MiniMax rilascia H3-Image, un modello di immagini a pesi aperti che produce 16 megapixel in sei passaggi

MiniMax ha pubblicato il 10 novembre 2026 H3-Image, un modello di generazione e modifica di immagini a pesi aperti. Produce direttamente immagini di circa 16 megapixel (4096 × 4096 pixel in formato quadrato), senza fasi di upscaling, in soli sei passaggi di calcolo, e accetta fino a 16 immagini di riferimento. È disponibile anche tramite l’API di MiniMax, a partire da circa 0,022 $ a immagine. Come per gli altri modelli della famiglia H3, la licenza lascia da parte l’Unione Europea.

Un modello video diventato generatore di immagini

H3-Image è derivato da MiniMax H3, il modello video aperto dell’azienda. Secondo la scheda di Hugging Face, il suo trasformatore di diffusione riprende l’architettura di H3 senza la parte audio: 33,1 miliardi di parametri, 50 layer, e lo stesso encoder di testo (basato su Qwen3-VL), riutilizzato tale e quale. Il modello è stato distillato per sei passaggi di campionamento, senza guida CFG né prompt negativo. La generazione e la modifica risiedono in un unico file di pesi.

Non è il primo tentativo di questo genere. Una settimana fa, Pruna AI aveva pubblicato P-H3-Image, un derivato di H3 sviluppato da terzi, a otto passaggi. La versione ufficiale di MiniMax segue la stessa direzione, ma punta più in alto in termini di risoluzione: la scheda annuncia un intervallo utile da circa 4 a 20 megapixel, con i risultati migliori intorno a 16, laddove la maggior parte dei generatori attuali produce da 1 a 4 megapixel.

Il modello richiede una descrizione dettagliata dell’immagine in inglese. L’API la redige a partire da una richiesta breve, in qualsiasi lingua, e MiniMax mette a disposizione un modello di riscrittura dei prompt da installare in locale, H3-Image-PE.

Cosa serve per utilizzarlo

In locale, bisogna prevedere parecchio spazio: 66,28 GB per il trasformatore in BF16, 2,34 GB per il decoder di immagini e 66,7 GB per l’encoder di testo di H3, scaricato separatamente. MiniMax raccomanda SGLang, vLLM-Omni, diffusers o ComfyUI, e cita schede come le NVIDIA H200 e RTX PRO 6000 Blackwell o l’AMD Instinct MI350X. Siamo lontani da una scheda grafica consumer, a differenza della versione a 4 bit di Pruna, che rientrava in circa 21 GB di memoria video.

La via più semplice resta l’API, in versione standard o Highspeed (più veloce e più costosa). Il listino prezzi fornisce alcuni esempi: circa 0,022 $ per un’immagine da 1024 × 1024 pixel, 0,069 $ per 4096 × 4096 in versione standard, e 0,13 $ in Highspeed. Fino al 17 novembre alle 16:00 UTC, MiniMax dimezza il prezzo delle immagini di almeno 16,6 milioni di pixel. Il modello è disponibile anche in MiniMax Code e nell’applicazione Hailuo AI. L’API non gestisce le modifiche tramite maschera né gli sfondi trasparenti.

Cosa resta da verificare

MiniMax sostiene di generare un’immagine 4K «in 10 secondi» e rivendica il miglior rispetto delle istruzioni tra i modelli aperti. A questo stadio non è stata pubblicata alcuna misurazione indipendente, e l’annuncio non specifica l’hardware utilizzato. Gli esempi nella scheda (fotografie realistiche, mappe di videogiochi trasformate in vista 3D, stanza arredata a partire da dieci immagini) sono stati selezionati dall’azienda.

Una licenza che esclude l’Europa e gli Stati Uniti

I pesi non sono rilasciati sotto licenza open source. La MiniMax-H3-Image Community License esclude l’Unione Europea, il Regno Unito, la Repubblica di Corea e gli Stati Uniti, salvo licenza separata concessa da MiniMax. Essa vieta di utilizzare, modificare o distribuire i pesi, o i loro risultati, al di fuori del territorio autorizzato. Impone di mostrare «MiniMax-H3-Image» sull’interfaccia dei prodotti commerciali che ne fanno uso, ed è necessaria un’autorizzazione scritta di MiniMax al di sopra di un milione di dollari di fatturato annuo o per offrire il modello come servizio ospitato a terzi. Questa licenza riguarda i pesi; l’API e Hailuo AI sono regolate dai termini di servizio delle rispettive piattaforme.