
MiniMax H3-Image开放权重,第三方实测中文文字仍是短板

MiniMax在11月10日公告中发布H3-Image并开放模型权重,称其可在约10秒生成4096×4096像素、约1600万像素的图像。模型支持文生图、参考图生成和图像编辑,最多可输入16张参考图。对需要连续制作素材的创作者来说,开放权重提供了自行部署的可能,但生成速度仍取决于实际使用的环境和任务。
11月14日发布的302.AI八组任务实测报告,极速版生成原生4K图像约需10秒,标准版约15秒;其逐项画质对比则设为2K,并在相机结构示意任务中发现中文标注未达要求。人物广告和家具素材整合表现较好,指定机型、车型与复杂画面表达则出现偏差。这组结果说明,较快得到大图与得到可直接交付的成品,是制作流程中的两个不同环节。
开放权重改变了什么
权重开放使开发者能够在符合使用条件的环境中部署模型,围绕自身素材流程调整调用方式;创作者也可以使用已有的在线生成渠道。自行部署与通过平台调用的算力、排队和处理环节不同,因此公告中的耗时不能直接视为所有部署方式的固定速度。对需要大量相似画面的团队,开放权重的实际意义还包括控制部署环境,而不仅是取得单张图像。
参考图功能让H3-Image不必每次从文字描述重新建立主体。已有商品或家具素材可以作为输入,编辑指令则可要求改变场景、服装或画面中的物体。这使模型更接近广告底图和场景变体的制作环节;参考物能否保持原貌、融入新环境,仍须由生成结果判断。
10秒出图与批量成本的条件
速度数据需要按测试对象区分。官方给出的是高分辨率生成能力,第三方报告的极速版原生4K耗时与之接近;八组案例中关于构图、文字和参考图保真度的判断,来自2K设置。多图编辑涉及读取素材和执行修改,不能用简单文生图的耗时推算。即使初稿生成很快,反复重抽或修改也会进入整个任务的用时。
成本也随分辨率和模式变化。前述平台文章列出的示例单价分别为:2K文生图标准版每张0.02333美元、极速版0.03622美元;4K文生图标准版每张0.06879美元、极速版0.13001美元。这些是该文列出的示例价格,并非对每次实际账单的保证;参考图输入、编辑和重试可能改变支出。
按上述示例价计算,假设每张都一次完成、没有折扣或额外费用,批量制作100张2K标准版初稿约需2.33美元;同样数量改用2K极速版约需3.62美元;100张4K标准版约需6.88美元。这是按公布价格所作的条件计算,不含人工修字、挑图和重新生成。中文文案或指定物品越容易出错,单张初稿的低价越难代表最终成品的成本。
八组任务各自呈现了什么

主体明确的商业画面表现较稳。在珠宝人物广告任务中,人物动作、色彩与车辆周围的空间关系获得较好评价;家具整合任务较好保留了参考家具的外观和比例,形成可用的客厅宣传画面。拼贴人像海报也能建立醒目的主体,但拼贴关系和情绪表达被认为较生硬。这些案例的共同点是,主要信息由人物、家具等可见对象承担,创作者可以直接判断底图的可用部分。
另外几组任务把偏差显露在更具体的要求上。时尚摄影呈现了服饰和影调,却没有完成指定的低角度构图;车辆场景未准确还原指定车型及录像质感;艺术插画在笔触和构图表现上评价较低。这些问题分别涉及视角执行、真实对象知识与特定视觉语言,不能仅以主体大致出现在画面中来判定任务完成。
多图融合与家具整合也显示,参考图能力并非单一指标。前一任务要求保留人物特征、更换服装、置入夜间街道并移除背景车辆;修改要求基本执行,但人物与环境的光线衔接不够自然。后一任务中的家具外观和比例则保留得更好。对于角色和商品制作,‘放进画面’与‘在新画面里仍然可信’会影响不同的返工工序。
中文文字为何需要单独判断

相机结构示意任务要求还原哈苏X2D II 100C的外形,并给部件添加中英双语标注。该组结果中的中文渲染未达到测评要求,机型外观也不准确。知识型画面同时要求文字可读、标注与部件对应、对象本身画对;提高输出分辨率不能替代这些信息的准确性。中文海报如果承载型号、卖点或价格,类似偏差会直接落在需要交付的内容上。
这项不足有明确的任务边界。11月13日发布的Image2同提示词测试使用1K、默认开启提示词增强的设置,报告H3-Image在茶饮海报和电商主图两道中文任务中写对了指定文字。它测的是短文案海报与主图;出现问题的另一任务是2K双语相机结构标注。任务内容、分辨率与设置均有差别,现有结果足以提示复杂中文标注存在返工风险,却不足以断言所有中文海报都会出错。
四种制作流程的适用边界
电商配图可以从参考素材和较快的场景变体中受益,家具整合结果尤其贴近已有商品图制作宣传底图的需求。若成品还要准确呈现品牌、型号、价格及卖点,文字与商品细节就属于交付内容,不能只凭整体观感验收。另一组中文电商图的成功结果说明模型有完成这类文字的能力,但无法保证每次生成都达到同一水平。
短剧分镜更看重人物、场景和镜头意图能否迅速成形。人物广告的表现提供了有利样例;多图融合的光线衔接、时尚摄影的指定视角偏差,则提示角色跨场景和明确机位可能需要修改。用于讨论场面与节奏的草稿,可以容纳这些偏差;要求角色外貌持续一致的定稿,判断标准会更严格。
自媒体批量配图如果以人物、室内空间或一般情境为主,可以利用较快的初稿产出。涉及真实车型、具体相机或特定艺术语言时,主要工作会转向核验对象与画面要求是否吻合。中文海报的分界更清楚:底图和短文案已有成功案例,密集标注与准确排版仍需逐字核对。出图环节节省的时间,可能转移到文字校对、物品核验和后期排版。
相关阅读:
相关文章
订阅我们的新闻通讯
将最新 Web3、AI 和加密货币新闻直接发送到您的邮箱。




