MiniMax veröffentlicht die Gewichte eines 331B-Bildmodells, das in zehn Sekunden rendert

MiniMax hat H3-Image am Abend des 10. November auf den Markt gebracht, drei Monate nach dem Videomodell, von dem es abstammt, und hat das getan, was in der obersten Liga der Bildgenerierung kaum noch jemand macht: die Gewichte veröffentlicht.
Das Modell ist ein dichter Diffusion-Transformer mit 331 Milliarden Parametern und 50 Schichten. Es behält den Qwen3-VL-Textencoder von H3, lässt den Audiozweig des Videomodells weg und kombiniert den Textteil mit einem Bild-VAE, das sowohl Referenzbilder als auch die erzeugte Ausgabe verarbeitet. Laut dem technischen Material auf Hugging Face ist das die ganze Architekturerzählung. Es gibt keinen Mixture-of-Experts-Trick, der die Parameterzahl bei der Inferenz billiger macht. Es ist dicht, und es ist groß.
Die Geschwindigkeitsangabe lautet 4096 mal 4096, rund 16 Megapixel, in etwa zehn Sekunden, was MiniMax als das Fünffache dessen beschreibt, was gängige Werkzeuge schaffen. Beim Preis wird die Debatte schärfer. Die eigene Schätzung von MiniMax setzt ein 1024 mal 1024 großes Bild bei etwa $0.022 an und ein 4096 mal 4096 großes bei etwa $0.069. Die Highspeed-Variante liegt bei $0.035 und $0.13. Abgerechnet wird pro Token, und 4K kostet bis zum 17. November die Hälfte.
Die Rangliste sagt Platz 23
Artificial Analysis führt derzeit GPT Image 2.6 Sunburst auf Platz eins bei Text-to-Image, Seedream 5.5 auf Platz zehn und H3-Image auf Platz dreiundzwanzig. Auf der Tafel für Bildbearbeitung verschiebt sich die Reihenfolge, die Form bleibt: OpenAI eins, ByteDance sechs, MiniMax zwölf.
Nichts davon überrascht. Die drei Veröffentlichungen lagen innerhalb von zweiundsiebzig Stunden beieinander, und die beiden geschlossenen Modelle haben jahrelang Reinforcement Learning auf Instruction Following mit unsauberen Prompts bekommen. Was die Tafel zeigt: Die stärkste relative Position von MiniMax liegt beim Bearbeiten, nicht beim Erzeugen aus dem Nichts. Platz zwölf in einem vollen Feld beim Bearbeiten ist ein besseres Ergebnis als Platz dreiundzwanzig beim Generieren, und es passt zu dem, was das Produkt wirklich gut kann: eine Referenz halten, eine Sache ändern, den Rest in Ruhe lassen.
Chinesische Tester haben in dieser Woche genau das geprüft. Ein Bilibili-Creator ließ Seedream 5.5 durch hundert Runden lokaler Bearbeitung laufen und war beeindruckt, dass die unberührten Bereiche unberührt blieben. Ein anderer unterzog H3-Image derselben Folter und meldete das übliche Urteil: schnell, billig, folgsam bei einzelnen Änderungen, und bei einer komplizierten Komposition immer noch einen Schritt davon entfernt, sie beim ersten Versuch richtig hinzubekommen.
Das ist die ehrliche Lesart. Wer ein Titelbild für eine Kampagne braucht und nur einen Schuss beim Prompt hat, für den gewinnen noch die geschlossenen Modelle. Wer vierhundert Varianten eines Produktfotos vor festem Hintergrund braucht, für den zählt die Rangliste deutlich weniger als die Rechnung.
Zwölf Chiphersteller am ersten Tag
Das Detail, das unter der Benchmark-Diskussion verschwunden ist, ist die Siliziumliste. Am Releasetag nannte MiniMax Huawei Ascend, T-Head, Cambricon, Moore Threads, Biren, Hygon, MetaX, Iluvatar, NVIDIA, AMD, Intel und Tenstorrent, dazu eine Reihe von Inferenz- und Cloud-Plattformen.
Lesen Sie diese Liste noch einmal. Acht dieser zwölf sind chinesische Beschleunigerhersteller. Ein Unternehmen, das seine H3-Videolinie schon um Exportkontrollen herum entwerfen musste, setzt nicht versehentlich zwölf Anbieter auf eine Launch-Folie. Diese Liste ist der Deployment-Plan, nur aufgeschrieben.
Hier hören die offenen Gewichte auf, eine ideologische Geste zu sein. Ein dichtes 331B-Modell läuft nicht auf einem Laptop, und es läuft bei keiner Auflösung, die man ausliefern würde, auf einer einzelnen Consumer-Karte. Die realistische Selbsthosting-Geschichte ist ein Rack oder ein gemieteter Knoten mit den Beschleunigern, die man tatsächlich kaufen kann. Gewichte ohne diesen Silizium-Support zu veröffentlichen hätte eine Hugging-Face-Seite ergeben und sonst nichts. Sie mit ihm zu veröffentlichen ergibt eine Option.

Was offene Gewichte in dieser Größe kaufen
Es gibt einen berechtigten Einwand. Wenn das Modell ein Rack braucht, wer ist dann die Zielgruppe?
Drei Gruppen, und keine davon sind Bastler.
Die erste ist jeder mit Anforderungen an den Datenstandort. Banken, Krankenhäuser und eine wachsende Liste von Käufern nahe der öffentlichen Hand können Kundenbilder nicht an einen in den USA gehosteten Endpunkt schicken, so gut der Endpunkt auch sein mag. Ein herunterladbares Modell mit freizügiger Lizenz entscheidet darüber, ob aus einem Pilotprojekt ein Vertrag wird.
