火星财经消息,MiniMax 正式发布 H3-Image 并开源模型权重。该模型可直接生成 4096×4096、约 1680 万像素的图片,无需额外放大。按照官方数据,生成时间不到 10 秒,速度最高达到主流产品的 5 倍。文生图与图片编辑被整合进同一个模型,最多支持 16 张参考图。H3-Image 沿用 H3 视频模型架构,去掉音频部分,保留原有文本编码器,并为图片重新设计了解码器。核心图像生成网络有 331 亿参数,生成一张图片只需 6 次采样。8 月 7 日,MiniMax 研究员 Kiro 在 Reddit AMA 中透露,团队正基于 H3 同源架构开发专用图像模型,并计划开源权重,同时提出先用图像模型生成首帧、再交给 H3 生成视频的工作流程。11 月 3 日,Pruna AI 已基于开源的 H3 视频模型推出 P-H3-Image,支持生图和修图,将生成网络从 331 亿压缩至约 200 亿参数,只需 8 步采样。最小量化版本约 20 GB,生成 800 万像素图片时峰值显存约 21 GB。MiniMax 官方版保留 331 亿参数生成网络,采样步数为 6 步,并支持更高分辨率和更多参考图,原始权重加上复用的文本编码器合计约 135 GB。开源许可存在地区限制,美国、英国、欧盟和韩国不在社区许可证授权地区内;企业年化营收超过 100 万美元,或向第三方提供模型托管服务,需事先获得单独授权。
查看原文 >