MiniMax запускает открытую модель изображений H3 с генерацией 4K за 10 секунд

iconMetaEra
Поделиться
AI summary iconСводка
MiniMax запустила свою открытую модель H3 Image с 33,1 миллиарда параметров, способную генерировать изображения 4K за 10 секунд. Модель поддерживает до 16 опорных изображений и предлагает скидку 50% на высококачественные выводы в первую неделю. Доступна через Hugging Face и интегрирована в MiniMax API, MiniMax Code и Hailuo AI. Инструмент позиционируется как важное событие в блокчейн-новостях в сфере ИИ + криптовалюта.
MiniMax выпустила и открыла исходный код модели изображений H3 Image, которая может напрямую генерировать изображения 4K со скоростью до 10 секунд за изображение, поддерживает до 16 опорных изображений и одновременно открывает веса модели с 33,1 млрд параметров.

Автор статьи: Ли Дан

Источник: Wall Street Journal

Китайская ИИ-компания MiniMax снова усиливает свои позиции в сегменте генерации изображений.

Во вторник, 10 ноября, MiniMax официально выпустила и открыла исходный код новой модели генерации изображений H3 Image, которая специализируется на создании 4K-изображений до 16 миллионов пикселей (4096×4096). По данным компании, генерация занимает всего около 10 секунд, а модель поддерживает точное понимание текстовых подсказок, редактирование изображений и ввод до 16 опорных изображений.

MiniMax выделяет три ключевых преимущества H3 Image: скорость, качество изображения и выполнение команд. С точки зрения скорости, модель способна генерировать изображения в разрешении 4K за 10–20 секунд. Что касается качества, то модель стремится избежать типичного «AI-внешнего вида», обеспечивая более богатые детали и повышенную реалистичность. В плане выполнения команд компания утверждает, что H3 Image достигает наивысшего уровня среди открытых моделей изображений и поддерживает совместное создание с использованием нескольких опорных изображений.

В отличие от закрытых моделей, доступных только через API, MiniMax на этот раз одновременно открыла веса модели H3 Image и интегрировала её в собственный API, MiniMax Code и платформу Hai Luo AI. В первую неделю выпуска генерация изображений разрешением 16 МП и выше доступна со скидкой 50%.

Изображения 4K генерируются напрямую без суперразрешения, скорость значительно превосходит主流 модели

Скорость генерации является одним из ключевых конкурентных преимуществ H3 Image.

В настоящее время выходные разрешения основных моделей генерации изображений на рынке в основном находятся в диапазоне от 1 до 4 миллионов пикселей, а скорость генерации обычно измеряется в минутах, даже самые быстрые модели требуют около 50 секунд. Напротив, H3 Image может напрямую генерировать 4K-изображения разрешением 4096×4096 за 10–20 секунд, при этом официально заявленная максимальная скорость составляет около 10 секунд.

Это означает, что H3 Image не только увеличивает размер генерируемого изображения до примерно 16 миллионов пикселей, но и стремится значительно сократить время ожидания для высокоразрешающих изображений. Для дизайнеров и создателей контента, которым необходимо многократно корректировать композицию, цветовую гамму, освещение и детали, повышение скорости генерации снижает временные затраты на каждую попытку и делает итерации творческого процесса более эффективными.

С точки зрения технических характеристик, H3 Image не просто увеличивает изображения обычного разрешения до 4K, а способен напрямую генерировать высокодетализированные изображения примерно в 16 миллионов пикселей без дополнительной обработки суперразрешения.

Описание модели, опубликованное MiniMax на Hugging Face, указывает, что H3 Image поддерживает различные соотношения сторон: помимо квадратных изображений 4096×4096, модель также поддерживает горизонтальные изображения 5472×3072 с соотношением 16:9 и широкоэкранные изображения 6272×2688 с соотношением 21:9. Эффективный диапазон генерации модели составляет примерно от 4 до 20 миллионов пикселей; официально рекомендуется использовать около 16 миллионов пикселей для достижения наилучших результатов.

За повышением скорости стоит оптимизация методом дистилляции, которая сокращает количество шагов выборки до 6 (Sampling Steps) и исключает традиционное управление без классификатора (CFG), снижая вычислительные затраты при генерации изображений высокого разрешения.

Откажитесь от типичного «AI-вкуса» — детали изображения и реалистичность становятся другим преимуществом

Помимо скорости генерации, MiniMax рассматривает качество изображения как еще одно ключевое преимущество H3 Image.

MiniMax в официальном описании модели подчеркивает, что H3 Image преодолевает типичные визуальные особенности AI-сгенерированных изображений, обеспечивая более богатые детали и повышенную реалистичность, что делает сгенерированные изображения более близкими к визуальному качеству реального мира.

Это касается не только того, насколько изображения достаточно реалистичны, но и напрямую влияет на область применения модели. Для сценариев, таких как реклама, электронная коммерция, дизайн продуктов, игровая графика и коммерческая визуальная продукция, модель изображений должна не только генерировать изображения, соответствующие творческим требованиям, но и передавать тонкие текстуры, естественное освещение и правдоподобные детали сцены. Повышение реалистичности и детализации изображений может позволить AI-сгенерированным изображениям выйти за рамки концептуальных эскизов и творческих материалов и перейти к более профессиональным коммерческим задачам.