Die zweite ist jeder, dessen Produkt von einer bestimmten visuellen Konvention abhängt. Ein geschlossenes Modell zu fine-tunen heißt, den Anbieter freundlich zu fragen und zu warten. Ein dichtes 331B-Modell zu fine-tunen kostet weiterhin echtes Geld, aber die Schleife gehört Ihnen, und der entstehende Checkpoint ist ein Vermögenswert, den Sie besitzen, statt einer Konfiguration, die Sie mieten.
Die dritte ist der Preisboden selbst. Jede offene Veröffentlichung auf diesem Qualitätsniveau gibt dem Einkauf eine Zahl, auf die er zeigen kann. Wenn ein Anbieter im nächsten Quartal den Preis pro Bild erhöht, sind das Gegenargument ein Download-Link und ein GPU-Angebot. Dieses Argument verlangt von niemandem, das Modell tatsächlich laufen zu lassen.
Die Fußnote zur Lizenz
Erwähnenswert, bevor jemand ein Produkt darauf aufbaut: Die Lizenz ist nicht Apache. Was man bisher sieht, beschreibt sie als eigene Open-Weights-Lizenz, und die entsprechenden Rubriken der üblichen Tracker lesen sie genau, statt sie durchzuwinken. Für ein westliches Unternehmen sind die praktischen Fragen: kommerzielle Nutzung, Eigentum an den Ausgaben, und ob die Lizenz eine an die Jurisdiktion gebundene Einschränkung enthält.
Die letzte ist nicht hypothetisch. Anfang dieses Monats haben drei Unternehmen am selben Tag Videoprodukte auf MiniMax' H3 gestellt, und die Lizenz dieses Modells schloss die Vereinigten Staaten aus. Wer "offene Gewichte" als "frei für alles" liest, hat sich daran schon einmal verbrannt.
Wie man es tatsächlich benutzt
Runware und OpenRouter führen H3-Image und H3-Image Highspeed zu MiniMax' Token-Preisen, der schnellste Test ist also eine Kreditkarte und ein API-Key statt eines GPU-Beschaffungsantrags. Die Generierung nimmt ein Bild mit 1024, 2048 oder 4096, und sie akzeptiert zwischen einem und sechzehn Referenzbildern. Das ist die Zahl, auf die es ankommt, wenn ein Produkt über einen ganzen Katalog hinweg konsistent bleiben soll.
Für Selbsthosting sind die Hugging-Face-Karte und das MiniMax-Repository die Startpunkte, und der realistische Rat lautet, mit der Highspeed-Variante auf gemieteter Hardware zu beginnen, bevor man sich auf das volle Modell festlegt. Zehn Sekunden für 16 Megapixel sind eine Anbieterzahl, gemessen auf einem Anbieter-Stack. Auf dem eigenen Knoten, mit eigenem Batching, sollte man eine Woche zum Einstellen einplanen, bevor man weiß, ob die Rechnung aufgeht.
Was dieses Release wirklich ändert
Vor drei Jahren wäre ein Bildmodell dieser Größe ein Forschungsartefakt gewesen. Heute erscheint es neben zwei geschlossenen Konkurrenten, liegt bei der Qualität im Mittelfeld, gewinnt beim Preis und kommt mit einem Dutzend Beschleunigerherstellern, die schon auf der Partnerliste stehen.
Die Rangliste wird sich bewegen. MiniMax hat ein Videomodell, das Post-Training von externen Firmen bekommt, und die Bildlinie wird dieselbe Behandlung erfahren. Was sich nicht bewegt, ist die Form des Geschäfts: Geschlossene Modelle behalten den Qualitätsvorsprung, offene Modelle drücken den Preis weiter und halten die Deployment-Optionen offen.
Dieser Tausch ist es wert, gekannt zu werden, auch wenn man die Gewichte nie herunterlädt. Wenn ein Anbieter das nächste Mal einen Preis pro Bild nennt, kann jetzt jemand im Raum fragen, was die offene Alternative kostet. Vor einer Woche gab es auf diese Frage keine gute Antwort.
Verwandte Artikel
Ein Server, eine KI-Streamerin: im Code, der einen nächtlichen Livestream trägt
open-yoki ist der Produktionscode einer KI-Host, die jeden Abend auf Binance Square streamt, mit entfernten Geld-Features, Stimme und Persona. headless Chrome zeichnet das Bild, ffmpeg schiebt RTMP, ein Markdown-Ordner entscheidet über Laune und Posts.
ByteDances SeedRealtime nimmt zwei Bilder pro Sekunde und entscheidet selbst, wann es spricht
Doubao-Seed-Realtime-1.0 packt Kamera-Frames, Bildschirm-Frames und Sprache in eine einzige Vollduplex-Sitzung, mit höchstens zwei Frames pro Sekunde. Die interessanten Entscheidungen sind die Bildrate, das proaktive Sprechen und die Audit-Antwort, die ab Werk an ist.
Cicada hört dem Audio deines Meetings direkt zu, ohne Bot im Raum
Cicada ist eine kostenlose App für Mac, Windows, Linux und Android, die aus dem Systemaudio zweisprachige Untertitel und strukturierte Meeting-Notizen schreibt. Auf Tastendruck sprichst du deine Antwort in der anderen Sprache mit deiner eigenen geklonten Stimme. Kein Bot tritt dem Call bei.
Pinky lässt einen Agent dein Handy bedienen und hält den Senden-Knopf fest, bis du auf Erlauben tippst
Pinky verbindet jeden MCP-Agent mit einem echten iPhone oder Android und erzwingt die Freigabe in seiner eigenen Gateway statt in einem Prompt. Bank-Apps sind unsichtbar, Passwortfelder tabu, und unter Android 13 bekommt der Agent einen versteckten zweiten Bildschirm.