据动察 Beating 监测，MiniMax H3 团队在 Reddit AMA 中透露，正在开发一款专门的图像模型，并计划开放权重。它会把文生图和通用图片编辑放进同一个模型，目前已经进入后训练优化阶段。 这款模型和 H3 来自同一套架构思路。它会沿用 H3 的 VAE Encoder，并为图片生成单独设计 VAE Decoder。MiniMax 设想的工作流是，先用图像模型生成首帧，再交给 H3 继续生成视频。 团队还提到，H3 本身已经表现出一定的生图和修图潜力。此前他们只训练模型根据「首帧 + 文字描述」预测尾帧，没有专门做图片编辑训练，但模型在多项图片编辑评测中仍表现出较强的零样本能力。这也是 MiniMax 继续把这套架构扩展到图像模型的重要依据。