边进行了第一时间的支持。我这边也已经连夜把镜像部署到了优云计算平台上面。我们进入到优云计算平台，找到对应的镜像，点击部署实例。

这个地方我测试下来，做400万像素以上图像的生成的话，就需要租用24gb以上的显卡了。选择可以租用的 gpu，我们点击立即部署，实例列表当中等待一下，镜像将会自动拉起。这边我打算去测试1600万像素的结果，点击 comfyui，我们进入到 comfyui，点击左侧的工作流，选择我们要去使用的工作流程。

本地可以。你使用的整合包我也已经放到了简介。一共现在的话就是两个流程，一个呢是纹身图，还有一个呢进行图像编辑。快速启动上来说，对于纹身图而言，我们需要去设定一下我们要生成的宽高比，多少百万像素，设定一下提示词，中文是可以的，简单的提示词也是没有问题的。

如果特别简单，我们应当去开启这样的一个提示词增强功能，默认设定为 true 的话是开启的状态。视频后面的部分我们会进行图像生成评测，但这个视频的评测呢，不代表最终的结论，因为现在我们使用的模型的话，是一个减脂模型，bf16的减脂模型的话，就会达到40gb 的惊人体积。

如果是非减脂的 bf16模型，体积将会达到60gb。这当中现在还没有 comfyui 可以用的版本，那么也许这个视频发出之后就会有了，我会进行适当的更新。非常简单，点击运行，等待一段时间，将会获得结果。然后我们来看到图像编辑的快速启动的话，首先我们是对图像进行编辑，我这个地方直接把16个加载都给列出来了。

现在的状态的话是只开启了一个 load image，我们可以依次往后选中，ctrl 加 b，把它给打开，然后呢上传图像。加载好我们要去编辑的图像之后的话，我们去设定提示词，这个提示词可以简单，简单的情境之下，我们应当开启后面的提示词润色开关。

如此，来列示 picture 一，以此类推来代指这张图像。提示词润色这个地方是可以关闭的，关闭的时候的话，我们就要把它写的详细一些，而且在提示词关闭的情境之下，我们的生成速度应当会更快，因为关闭之后我们就不过下面的模型帮我们去润色提示词了。

这里的话我有根据 h3 image 官方的文档来创建一个技能，来辅助我们进行提示词的创建。是怎么去用呢？直接把我的这个地址呢，丢给 deepseek honey 或者说 codex，让它去创建就行。如果使用的是在线对话平台，我们点击下载未压缩包，扔给在线对话的工具，帮助我们进行辅助创建。

这里我用线上的 gpt 来做个例子。首先呢我们要去截取一下我们的输入项，有四张图像，发送过去，连同着我们的提示词技能，让它学习创建提示词。那么很快，gpt 很聪明，马上呢就创建出来了。如果愿意，可以直接补充要求给它。除了要对提示词扩写进行选择之外，我们还需要对尺寸来进行选择。

如果我们设定为 force，将会走官方的路线，跟我们的编辑首图的宽高比保持一致。生成像素上面将按我们设定的缩放百万像素上面去来。也就是说，在这种方式之下，我们的结构图像的宽高比跟我们的首图是一致的，多少百万像素按我们的设定来。如果设定为 true，将会走我比较喜欢的自定义路线，自己的去设置我们的宽高比和百万像素。

然后呢我们来进入简单的评测部分。现在，在社区当中的一些结论呢，我可以直接告诉给大家。对于纹身图而言，生成的速度是比较快的，分辨率也很高。但是呢，画质的差异上面呢，并不大。尤其是我们在800万像素和1600万像素之间去比的话，感觉差异没有很大。

越大的尺寸并没有带来更多的细节。但我认为依然具有调优的空间，我们可以做二选三选，后面再说。说了，有什么问题呢？我可以这么说，它的美感应该是不那么足够的。但像写真、摄影类的题材都表现得很好，风格化没有被抑制。同样也有人指出，在官流这个地方，官方的实现呢并没有做到最好。

它的图像编辑功能一定是强大的，但是呢编辑的一致性呢不够稳定，能够融合不同的参考素材，但是呢细节可能会改变。多图融合，当我们垫入的参考图像越多的时候，都被放大。不过这也不太重要了，因为只要去使用过 gpt 2.5、2.6的朋友应当也能够清楚的明白，图垫多了就是这样的。

2.1的模型我测到4张的输入就已经在掉一致性了。我这一个测试的结果的话，一致性至少是保持的很好。当然我也肯定，如果这个人物的姿态足够复杂，确实会崩坏。但在崩坏这个路线上面，我们不是一直有一条思路是可以去垫入姿势的嘛。总的来说，我偏向于认定这个模型具有巨大的潜力，时间呢会证明 h3 以内的模型。

