MiniMax Melancarkan Model Imej H3 Sumber Terbuka dengan Penghasilan 4K dalam 10 Saat

iconMetaEra
Kongsi
AI summary iconRingkasan
MiniMax telah melancarkan model H3 Image sumber terbuka, sebuah AI dengan 33.1 bilion parameter yang mampu menghasilkan gambar 4K dalam 10 saat. Model ini menyokong sehingga 16 gambar rujukan dan menawarkan diskaun 50% pada output resolusi tinggi seminggu pertama. Tersedia melalui Hugging Face dan terintegrasi ke dalam MiniMax API, MiniMax Code, dan Hailuo AI, alat ini diletakkan sebagai peristiwa berita on-chain utama dalam ruang berita AI + crypto.
MiniMax melancarkan dan membuka sumber model gambar H3 Image, yang mampu menghasilkan gambar 4K secara langsung, paling cepat sekitar 10 saat setiap gambar, menyokong sehingga 16 gambar rujukan, dan membuka secara serentak bobot parameter sebanyak 33.1 bilion.

Penulis artikel: Li Dan

Sumber artikel: Wall Street Journal

Syarikat AI China, MiniMax, semakin memperkuat bidang penghasilan imej.

Pada Selasa, 10 November, MiniMax secara rasmi melancarkan dan membuka sumber model penghasil gambar generasi baru, H3 Image, yang menonjolkan penghasilan gambar 4K dengan resolusi tertinggi 16 juta piksel (4096×4096), dengan klaim pihak rasmi bahawa ia boleh diselesaikan dalam masa secepat 10 saat, serta menyokong pemahaman tepat terhadap petunjuk, penyuntingan gambar, dan input sehingga 16 gambar rujukan.

MiniMax merangkum keunggulan utama H3 Image dalam tiga aspek: kelajuan, kualiti gambar, dan kepatuhan terhadap arahan: Dari segi kelajuan, model mampu menghasilkan gambar 4K dalam masa 10 hingga 20 saat; dari segi kualiti gambar, ia berusaha mengelakkan kesan generasi AI yang biasa, menampilkan butiran yang lebih kaya dan realisme yang lebih kuat; dari segi kepatuhan terhadap arahan, pihak rasmi menyatakan ia mencapai tahap terbaik di kalangan model gambar open-source, serta menyokong penciptaan kolaboratif dengan beberapa gambar rujukan.

Berbeza dengan model sumber tertutup yang hanya membuka panggilan API, MiniMax kali ini secara serentak membuka bobot model H3 Image dan mengintegrasikannya ke dalam API sendiri, MiniMax Code, dan platform Hai Luo AI. Pada minggu pertama pelancaran, penghasilan imej dengan resolusi 16MP ke atas masih menikmati diskaun 50%.

Gambar 4K tanpa super-resolution, kelajuan penghasilan langsung mengalahkan model utama

Kelajuan penghasilan adalah salah satu keunggulan utama yang ditekankan oleh H3 Image kali ini.

Resolusi output model penghasil gambar utama di pasaran kini kebanyakannya berada dalam julat 1 juta hingga 4 juta piksel, dengan masa penghasilan biasanya diukur dalam minit, walaupun model paling pantas sekalipun memerlukan kira-kira 50 saat. Sebaliknya, H3 Image mampu menghasilkan gambar 4K beresolusi 4096×4096 secara langsung, dengan masa penghasilan dipersingkat kepada 10 hingga 20 saat, dengan kelajuan paling pantas yang dipromosikan oleh pihak rasmi kira-kira 10 saat.

Ini bermakna H3 Image tidak hanya meningkatkan skala piksel sekali jalan kepada sekitar 16 juta, tetapi juga berusaha mengurangkan masa tunggu secara besar-besaran untuk gambar resolusi tinggi. Bagi reka bentuk dan pencipta kandungan yang memerlukan penyesuaian berulang terhadap komposisi, palet warna, cahaya, dan butiran, peningkatan kelajuan penghasilan dapat mengurangkan kos masa setiap percubaan, menjadikan iterasi kreatif lebih cekap.

