← Retour au blog
AiEnviron 8 min de lecture

MiniMax ouvre les poids d'un modèle d'image de 331B qui rend en dix secondes

Publié le 13 nov. 2026
MiniMax ouvre les poids d'un modèle d'image de 331B qui rend en dix secondes

MiniMax a mis H3-Image sur le marché le soir du 10 novembre, trois mois après le modèle vidéo dont il dérive, et a fait ce que presque plus personne dans le haut du tableau ne fait : publier les poids.

Le modèle est un transformer de diffusion dense de 331 milliards de paramètres, sur 50 couches. Il reprend l'encodeur texte Qwen3-VL de H3, abandonne la branche audio du modèle vidéo, et associe la tour de texte à un VAE image qui traite aussi bien les images de référence que la sortie générée. D'après la documentation technique sur Hugging Face, l'architecture s'arrête là. Pas d'astuce de mélange d'experts pour alléger le coût à l'inférence. C'est dense, et c'est gros.

La promesse de vitesse, c'est du 4096x4096, environ 16 mégapixels, en une dizaine de secondes, ce que MiniMax présente comme cinq fois ce que font les outils courants. Le prix est l'endroit où le débat se durcit. L'estimation de MiniMax donne une image 1024x1024 à environ $0.022 et une 4096x4096 à environ $0.069. La variante Highspeed passe à $0.035 et $0.13. La facturation se fait au token, et la 4K est à moitié prix jusqu'au 17 novembre.

Le classement dit 23e

Artificial Analysis place actuellement GPT Image 2.6 Sunburst premier en texte-image, Seedream 5.5 dixième, et H3-Image vingt-troisième. Sur le tableau de l'édition, l'ordre change mais la forme reste : OpenAI premier, ByteDance sixième, MiniMax douzième.

Rien de surprenant. Les trois sorties sont tombées à moins de soixante-douze heures d'intervalle, et les deux modèles fermés ont eu des années de renforcement pour apprendre à suivre des consignes sur des prompts brouillons. Ce que le tableau montre, c'est que la position relative la plus forte de MiniMax est l'édition, pas la génération à partir de zéro. Douzième dans un champ encombré en édition, c'est un meilleur résultat que vingt-troisième en génération, et cela correspond à ce que le produit fait vraiment bien : tenir une référence, changer une chose, laisser le reste tranquille.

Les testeurs chinois ont passé la semaine à vérifier exactement ça. Un créateur sur Bilibili a fait tourner Seedream 5.5 sur cent rondes d'édition locale et en est ressorti impressionné que les zones non touchées restent intactes. Un autre a infligé le même supplice à H3-Image et a livré le verdict habituel : rapide, bon marché, obéissant sur une modification isolée, encore un cran en dessous pour réussir une composition compliquée du premier coup.

C'est la lecture honnête. Si vous avez besoin d'une image de tête pour une campagne et d'une seule tentative sur le prompt, les modèles fermés gagnent encore. Si vous avez besoin de quatre cents variantes d'une photo produit sur fond fixe, le classement compte beaucoup moins que la facture.

Douze fabricants de puces dès le premier jour

Le détail qui s'est perdu sous les discussions de benchmarks, c'est la liste des siliciums. Le jour de la sortie, MiniMax a indiqué travailler avec Huawei Ascend, T-Head, Cambricon, Moore Threads, Biren, Hygon, MetaX, Iluvatar, NVIDIA, AMD, Intel et Tenstorrent, plus une série de plateformes d'inférence et de cloud.

Relisez cette liste. Huit de ces douze sont des fabricants chinois d'accélérateurs. Une entreprise qui a déjà dû dessiner sa gamme vidéo H3 autour des contrôles à l'export ne met pas douze fournisseurs sur une diapositive de lancement par hasard. Cette liste est le plan de déploiement, couché par écrit.

C'est ici que les poids ouverts cessent d'être un geste idéologique. Un modèle dense de 331B ne tournera pas sur un portable, et il ne tournera pas sur une seule carte grand public à une résolution qui vaille la peine d'être livrée. Le scénario réaliste d'auto-hébergement, c'est une baie, ou un nœud loué, avec les accélérateurs que vous pouvez réellement acheter. Publier les poids sans ce soutien matériel n'aurait produit qu'une page Hugging Face et rien d'autre. Les publier avec, cela produit une option.

Schéma de l'architecture H3-Image, un transformer de diffusion dense avec encodeur texte et VAE image

Ce que des poids ouverts achètent à cette taille

Il y a une objection légitime. Si le modèle a besoin d'une baie, pour qui est-il fait ?

Trois groupes, et aucun n'est un amateur éclairé.

Le premier est quiconque a une contrainte de résidence des données. Les banques, les hôpitaux et une liste croissante d'acheteurs proches du secteur public ne peuvent pas envoyer des images de clients vers un endpoint hébergé aux États-Unis, aussi bon soit-il. Un modèle téléchargeable sous licence permissive fait la différence entre un pilote et un contrat.

