10秒直出4K图，能画CAD、拆机械，MiniMax这个开源图像模型有点东西

智东西

作者 | 陈骏达

编辑 | 漠影

智东西11月11日报道，昨天深夜，MiniMax正式发布新一代图像生成模型H3-Image，并同步开放模型权重。

根据不少网友的实测反馈，H3-Image的水准已经能和全球顶级的图像生成模型掰手腕，在开源图像模型中达到SOTA水平。速度方面，H3-Image高速版可以在10秒左右生成一张4096×4096像素（16MP）的高分辨率4K图像，耗时仅为市面主流模型水平的1/5。

除了生成速度和画面质量的提升，H3-Image这次值得关注的变化，还有模型对复杂指令和视觉信息的理解能力。该模型支持最多16张参考图融合，能够处理复杂指令和结构化信息，在开源模型中具备领先的指令遵循能力。

这些能力究竟有多少能够经得起实际测试？我们第一时间通过MiniMax海螺和MiniMax Code接入H3-Image，围绕视觉表现、复杂任务理解和多素材参考融合等方向，做了一轮高强度实测。

一、从复古漫画到写实摄影，H3-Image视觉表现实测

视觉部分，我们一共设计了五组测试，分别考察真实质感、风格转换、游戏场景复刻、海报文字排版，以及16图参考融合能力。

H3-Image可以生成具备超真实摄影作品质感的画面。下方这几张图，如果不事先声明，相信大多数人会把这张图当成人文纪实的实拍作品：画面的光影质感真实，人物皮肤保留了自然的纹理和细微瑕疵，环境光也真实地作用在人物和周围物体上，整体没有常见AI图像中过度磨皮、锐化和高光堆叠带来的塑料感。

再来看这张“自然摄影”作品。自然摄影其实是AI图像生成中颇具挑战的一类。物体运动不符合物理规律、动物姿态失真、自然环境细节过度规整，都很容易暴露AI生成痕迹。

H3-Image生成的图片并没有刻意把每个元素都处理得十分清晰，光线、色彩和动态细节共同构成了完整的画面氛围，甚至带有一定的故事感。比较难得的是，海鸥掠过浪花的姿态、浪花的层次以及整体光影关系都比较协调，没有明显的结构错乱或AI渲染的痕迹，真实度拉满。

建筑图像的生成对AI来说也有难度，它要求线条横平竖直、毫无漂移，玻璃幕墙的反射要符合镜面成像的物理规律，不同的材质还需要呈现出符合真实情况的质感和反射特性。H3-Image在这几项难点上都做到了一流水平，尤其值得点出的是，画面中室内顶灯的透射与室外反射共存而互不矛盾，体现出模型对光影的理解力。

在体育场景，H3-Image生成的“运动员”在身体重心、发力姿态上都符合真实的运动力学，双臂为了保持平衡自然张开，大腿因为发力而紧绷，背景里黄色球衣的门将侧身飞扑、身体舒展，场地的草皮飞溅。在最考验物理与人体真实性的运动题材中，H3-Image的生成结果依然呈现出专业摄影的水准。

下一组测试，我们选用同一张橘猫照片，要求H3-Image分别将其转换为两种不同的艺术风格，包括毛毡定格动画、和超现实主义油画，考察模型的风格化能力。

这组测试还加入了一些具体的制作要求。比如，在毛毡风格中我们要求模型需要呈现纤维交织的质感，而不是简单地给增加一层模糊效果。可以看到，H3-Image将画面中的所有元素都做了风格转换，仔细看细节，连树叶上都有纤维毡化后的质感，对提示词的要求还原得十分到位。

超现实主义风格同样表现不错。我们只在提示词中提到了达利式风格，H3-Image便主动加入了融化的时钟等标志性元素。画面中，室内与荒漠、窗台与悬空阶梯形成了不符合现实空间逻辑的组合，既保留了原图中的橘猫主体，又通过场景重组营造出超现实的氛围。

如今，游戏已经成为生图模型重要的应用场景，我们也在这个场景里跑了几个实测。先来看看下方这张以《塞尔达传说：旷野之息》为灵感的开放世界游戏画面。模型还原了原作标志性的低多边形美术风格，整体光影与色彩也比较协调，呈现出接近真实游戏截图的视觉效果。