В отличие от традиционных схем генерации высокого разрешения, H3 Image может напрямую генерировать изображения примерно в 16 миллионов пикселей, а не сначала создавать изображения низкого разрешения, а затем увеличивать их с помощью технологий суперразрешения. MiniMax стремится сочетать качество изображения и эффективность за счет нативной генерации высокого разрешения и более короткого процесса вывода.

Способность следовать инструкциям считается самой сильной среди открытых моделей изображений, поддерживает до 16 опорных изображений

В области выполнения инструкций MiniMax позиционирует H3 Image как модель с наилучшими способностями к выполнению инструкций среди открытых моделей изображений, сочетая её с возможностями ввода нескольких опорных изображений и редактирования изображений.

Модель не только поддерживает прямое создание изображений по текстовым подсказкам, но также может принимать одну или несколько опорных фотографий и изменять существующие изображения в соответствии с указаниями пользователя. Возможность ввода до 16 опорных изображений помогает модели одновременно понимать различные опорные данные, такие как персонажи, объекты, сцены и визуальный стиль, обеспечивая лучшее сохранение характеристик субъекта и согласованности изображения в сложных творческих задачах.

Например, при создании рекламного дизайна продукта пользователи могут загружать изображения внешнего вида продукта, визуальных элементов бренда и референсов сцены отдельно, а затем использовать текстовые команды, чтобы попросить модель объединить различные элементы в одно новое изображение; в игровой графике и дизайне персонажей также можно использовать несколько референсных изображений для контроля внешности персонажа, одежды, сцены и общего стиля.

Такая архитектура, объединяющая текст в изображение, редактирование изображений и многократную ссылку на изображения в одной модели, означает, что пользователю не нужно часто переключаться между различными специализированными моделями или рабочими процессами, чтобы выполнить непрерывное творчество — от первоначального создания до последующей корректировки.

Архитектура с 3,31 миллиарда параметров, веса модели синхронно открыты

В архитектуре модель H3 Image разработана на основе мультимодальной модели MiniMax H3 с удалением аудио-ветви и оптимизацией для генерации и редактирования изображений.

Согласно технической документации, опубликованной Hugging Face, H3 Image использует плотный диффузионный трансформер (DiT) с 33,1 млрд параметров, состоящий из 50 слоев, сохраняет текстовый энкодер Qwen3-VL от MiniMax H3 и сочетает его с VAE для изображений для обработки опорных изображений и генерации изображений.

Еще одним важным аспектом этого выпуска является открытие весов модели. Разработчики могут получить модель через Hugging Face и использовать такие инструменты, как SGLang, vLLM-Omni, Diffusers и ComfyUI, для развертывания и разработки.

Однако открытые веса не означают, что полную модель можно легко запустить на обычном потребительском компьютере. Официально опубликованные файлы весов генератора изображений DiT занимают около 68,65 ГБ, а для полного развертывания необходимо загрузить отдельный текстовый энкодер, что требует значительных ресурсов видеопамяти и вычислительных мощностей.

API, MiniMax Code и Hai Luo AI синхронизированы, первая неделя — скидка 50% на генерацию в высоком разрешении

В коммерческом плане MiniMax применяет стратегию параллельного использования открытых весов и собственной платформы продуктов.

H3 Image уже доступен через API MiniMax, MiniMax Code и Hai Luo AI — пользователям не нужно скачивать и развертывать модель самостоятельно, чтобы воспользоваться функциями генерации и редактирования изображений высокого разрешения. В первую неделю после запуска запросы на генерацию изображений разрешением 16 МП и выше доступны со скидкой 50%.

Из этого выпуска видно, что MiniMax стремится охватить как разработчиков, так и обычных создателей: с одной стороны, открывая веса моделей для привлечения разработчиков к локальному развертыванию, вторичной разработке и интеграции в рабочие процессы; с другой стороны, продвигая коммерциализацию моделей через API и такие продукты, как Hai Luo AI, чтобы расширить охват пользователей.

Однако открытые веса не означают полностью неограниченного открытого исходного кода. Сообщественная лицензия, опубликованная Hugging Face, устанавливает условия для применимых регионов, коммерческого использования и разработки производных моделей; для некоторых регионов и определенных коммерческих целей требуется отдельная авторизация.

На фоне усиления конкуренции в области генерации изображений с помощью ИИ, H3 Image делает акцент на высокой скорости генерации высокого разрешения, реалистичности изображений и способности точно выполнять сложные инструкции. Ключевым вопросом для MiniMax станет возможность превратить эти три технических преимущества в устойчивый спрос со стороны создателей и доход от API, а также сможет ли открытый вес стимулировать более широкую экосистему разработчиков.

Отказ от ответственности: Информация на этой странице может быть получена от третьих лиц и не обязательно отражает взгляды или мнения KuCoin. Данный контент предоставляется исключительно в общих информационных целях, без каких-либо заверений или гарантий, а также не может быть истолкован как финансовый или инвестиционный совет. KuCoin не несет ответственности за ошибки или упущения, а также за любые результаты, полученные в результате использования этой информации. Инвестиции в цифровые активы могут быть рискованными. Пожалуйста, тщательно оценивайте риски, связанные с продуктом, и свою устойчивость к риску, исходя из собственных финансовых обстоятельств. Для получения более подробной информации, пожалуйста, ознакомьтесь с нашими Условиями использования и Уведомлением о риске.