MiniMax publie H3-Image, un modèle d'image à poids ouverts qui produit 16 mégapixels en six étapes

MiniMax a mis en ligne le 10 novembre 2026 H3-Image, un modèle de génération et de retouche d’images à poids ouverts. Il sort directement des images d’environ 16 mégapixels (4096 × 4096 pixels en format carré), sans étape d’agrandissement, en six étapes de calcul seulement, et accepte jusqu’à 16 images de référence. Il est aussi proposé via l’API de MiniMax, à partir d’environ 0,022 $ l’image. Comme pour les autres modèles de la famille H3, la licence laisse de côté l’Union européenne.

Un modèle vidéo devenu générateur d’images

H3-Image est tiré de MiniMax H3, le modèle vidéo ouvert de l’entreprise. Selon la fiche Hugging Face, son transformeur de diffusion reprend l’architecture de H3 sans la partie audio : 33,1 milliards de paramètres, 50 couches, et le même encodeur de texte (basé sur Qwen3-VL), réutilisé tel quel. Le modèle a été distillé pour six étapes d’échantillonnage, sans guidage CFG ni prompt négatif. La génération et la retouche tiennent dans un seul fichier de poids.

Ce n’est pas la première tentative de ce genre. Il y a une semaine, Pruna AI avait publié P-H3-Image, un dérivé de H3 construit par un tiers, en huit étapes. La version officielle de MiniMax va dans le même sens, mais vise plus haut en résolution : la fiche annonce une plage utile d’environ 4 à 20 mégapixels, avec les meilleurs résultats autour de 16, là où la plupart des générateurs actuels produisent 1 à 4 mégapixels.

Le modèle attend une description détaillée de l’image en anglais. L’API la rédige à partir d’une demande courte, dans n’importe quelle langue, et MiniMax publie un modèle de réécriture de prompts à installer en local, H3-Image-PE.

Ce qu’il faut pour l’utiliser

En local, il faut prévoir de la place : 66,28 Go pour le transformeur en BF16, 2,34 Go pour le décodeur d’images et 66,7 Go pour l’encodeur de texte de H3, téléchargé à part. MiniMax recommande SGLang, vLLM-Omni, diffusers ou ComfyUI, et cite des cartes comme les NVIDIA H200 et RTX PRO 6000 Blackwell ou l’AMD Instinct MI350X. On est loin d’une carte graphique grand public, contrairement à la version 4 bits de Pruna, qui tenait dans environ 21 Go de mémoire vidéo.

Le plus simple reste l’API, en version standard ou Highspeed (plus rapide et plus chère). La grille tarifaire donne des exemples : environ 0,022 $ pour une image de 1024 × 1024 pixels, 0,069 $ pour 4096 × 4096 en version standard, et 0,13 $ en Highspeed. Jusqu’au 17 novembre à 16 h UTC, MiniMax divise par deux le prix des images d’au moins 16,6 millions de pixels. Le modèle est aussi disponible dans MiniMax Code et l’application Hailuo AI. L’API ne gère ni les retouches par masque ni les fonds transparents.

Ce qui reste à vérifier

MiniMax affirme générer une image 4K « en 10 secondes » et revendique le meilleur suivi des instructions parmi les modèles ouverts. Aucune mesure indépendante n’est publiée à ce stade, et l’annonce ne précise pas le matériel utilisé. Les exemples de la fiche (photographies réalistes, cartes de jeu vidéo transformées en vue 3D, pièce meublée à partir de dix images) sont choisis par l’éditeur.

Une licence qui exclut l’Europe et les États-Unis

Les poids ne sont pas sous une licence open source. La MiniMax-H3-Image Community License exclut l’Union européenne, le Royaume-Uni, la République de Corée et les États-Unis, sauf licence séparée accordée par MiniMax. Elle interdit d’utiliser, de modifier ou de diffuser les poids, ou leurs résultats, hors du territoire autorisé. Elle impose d’afficher « MiniMax-H3-Image » sur l’interface des produits commerciaux qui s’en servent, et une autorisation écrite de MiniMax est nécessaire au-delà d’un million de dollars de chiffre d’affaires annuel ou pour proposer le modèle en service hébergé à des tiers. Cette licence concerne les poids ; l’API et Hailuo AI relèvent des conditions de ces services.