MiniMax 在 Hugging Face 公开开源图像模型 MiniMax-H3-Image。模型页称，它属于 MiniMax H3 家族，同一个检查点同时支持文生图和图像编辑，编辑最多使用 16 张参考图，且无需放大器即可直接生成约 1600 万像素图像。权重按 MiniMax-H3-Image Community License Agreement 提供。
据该模型页，可直接生成的尺寸从 4096×4096（1:1）到 6272×2688（21:9），约 1600 万像素。发布方称，有效工作区间约 400 万到 2000 万像素，约 1600 万像素时效果最好。
模型页称，当下常见输出为 100 万到 400 万像素；1600 万像素图像细节更多，但通常需要多得多的计算。发布方自述，该模型把这一计算成本控制在可接受范围。MiniMax 还称，该模型在开源模型中指令遵循能力最强（发布方自述）。
模型页展示的编辑案例包括：用 1 张参考图，把未贴图的 3D 渲染改为登月研究基地电影画面；用 10 张参考图（1 间空房间与 9 件家具）合成客厅。
扩散 Transformer（DiT）采用去掉音频层的 H3 架构，参数量 331 亿，50 层，隐藏维度 5376、56 个注意力头。文本编码器使用 MiniMax-H3 的 Qwen3-VL，未作改动。
检查点蒸馏为 6 步采样（6 NFEs），不使用无分类器引导。模型页写明，negative_prompt 不支持并会被拒绝；num_inference_steps 传入非 6 的值，或 guidance_scale 传入非 1 的值，会返回 HTTP 400。
主仓库 BF16 权重为 68.65 GB，其中 transformer/ 为 66.28 GB，vae/ 为 2.34 GB。文本编码器不在本仓库，需从 MiniMaxAI/MiniMax-H3 的 text_encoder/ 下载，约 66.7 GB。可选提示词扩写模型 MiniMax-H3-Image-PE 为 NVFP4，体积 17.9 GB。
发布方推荐用 SGLang、vLLM-Omni、diffusers、ComfyUI 部署。模型页称，vLLM-Omni 支持的加速卡包括 NVIDIA H200、RTX PRO 6000 Blackwell 和 AMD Instinct MI350X。
本地部署之外，可通过 MiniMax 开放平台 API 调用文生图、图像编辑和提示词扩写。网页版为海螺 AI，全球站为 hailuoai.video，中国站为 hailuoai.com。
许可协议为 MiniMax-H3-Image Community License Agreement。协议第四节所述用途，需另行申请书面授权。
