MiniMax H3 Image 是 MiniMax 在 11 月 10 日正式开源的图像生成模型，实测体验上它同时拥有类似 GPT 的强指令理解能力和 Midjourney 的画面审美质感，原生支持最高 1600 万像素 4K 图直出，最快 10 秒就能完成一张 4K 图片生成，单模型同时覆盖文生图、多参考图图像编辑，最多可以一次性接收 16 张参考素材，用来锁定角色、构图、材质、画风；它和很多开源生图模型不一样，它没有 CFG、不支持负面提示词，采样只需要 6 步，推理速度大幅提升，同时权重完整开放，开发者既可以直接调用 MiniMax 云端 API，也可以下载权重本地 ComfyUI 部署，不用受闭源平台限制，当然它也存在短板，暂时不支持蒙版局部编辑、透明背景输出，上手前要先摸清楚它的参数特性、部署方式和计费规则。
一、MiniMax H3 Image 核心参数一览
| 项目 | 参数详情 | 说明 |
|---|---|---|
| 模型规模 | 33.1B DiT 扩散 Transformer | BF16 权重，单 checkpoint 同时支持文生图 + 图编 |
| 原生输出像素 | 最高 16MP（4096×4096） | 无需后处理超分，原生高分辨率输出 |
| 采样步数 | 固定 6 步 | 无 CFG，不支持 negative_prompt 负面提示词 |
| 参考图上限 | 最多 16 张 | 提示词里用 |
| 提示词上限 | 4096 token | 可开启提示词扩写，自动丰富画面描述 |
| 支持模式 | 文生图、多参考图图像编辑 | 暂不支持 mask 局部涂抹编辑、透明 PNG |
| 部署渠道 | HuggingFace 权重、MiniMax 开放 API、ComfyUI、海螺 AI | API 与本地权重两套方案独立 |
二、为什么说它是 GPT 指令能力 + MJ 审美
- 对标 GPT 的指令遵循：很多开源绘图模型容易跑偏、看不懂复杂约束，H3 Image 可以读懂长描述、分层约束，比如指定主体、光影、构图、品牌细节，还能分别从 16 张参考图里提取不同要素，A 图拿人物、B 图拿场景、C 图拿材质，指令落地准确度接近文本大模型；
- 对标 Midjourney 的审美质感：在写实、电影感、CG、插画、工业设计风格上成熟度高，画面氛围感、光影层次、细节完整度，跳出传统开源模型生硬、廉价的 AI 感；
- 二者融合的优势：Midjourney 指令理解相对弱，复杂逻辑容易翻车；普通 GPT 类多模态模型绘图审美弱、细节粗糙，H3 Image 把两者优势整合，并且开源开放权重。
三、两种使用方式：云端 API 调用 / 本地部署
方式 A：MiniMax 云端 API（快速测试、商用业务首选）
- 接入入口：MiniMax 开放平台，兼容调用接口
- 计费：发布首周，16MP 及以上大图五折；常规价格相比同类闭源模型更低
- 优点：不用扛高显存压力，开箱即用，速度稳定
- 缺点：数据走公网，有调用额度、成本开销
方式 B：本地 ComfyUI 部署（合规、私有化需求）
- 从 HuggingFace 下载 MiniMax-H3-Image 权重
- 安装适配版本 ComfyUI，加载官方节点包
- 搭建工作流：文本输入 + 多参考图输入节点，输出 16MP 原图
- 硬件门槛：高显存 NVIDIA 显卡，16MP 大图推理显存占用很高
- 优点：数据本地留存、无限调用、自定义二次微调
- 缺点：硬件成本高、推理速度受显卡限制，社区插件还在迭代
四、实测踩坑清单（重点限制）
- 没有负面提示词：不要写 negative_prompt，传了会直接报错，规避瑕疵要靠正向提示词约束
- 不支持蒙版编辑：不能涂抹局部修改，只能用整张参考图 + 文字指令做改动
- 提示词标记规范：多张参考图必须用
、 在 prompt 里对应标注，模型才会区分素材 - 分辨率匹配：优先选择官方推荐的 16MP 规格，偏离这个像素区间画质会明显下滑
- 提示词扩写开关：短提示词可以开启自动扩写；精准可控的商业图建议关闭扩写，避免模型擅自改动需求
五、H3 Image 和主流生图模型简单对比
| 模型 | 开源状态 | 指令理解 | 审美质感 | 原生 4K | 参考图数量 |
|---|---|---|---|---|---|
| MiniMax H3 Image | ✅开源权重 | 强 | 优秀 | ✅原生 16MP | 最多 16 张 |
| Midjourney | ❌闭源 API | 中等 | 顶级 | ❌依赖超分 | 少量参考图 |
| Flux 系列 | ✅开源 | 中等 | 良好 | 部分版本支持 | 少量 |
| Qwen3.7-Plus 图像生成 | ❌闭源 API | 强 | 中等 | 有限 | 少量 |
【相关 FAQ】
问题 1：实测 MiniMax H3 Image 号称拥有 GPT 的效果加上 MJ 的审美，这个特点具体体现在哪里？
回答 1：MiniMax H3 Image 的 GPT 级效果体现在复杂指令理解、多参考图要素拆解能力，能精准执行分层创作约束；MJ 级审美体现在光影、氛围感、艺术风格的画面质感，在写实、CG、电影场景表现突出，并且它是开放权重的开源模型，这点和 Midjourney 闭源不一样。
问题 2：MiniMax H3 Image 开源之后，本地 ComfyUI 部署的时候有哪些硬性限制？
回答 2：MiniMax H3 Image 本地部署是 6 步采样、无 CFG，不支持负面提示词，暂不支持 mask 蒙版局部编辑；16MP 原生 4K 图对显存要求很高，同时多张参考图必须在提示词里用标记对应，否则模型无法识别素材分工。
问题 3：MiniMax H3 Image 支持最多 16 张参考图，在创作的时候怎么搭配提示词使用？
回答 3：使用 MiniMax H3 Image 的多参考图能力，上传素材后在提示词中用
问题 4：MiniMax H3 Image 云端 API 和本地开源权重版本，生成效果有差别吗？
回答 4：核心模型权重一致，理论画质、指令能力对齐；区别在于云端 API 做了算力优化，出图速度更稳定，适合线上业务；本地部署受显卡、显存、推理框架影响，速度浮动更大，适合数据不能出网的私有化场景。
【参考资料】
[2026-11-11]（实测 MiniMax H3 Image：GPT 的效果加上 MJ 的审美，居然被它开源了）爱范儿
[2026-11-11]（MiniMax 开源 H3 Image：4K 图像生成仅 10 秒，支持多达 16 张参考图，首周五折优惠）新浪财经
[2026-11-10]（MiniMax-H3-Image: 16 MP text to image and image editing in ComfyUI）ComfyUI 官方文档
[2026-11-10]（MiniMax H3 Image 发布公告，开放权重、API 计费说明）MiniMax 开放平台
[2026-11-10]（MiniMax-H3-Image: 33.1B DiT, 16 MP Output in 6 Steps）TPS Report
【免责声明】
本文为 MiniMax H3 Image 实测资讯整理，不构成硬件采购、商用项目选型建议；H3 Image 的 API 价格、优惠活动、模型能力、功能限制以 MiniMax 开放平台官方文档为准；开源权重有对应的许可证协议，商用前请自行阅读并确认合规；图像生成内容需要遵守平台内容规范，违规内容会被拦截。