后面我们来看到具体的图像的评测。第一张，这是一个。骑士盔甲的质感能够让人感觉到这是一个有厚度的金属件，罩袍有自己的褶皱和污渍。这张测试基本上是遵循迪瑞子而生成的结果。第二张黑金的机械守卫，粗看当然是没有问题。这张图像的生成的像素尺寸呢是800万像素，细看在我们的机械连接件，在手部和关节处就已经看不清了。

废墟城市，那么这里的话空间层次，中间有建筑之间的通道，远处再用雾呢和亮度拉开，藤蔓沿着墙体和屋顶生长。一个呢是风格没有问题，再一个呢涂抹感的话没有那么的强，因为风格强不代表涂抹感也很强。这里我认为是得到了一张比较成功的世界观图像。水墨骑兵，那么人物的冲刺和动感呢都非常的到位，风格化呢也没有问题，复杂的骑乘动作是到位的。

他这个地方复杂姿态的崩坏，一个呢可能是因为过于的复杂，或者是用作专项用途，再一个呢可能是概率问题，我觉得社区后面都会解决这个问题的。这是一个强。强劲的基座模型，关于这个模型产生的一些没有必要的噪点。那么我想这是加速模型必然有的取舍。gpt 2.5模型已经非常的脏了，而且就算官方发出来一个50步的模型，没有人会拿50步去渲染一张图像的。

所以以后社区再迭代一下，基于这个真牛模型做一些强劲的辅助，因为它是一个非常好的基座模型，所以我们一定能获得更优的结果的。雪地对抗巨狼，那么这里又有什么可圈可点的地方呢？四散的雪花，那么我还没有看到有其他模型做这种表现，但是也出现了100%的动作关系问题，巨狼与人物的接触明显是不正确的。

总的来说，对于文生图这么评价，在我们现在的苏塔级的常用模型当中，我并没有看到 h3模型有极大的缺陷，都还属于可以弥补的范围了。图像编辑这个地方我们来看一下，首先呢是一个人物穿着灰色的上衣，穿着另外一套的服饰，这可以说是一个100%的完成度，而且这是一张4k的结果，非常的清晰。

现在来看的话，flux 3的 climb 模型的高清用途是可以被完全替。替代掉了，人物保持的很好，仔细到了面部的小痣，服装穿着自然，纹理也被带过来了。四张参考图像的武侠换装，这个地方我们开头就已经肯定过了。然后呢，首先它没有变成白膜，在之前背景模型当中，我用2.1去测试过类似的结果，有的情况之下也会概率的出现灰色姿势模型，服装也成功的复现了青绿色的外袍，没有什么太大的问题，四张也是比较稳定的。

乐队这张，八张图像垫进去的话，就会出现一些问题了。首先要肯定的是，八个人物都出现了，并且呢按照我们的位置要求进行了排列。这里可以看到拿了八个乐器，可以看到都是成功在进行奏乐的。那么我们来看到面部的一致性，其实就是在掉的，因为到了八张之后的话，你像这个人物给它垫进去的话，差别还是蛮大的。

另外一张也是一样，那么尤其是涉及到细节丰富的真人，这一点的解锁会更大一些。但如果我们涉及的是一些动漫角色感觉的话，可能会稍好一些。这是一个十六。个角色的花园烧烤聚会，16个角色都已经成功的出现，没有出现明显的重复或者遗漏，服装特征和外形呢都能够表现出来，各自的任务分配呢都比较准确，因为我让他们每个人都要有自己的事情呢可以做。

李昂在倒饮料，吉尔负责的烧烤，奎多斯端着烤串，麦克在喝饮料，崔福抱着吉他弹奏，机械鸡摆弄面包篮，黑衣女性拌水果沙拉，洛丽塔站在花瓶旁边，鸣人吃拉面，路飞啃烤肉。哆啦 a 梦吃铜锣烧，哪吒在吹泡泡，越野兔拿着相机，初音操作音乐设备，龙猫抱着苹果，在各自做各自的事情，通过长桌把大家串联起来，光照统一，把不同的 ip 给融合在了一张图像当中。

后面我们来讲一讲问题，那么鸣人的这个筷子呢明显的是有问题的，初音手上的设备是缺少明显的支撑的，洛丽塔实际上是想让她整理花束，不过我们看还是有一些差距，除了相似。四度之外的话，还有另外一个问题，就是我们这里参考的有一些是2d 的角色，进去之后统一成了卡通 cg 风格。

总的来说，值得大家关注。