让H3-Image生成游戏UI的参考设计，它也能交出像样的答卷。我们以一款奇幻RPG游戏为假想需求，要求它生成包含血条、技能栏、背包格、小地图和任务追踪面板的完整HUD界面。可以看到，各功能模块的位置布局符合主流游戏UI的交互逻辑，设计风格统一，可以作为后续开发的有效参考。

我们还要求模型设计一把名为“蒸汽核心弩炮”的奇幻蒸汽朋克武器，整张图分成四个区域：正视图、侧视图、背视图以及局部细节。H3-Image的表现超出了预期，四个视图的武器轮廓基本对得上，局部细节图里铆钉和齿轮的刻画精细，作为概念设计阶段的参考图，这个完成度已经非常高了。

文字生成是图像模型一直以来比较容易出问题的环节，尤其是中文。字数一多，模型就容易出现笔画粘连、错字、漏字等情况。

在这个场景，我们先试了试难度相对较低的海报，要求模型生成题为「来喝咖啡」的海报，最终，所有文字均正确生成，还准确执行了我们提示词中“少即是多”的设计逻辑。

随后，我们把难度提高，画面中包含一个标题、六个编号步骤，以及约100个汉字，同时还涉及15g、92°C、30秒、2分30秒、1:15等数字和单位。H3-Image交付的结果超出了我们的预期，标题、六个步骤的文字，以及全部数字和单位均准确生成，文字清晰，图标与对应文字也没有出现错位。

对于需要同时处理大量中文文字和图形元素的场景来说，这样的表现已经完全可以进入商用环境，承担真实的设计生产任务了。

我们还测试了H3-Image的16图参考融合能力：一次性上传16张不同类型的素材，用来生成一张乐队巡演海报。其中既有人物参考、服装参考、发色和动作参考，也有材质图片、配色方案、字体样式、Logo位置示意图和排版线框。

最终生成的海报中，我们逐项核对了16项具体要求，H3-Image全部命中，无论是人物、服装、道具这些具体的视觉元素，还是背景场景、光效氛围，乃至抽象的版式骨架，都被准确地识别、拆解，并自然地重组进了同一张海报里。

这几个任务跑下来，可以感受到在视觉表现力的层面，H3-Image已经可以称得上是开源模型的顶流水平了。

二、复杂任务实测：能拆机械、画CAD，还能解答逻辑题？

前面的测试主要考察H3-Image的视觉表现力，但一张好看的图片，并不意味着模型真正理解了图片背后的信息。如果把任务进一步复杂化，它还能否准确完成？

接下来，我们就来看看H3-Image在空间关系、逻辑推理等方面，能交出怎样的答卷。

在复杂任务场景的测试中，我们将H3-Image接入MiniMax Code这类Harness里使用，由推理能力更强的Agent完成任务的拆解与编排，H3-Image专注于最终的图像生成，这样的组合更能发挥它在知识理解和复杂多模态信息输入上的优势。

我们的第一项测试是机械爆炸图的生成。这类测试的难点在于模型需要完成从二维图像到三维空间的转换。MiniMax Code可以利用视觉模型定位画面中的错误，最终输出更为精准的修改指令。

在经过几次迭代后，H3-Image生成的爆炸图实现了不错效果，将一台吹风机产品的外壳与内部组件被拆分成多个独立层次，各部件沿装配方向展开，整体结构关系一目了然文字与零件的对应关系明显更加清晰了。

第二组测试，我们把难度进一步提高，直接给模型布置了一项完整的工业设计任务。这次提示词中同时包含了产品尺寸、外壳材质、显示屏大小、接口位置以及内部模块布局等多项要求。模型需要把这些要求转化为具体的产品形态。

拿到任务后，MiniMax Code并没有直接调用H3-Image的图像生成能力，而是先进行了思考，将提示词里的要求进一步细化。

这类任务有一个很容易暴露问题的地方：单独生成一张产品效果图并不难，但当模型需要同时输出多个视角时，就很容易出现尺寸对不上、接口位置发生变化，甚至不同视图中的产品结构不一致等问题。

