MiniMaxがオープンウェイトの画像モデル「H3-Image」を公開、6ステップで1600万画素を出力
MiniMaxは、自社の動画モデルH3から派生したオープンウェイトの画像生成・編集モデル「H3-Image」を公開した。アップスケーリングなしで約1600万画素を出力し、最大16枚の参照画像に対応、API経由では1枚あたり0.022ドルから利用できる。ただし、ライセンスは欧州連合および米国を除外している。
MiniMaxは2026年11月10日、オープンウェイトの画像生成・編集モデルH3-Imageを公開した。アップスケーリング処理を挟むことなく、わずか6ステップの計算で約1600万画素（正方形フォーマットで4096×4096ピクセル）の画像を直接出力し、最大16枚の参照画像に対応する。またMiniMaxのAPI経由でも提供されており、1枚あたり約0.022ドルから利用できる。ただし、ほかのH3ファミリーのモデルと同様に、ライセンス上は欧州連合が適用対象から除外されている。
画像生成モデルへと生まれ変わった動画モデル
H3-Imageは、同社のオープンな動画モデルMiniMax H3から派生したモデルである。Hugging Faceのモデルカードによると、そのDiffusion Transformerは音声部分を除いたH3のアーキテクチャを引き継いでおり、パラメータ数は331億、50層で構成され、同一のテキストエンコーダ（Qwen3-VLベース）をそのまま再利用している。本モデルは6サンプリングステップ向けに蒸留されており、CFGガイダンスやネガティブプロンプトを必要としない。生成と編集の両方が単一の重みファイルに収められている。
こうした試みは今回が初めてではない。1週間前には、Pruna AIが第三者によるH3の派生モデル「P-H3-Image」を公開しており、こちらは8ステップで動作するものであった。MiniMaxによる公式版も方向性は同じだが、より高い解像度を狙っている。現在の一般的な生成モデルが100万〜400万画素を出力するのに対し、本モデルのカードでは約400万〜2000万画素の実用範囲が示されており、1600万画素前後で最良の結果が得られるとされている。
モデルへの入力には英語での詳細な画像説明が求められる。APIでは短いプロンプトから任意の言語でこれを自動生成できるほか、MiniMaxはローカルに導入可能なプロンプト書き換え用モデルH3-Image-PEも公開している。
利用に必要な環境
ローカル環境で動かすには、相応の容量を確保しなければならない。BF16形式のTransformerに66.28GB、画像デコーダに2.34GB、そして別途ダウンロードするH3のテキストエンコーダに66.7GBが必要となる。MiniMaxはSGLang、vLLM-Omni、diffusers、ComfyUIの利用を推奨しており、NVIDIA H200やRTX PRO 6000 Blackwell、AMD Instinct MI350Xといったハードウェアを挙げている。ビデオメモリ約21GBに収まっていたPrunaの4ビット版とは異なり、コンシューマー向けGPUで手軽に扱える規模ではない。
最も手軽なのは、標準版またはHighspeed版（高速だが割高）のAPIを利用することだ。料金表の例によると、標準版で1024×1024ピクセルの画像が約0.022ドル、4096×4096ピクセルで約0.069ドル、Highspeed版では0.13ドルとなる。11月17日16時UTCまでは、1660万画素以上の画像に対して半額の割引が適用される。本モデルはMiniMax CodeやHailuo AIアプリでも利用可能だ。なお、APIはマスクによるインペインティングや背景の透過処理には対応していない。
今後の検証が必要な点
MiniMaxは4K画像を「10秒で」生成でき、オープンモデルの中で最も優れた指示追従性を備えていると主張している。現時点で独立した検証結果は公開されておらず、発表でも計測に使用されたハードウェアは明示されていない。モデルカードに掲載されている作例（リアルな写真、3Dビューに変換されたゲームのマップ、10枚の画像から家具が配置された部屋など）は、開発元が選定したものである。
欧州と米国を除外するライセンス
公開された重みは、オープンソースライセンスの下で提供されているわけではない。MiniMax-H3-Image Community Licenseは、MiniMaxから個別のライセンスを取得しない限り、欧州連合、英国、大韓民国、米国を除外している。許可された地域外で重みやその出力結果を使用、改変、配布することは禁じられている。また、これを利用する商用製品のUIには「MiniMax-H3-Image」と表示することが義務付けられており、年間売上高が100万ドルを超える場合や、本モデルを第三者向けのホスティングサービスとして提供する場合には、MiniMaxからの書面による許諾が必要となる。なお、このライセンスは重みそのものに適用されるものであり、APIやHailuo AIの利用は各サービスの利用規約に準拠する。
編集部の見方
H3-Imageは一つのトレンドを浮き彫りにしている。物体の一貫性や光、質感をすでに学習していることから、オープンな動画モデルが新たな画像生成モデルの基盤になりつつあるという点だ。MiniMaxの真の強みは、独立した検証による裏付けが必要とはいえ、印刷や広告、背景美術などで有用となる1600万画素のネイティブ解像度を手頃なコストで実現していることにある。1K画像で1枚あたり約2セントというAPIの導入価格は、市場でも最も安価な部類に入る。しかし欧州の読者にとって、「オープンウェイト」は自由に使えることを意味しない。Pika H3 FlexやP-H3-Imageと同様に、ライセンスは欧州連合を除外しており、その制限は重みを使って生成された画像にまで及んでいる。
出典
- MiniMax — XでのMiniMax H3-Image発表（2026年11月10日） 一次情報
- MiniMax — MiniMax-H3-Imageモデルカード（Hugging Face） 一次情報
- MiniMax — MiniMax-H3-Image Community License Agreement 一次情報
- MiniMax — API画像生成ガイド 一次情報
- MiniMax — API料金表 一次情報
一次情報とは、当該企業・研究所・団体が直接発信した情報です。二次情報は、発信元ではない媒体が伝えた情報で、その旨を明記しています。誤りを見つけたら訂正方針をご覧ください。
