MiniMax 把 4K 生图模型连权重一起放了:一张两毛二,整套 135GB 能自己部署
11 月 10 日晚上线,11 月 11 日官方博客挂出来,权重同天放出。
模型叫 H3-Image,是今年 8 月开源的视频模型 H3 的图像分支——砍掉音频那条支路,后训练阶段重做了一遍:数据、强化学习、采样步数压缩、提示词增强、部署优化。官方原话是「没有哪一项单独起了作用」,合起来才是速度、画质、听话程度同时上去。
先记三个数
- 4096×4096,约 1600 万像素,原生直出。 不是先画小图再超分辨率拉大,所以小字和细节不靠后处理猜。16:9 配 4K 档能到 5472×3072,21:9 到 6272×2688。
- 10.3 秒 / 16.0 秒。 官方 P50 中位数:极速版 4K 文生图 10.3 秒,标准版 16.0 秒。同规格的对照模型在 50 秒上下。标准模式整体是主流的 1.5–2 倍速,极速模式 3–4 倍。
- 16 张参考图。 一次能同时喂产品图、风格图、材质图进去,不用来回垫图。
价格才是重点
官方的说法是「同档位主流工具的 50%–70%」。具体到国内渠道的价目表:4K(16MP)文生图每张 0.2261 元,原价 0.4522 元;极速版 0.4275 元,原价 0.8550 元。发布首周,16MP 及以上的请求按官方价再打五折(国内渠道写到 11 月 18 日 0 点截止)。价格以开放平台结算页为准,促销窗口各渠道可能不一致。
做个对比:一张能做电商主图的 4K 图,两毛二。以前这个规格要么等一分钟,要么按 4 张 1MP 拼。
权重开源,这件事对谁有用
权重已经上了 Hugging Face 和魔搭,整套约 135GB(33.1B 参数的稠密 DiT,50 层,沿用 H3 的 Qwen3-VL 文本编码器)。渠道这边有 MiniMax 开放平台、MiniMax Code、海螺 AI。
三类人应该认真考虑自托管,其他人不用:
- 一个月出图超过 2000 张的:按 0.2261 元算,一个月 450 元;乘以 12 是 5400 元。这个量级够租一张卡跑自己的实例了,而且不用排队、不用看促销什么时候结束。
- 风格必须固定的:电商品牌、游戏资产、连载漫画——这些人真正需要的不是「更好的通用模型」,是「在我这批图上微调过的模型」。闭源 API 给不了这个。
- 素材不能出内网的:客户合同里写了素材不得上传第三方服务的,自托管是唯一合规路径。
来不及自托管的,这个月先这么用
- 首周的五折窗口内,把手上积压的图批量跑一遍——尤其是那些以前因为「太慢」而将就用了低分辨率的图。
- 用 4K 出图 + 自己裁切,替代「出一张刚好尺寸的图」。1600 万像素的余量就是让你裁的:一张图能切出主图、详情图、社媒方图。
- 提示词上限 7500 字符,别再写一行 prompt 了。把产品卖点、禁用元素、构图要求全写进去,一次说清比改五次便宜。
泼冷水
第一,开源许可有边界,而且边界不在官方博客里。 按 H3 系列的社区许可,年收入 2000 万美元以内的商用免费,在美国、欧盟、英国、韩国做本地部署需要另外授权,也不允许用权重或其产出去训练别的模型。这段我是转述随包的许可文本,不是官方博客原文——真要做商用部署,去仓库把 LICENSE 读完再动手,别信任何二手总结(包括我这段)。
第二,小字还是会错。 内测反馈是「大字稳定、小字仍出错」。做海报放标题没问题,做说明书、做带参数标签的产品图,还是要人过一遍。
第三,速度是 P50,不是你的速度。 官方给的是中位数,你自己的机器、你自己的排队情况、你一次提交多少张,都会让实际耗时偏离这个数。自托管尤其如此——135GB 权重加载一次就要不少显存和时间。
第四,135GB 不是下载完就完事,是持续的成本:存储、显存、推理框架版本、模型更新。一个人做产品的话,先算清楚「一个月省下的 API 费」够不够覆盖这些折腾。
具体建议
如果你每月出图不到 500 张,别自托管,直接用 API,五折窗口里把图跑完就行。
如果你超过 2000 张,或者风格必须锁死,这周做一件事:下载权重,在你自己的 20 张图上跑一遍,跟 API 的输出并排看。差别小到看不出来,就说明你可以迁;差别明显,说明你的场景还没被这个模型覆盖,继续用 API 等下一版。