Dari segi spesifikasi teknikal, H3 Image bukan sekadar memperbesar gambar resolusi biasa ke 4K, tetapi mampu menghasilkan gambar resolusi tinggi sekitar 16 juta piksel secara langsung, tanpa memerlukan pemprosesan super-resolution tambahan.

Penerangan model yang diterbitkan oleh MiniMax di Hugging Face menunjukkan bahawa H3 Image menyokong pelbagai nisbah skrin, selain gambar segi empat sama 4096×4096, ia juga menyokong gambar lebar 16:9 sebesar 5472×3072 dan gambar lebar 21:9 sebesar 6272×2688. Julat penghasilan berkesan model adalah sekitar 4 hingga 20 juta piksel, dengan cadangan rasmi untuk mendapatkan kesan terbaik pada sekitar 16 juta piksel.

Di sebalik peningkatan kelajuan, model menggunakan pengoptimuman distilasi untuk mengurangkan langkah pengambilan kepada 6 langkah (Sampling Steps), tanpa memerlukan panduan tanpa pengelasan (CFG), untuk mengurangkan beban pengiraan dalam penghasilan gambar resolusi tinggi.

Hilangkan kesan “AI” yang biasa, butiran gambar dan realisme menjadi kelebihan lain

Selain kelajuan penghasilan, MiniMax menganggap kualiti gambar sebagai kelebihan utama lain bagi H3 Image.

MiniMax menekankan dalam penerangan model rasmi bahawa H3 Image mampu melangkau ciri-ciri visual biasa dalam gambar yang dihasilkan AI, memberikan butiran gambar yang lebih kaya dan realisme yang lebih kuat, menjadikan gambar yang dihasilkan lebih hampir dengan kualiti visual dunia nyata.

Ini bukan hanya berkaitan dengan sejauh mana gambar cukup realistik, tetapi juga secara langsung mempengaruhi lingkup aplikasi model. Bagi skenario seperti iklan, e-dagang, reka bentuk produk, seni permainan, dan pembuatan visual komersial, model gambar perlu tidak hanya menghasilkan gambar yang memenuhi keperluan kreatif, tetapi juga mampu menunjukkan bahan yang halus, pencahayaan semula jadi, dan butiran adegan yang meyakinkan. Peningkatan realisme dan perincian gambar berpotensi memperluas gambar yang dihasilkan AI daripada hanya sketsa konsep dan bahan kreatif kepada penciptaan komersial yang lebih profesional.

Berbeza dengan penyelesaian penghasilan resolusi tinggi tradisional, H3 Image mampu menghasilkan imej sebanyak 16 juta piksel secara langsung, bukannya menghasilkan imej resolusi rendah terlebih dahulu sebelum memperbesarkannya melalui teknik super-resolution. MiniMax berharap dapat menggabungkan kualiti imej dan kecekapan melalui penghasilan asli resolusi tinggi serta proses inferens yang lebih singkat.

Kemampuan mengikuti arahan diklaim sebagai yang terkuat di kalangan model gambar open-source, menyokong sehingga 16 gambar rujukan

Dalam hal pengikutan arahan, MiniMax menempatkan H3 Image sebagai model imej sumber terbuka dengan kemampuan pengikutan arahan paling kuat, serta menggabungkannya dengan input gambar pelbagai rujukan dan kemampuan penyuntingan imej.

Model tidak hanya menyokong penghasilan imej secara langsung berdasarkan petunjuk teks, tetapi juga menerima satu atau lebih gambar rujukan, dan mengubah gambar sedia ada mengikut arahan pengguna. Kemampuan menerima hingga 16 gambar rujukan membantu model memahami secara serentak maklumat rujukan yang berbeza seperti individu, objek, adegan, dan gaya visual, serta mengekalkan ciri subjek dan konsistensi gambar dengan lebih baik dalam penciptaan yang kompleks.

Sebagai contoh, dalam reka bentuk iklan produk, pengguna boleh muat naik gambar rujukan penampilan produk, visual jenama, dan latar belakang secara berasingan, kemudian memberi arahan teks untuk meminta model menggabungkan elemen-elemen berbeza ke dalam satu gambar baru; dalam reka bentuk seni permainan dan watak, pengguna juga boleh menggunakan pelbagai gambar rujukan untuk mengawal penampilan watak, pakaian, latar belakang, dan gaya keseluruhan.

