权重和模型卡一起放
11 月 10 日深夜，MiniMax 放出 H3-Image 并同步开放权重。它是 H3 的衍生模型，把文生图、图像参考和图像编辑合在一个检查点里；Hugging Face 模型卡写明，33.1B 参数的扩散 Transformer、6 步采样，直接输出约 16MP，不靠放大补像素。
官方话说得很满
官方称 4096×4096 的图 10 秒内出，速度约为主流水平的 5 倍，最多吃 16 张参考图，指令遵循是开源里最强。首周 16MP 及以上请求五折，入口铺到 API、开放平台、MCode 与海螺。8 月 H3 视频模型曾是首个到 SOTA 的开源视频模型，这条线被接着用到了图上。此前 H3 靠统一的全模态预训练，本就能理解并生成图像、视频和音频，这次是在此基础上给图像做后训练。
实测没那么整齐
爱范儿实测同一档 4K 图要 10–20 秒。难的地方不在好看：咖啡机爆炸图要标出豆仓、研磨器、冲煮模块、水箱和连接关系；PHOENIX MYTH 海报的主副标题要写对；黄仁勋公开信的信纸版小字基本无误，周边细节还得呼应；生存游戏 UI 要排对生命、魔力、体力；怀旧皮衣配打字机独白也照做了。
两种口径
官方把 10 秒和 5 倍当卖点，爱范儿把 10–20 秒写成常态。差的不是秒表，是“能不能直接进工作流”这件事由谁定义。
原文链接：https://www.ithome.com/1/025/191.htm
来源：爱范儿 / IT之家