H3-Image在下方的这张三视图里规避了大部分此类问题，仅仅是在显示屏的宽度上出了点纰漏，比例与实际情况出现了偏差。

为修复这一问题，MiniMax Code调用模型写了一个像素测量脚本，精准定位了需要修改的位置，最终交付出更为准确的结果。

最后，我们还测试了H3-Image把复杂信息转化为可视化内容的能力。我们发送了一道包含多项约束条件的逻辑推理题，模型需要先理解题目中的人物、位置和限制条件，最终以信息图的形式呈现出来。

可以看到，模型没有简单地把题目和答案放在一张图上，而是主动将内容拆分为条件说明、逐步排除和最终答案等多个区域，把整个推理过程串联起来，整张图的信息层级比较清晰。

三、生成速度实现突破，MiniMax开源布局延伸至图像

从前面的实测可以看到，H3-Image展现出的能力已经不局限于生成一张好看的图片。从复刻复杂视觉风格、处理大量文字和参考素材，到理解机械结构、梳理空间关系，它正在尝试将图像生成从单纯的视觉创作，延伸到更复杂的信息处理和专业任务辅助。

与此同时，H3-Image还在提升高规格图像的生成效率。H3-Image可以在10s-20s的时间内生成一张4096×4096像素、约1600万像素的4K图像。而在我们的实测中，海螺官网上生成4张4K图片的等待时间，也仅仅为1分钟左右。相比之下，目前不少同类模型生成单张相近规格的图片仍需要数十秒，部分甚至接近一分钟。

分辨率决定了画面能够容纳多少细节，生成速度则影响这些能力能否融入日常工作流。对于产品展示、商业视觉和游戏素材等场景，设计人员往往需要反复调整构图、修改细节、比较不同方案。

H3-Image将高分辨率生成的等待时间压缩到十秒左右，也就意味着高规格AI视觉创作有机会从偶尔制作的精品素材，变成可以高频使用的生产工具。

技术能力之外，MiniMax持续开源的策略，也在为这些模型开辟更大的应用空间。

此前H3开源后，已经吸引不同方向的开发者参与生态建设，推动模型在内存优化、硬件适配和推理效率等方面持续改进。如今，H3-Image开放权重，同样为开发者围绕图像生成、编辑和多素材融合开发新工具提供了基础。

可以想见，未来H3-Image将陆续接入各类工作流工具，在agent环境下作为harness的基座图片模型使用，与其他图像、视频模型组合；也可以针对电商商品图、游戏美术、工业设计等场景进行定制。进一步结合图像理解、局部编辑和视频生成能力，开发者还有机会搭建覆盖素材分析、内容生成和后期修改的多模态创作流程。

但对模型厂商而言，如何将开发者和企业的使用需求转化为商业回报，同样是一个现实问题。

MiniMax此前围绕H3探索的路径，提供了一种思路：通过社区许可协议，MiniMax对于达到一定规模的商业使用，以及部分特定地区的使用者，保留了进一步授权的要求。

对大型企业来说，获得模型权重并不一定意味着所有需求都已解决，商业使用权限、定制开发、技术支持和部署适配，都可能成为进一步合作的理由。此前，英伟达、Pika、fal.ai等公司已经在H3视频生成模型上与MiniMax达成授权合作，说明MiniMax开源模型的商业价值还可以延伸至授权和技术合作。

从H3视频到H3-Image，MiniMax持续开放多模态模型权重，实际上是在尝试建立一套更长线的生态关系：开发者基于模型进行二次开发，研究团队优化模型的效率和适配能力，企业围绕具体业务需求开展定制与授权合作，而API和产品服务则承接更广泛的模型使用需求。

结语：图像模型的“全科竞赛”开始了

在当前的AI领域，不同类型模型之间的能力分化依然明显：文本模型擅长逻辑推理、信息组织和复杂任务处理，但在视觉审美与艺术表现上仍有提升空间；视觉生成模型有着出色的画面质感和艺术表现力，但往往在内容准确性与视觉效果之间顾此失彼。

从这个角度看，H3-Image展现出的价值，在于尝试将逻辑理解与视觉生成结合起来，在我们的实测中，它确实完成了一些过去单一类型模型无法兼顾的任务。

当然，距离真正打通专业信息处理与高质量视觉创作，行业仍有不少技术难题需要解决。但可以确定的是，图像模型的竞争重点已经成为审美、理解、生成与执行能力的综合较量。而这一次，开源阵营没有缺席。