Reka bentuk yang menggabungkan teks-ke-gambar, penyuntingan gambar, dan rujukan banyak gambar dalam model yang sama ini juga bermakna pengguna tidak perlu sering berpindah antara model atau alur kerja profesional yang berbeza untuk menyelesaikan proses kreatif berterusan dari penghasilan awal hingga pengubahsuaian seterusnya.

Arkitektur 3.31 bilion parameter, bobot model dibuka secara serentak

Dari segi arsitektur model, H3 Image dibangun berdasarkan model multimodal MiniMax H3, dengan cabang audio dihapus dan dioptimalkan untuk penghasilan dan penyuntingan gambar.

Berdasarkan maklumat teknikal yang diumumkan oleh Hugging Face, H3 Image menggunakan Dense Diffusion Transformer (DiT) dengan 33.1 bilion parameter, memiliki 50 lapisan, meneruskan encoder teks Qwen3-VL dari MiniMax H3, serta menggabungkan VAE gambar untuk memproses gambar rujukan dan menghasilkan gambar.

Perkara penting lain yang dilancarkan dalam pelancaran ini ialah pembukaan timbangan model. Pembangun boleh mendapatkan model melalui Hugging Face dan menggunakan alat seperti SGLang, vLLM-Omni, Diffusers, dan ComfyUI untuk penghantaran dan pembangunan.

Namun, pembukaan bobot tidak bermaksud komputer konsumen biasa boleh menjalankan model penuh dengan mudah. Fail bobot DiT untuk penghasilan gambar yang diumumkan oleh pihak rasmi berjumlah sekitar 68.65GB, dan pemasangan penuh juga memerlukan pemuatan encoder teks yang berasingan, yang memerlukan permintaan tinggi terhadap memori GPU dan sumber pengiraan.

API, MiniMax Code, dan Hai Luo AI disambungkan serentak, diskon 50% untuk penghasilan resolusi tinggi pada minggu pertama

Dalam aspek komersial, MiniMax mengambil strategi selari antara bobot terbuka dan platform produk sendiri.

H3 Image kini tersedia melalui MiniMax API, MiniMax Code, dan Hai Luo AI, membolehkan pengguna mengalami fungsi penghasilan dan penyuntingan imej resolusi tinggi tanpa perlu memuat turun dan menghuraikan model secara sendiri. Dalam minggu pertama pelancaran, permintaan penghasilan imej dengan resolusi 16MP ke atas masih mendapat diskaun 50%.

Dari pelancaran ini, MiniMax berusaha menjangkau pembangun dan pencipta biasa secara serentak: di satu sisi, dengan membuka bobot model untuk menarik pembangun melakukan pelaksanaan tempatan, pembangunan semula, dan integrasi alur kerja; di sisi lain, dengan menggunakan API dan produk seperti Hai Luo AI untuk mendorong komersialisasi model dan memperluas jangkauan pengguna.

Namun, bobot terbuka tidak bermaksud sumber terbuka tanpa sekatan sepenuhnya. Lesen komuniti yang dianuncikan oleh Hugging Face menetapkan syarat-syarat bagi kawasan yang berkenaan, penggunaan komersial, dan pembangunan derivatif model, di mana beberapa kawasan dan penggunaan komersial tertentu memerlukan kebenaran tambahan.

Dalam konteks persaingan yang semakin sengit dalam penghasilan imej AI, H3 Image menjadikan kelajuan penghasilan resolusi tinggi, realisme gambar, dan kemampuan mematuhi arahan kompleks sebagai titik terobosan utama. Keberjayaan menukar tiga kelebihan teknikal ini kepada permintaan pengguna pencipta yang berterusan dan pendapatan API, serta sama ada pembukaan bobot akan mendorong ekosistem pembangun yang lebih luas, akan menjadi fokus utama yang perlu diperhatikan oleh MiniMax seterusnya.

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.