Le deuxième est quiconque a un produit qui dépend d'une convention visuelle précise. Affiner un modèle fermé revient à demander gentiment au fournisseur et à attendre. Affiner un modèle dense de 331B coûte encore de l'argent réel, mais la boucle vous appartient, et le checkpoint obtenu est un actif que vous possédez plutôt qu'une configuration que vous louez.

Le troisième, c'est le plancher de prix lui-même. Chaque sortie ouverte à ce niveau de qualité donne aux acheteurs un chiffre à montrer du doigt. Quand un fournisseur augmente son tarif à l'image le trimestre suivant, l'argument opposé est un lien de téléchargement et un devis GPU. Cet argument ne demande à personne de faire tourner le modèle.

La note de bas de page sur la licence

À signaler avant que quiconque bâtisse un produit dessus : la licence n'est pas Apache. Ce qu'on en voit jusqu'ici la décrit comme une licence de poids ouverts maison, et les rubriques dédiées des traqueurs habituels la lisent attentivement au lieu de la valider d'un revers de main. Pour une entreprise occidentale, les questions pratiques sont l'usage commercial, la propriété des sorties, et l'existence éventuelle d'une restriction liée à la juridiction.

La dernière n'est pas hypothétique. Plus tôt ce mois-ci, trois entreprises ont lancé des produits vidéo sur H3 de MiniMax le même jour, et la licence de ce modèle excluait les États-Unis. Ceux qui lisent "poids ouverts" comme "gratuit pour tout" se sont déjà brûlés là-dessus.

Comment s'en servir concrètement

Runware et OpenRouter proposent tous deux H3-Image et H3-Image Highspeed aux tarifs au token de MiniMax, donc le test le plus rapide passe par une carte bancaire et une clé API plutôt que par une demande d'achat de GPU. La génération prend une image en 1024, 2048 ou 4096, et accepte entre une et seize images de référence, ce qui est le chiffre qui compte si vous voulez garder un produit cohérent sur tout un catalogue.

Pour l'auto-hébergement, la fiche Hugging Face et le dépôt MiniMax sont les points de départ, et le conseil réaliste est de commencer par la variante Highspeed sur du matériel loué avant de s'engager sur le modèle complet. Dix secondes pour 16 mégapixels, c'est un chiffre de fournisseur mesuré sur une pile de fournisseur. Sur votre propre nœud, avec votre propre batch, prévoyez une semaine de réglages avant de savoir si l'économie tient.

Ce que cette sortie change vraiment

Il y a trois ans, un modèle d'image de cette taille aurait été un objet de recherche. Aujourd'hui il arrive à côté de deux concurrents fermés, se classe au milieu pour la qualité, gagne sur le prix, et débarque avec une douzaine de fabricants d'accélérateurs déjà sur la liste des partenaires.

Le classement bougera. MiniMax a un modèle vidéo qui reçoit du post-entraînement de sociétés extérieures, et la gamme image aura le même traitement. Ce qui ne bougera pas, c'est la forme de l'accord : les modèles fermés gardent l'avance en qualité, les modèles ouverts continuent de faire baisser le prix et de garder les options de déploiement ouvertes.

Cet échange vaut la peine d'être connu, même si vous ne téléchargez jamais les poids. La prochaine fois qu'un fournisseur vous annonce un prix à l'image, quelqu'un dans la salle pourra demander combien coûte l'alternative ouverte. Cette question n'avait pas de bonne réponse il y a une semaine.

Articles associés

Quelqu'un a mis le droit mondial dans git, on peut donc blâmer un article de loi

global-law conserve les textes de chaque pays dans un dépôt git où chaque commit correspond à une loi entrée en vigueur à une date connue. On peut lancer log, blame, show et diff sur un article, demander ce qui s'appliquait dans chaque pays un jour donné, et confier le tout à un assistant via MCP.

Un serveur, une streameuse IA : dans le code qui fait tourner un live nocturne

open-yoki est le code de production d'une hôte IA qui streame chaque soir sur Binance Square, personnalité, voix et fonctions liées à l'argent retirées. headless Chrome dessine la frame, ffmpeg pousse le RTMP, un dossier de Markdown décide de son humeur et de ce qu'elle publie.

Pinky laisse un agent piloter votre téléphone, et garde le bouton Envoyer enfoncé jusqu'à votre clic sur Autoriser

Pinky relie n'importe quel agent MCP à un vrai iPhone ou Android et impose l'approbation dans sa propre passerelle plutôt que dans un prompt. Les applis bancaires sont invisibles, les champs de mot de passe interdits, et sous Android 13 l'agent obtient un second écran caché.

Cicada écoute directement l'audio de votre réunion, sans bot dans la salle

Cicada est une application gratuite pour Mac, Windows, Linux et Android qui écrit des sous-titres bilingues et des notes de réunion structurées à partir de l'audio du système, puis vous laisse tenir une touche pour répondre dans l'autre langue avec votre propre voix clonée. Aucun bot ne rejoint l'appel.