MiniMax が 331B の画像モデルの重みを公開、生成は 10 秒

MiniMax は November 10 の夜に H3-Image を市場に出しました。派生元の動画モデルから 3 か月後です。そして、画像生成の最上位層ではもうほとんど誰もやらなくなったことを実行しました。重みを公開したのです。
331B パラメータの稠密拡散 Transformer で、50 層あります。H3 の Qwen3-VL テキストエンコーダーをそのまま使い、動画モデルが持っていた音声ブランチを外し、テキストタワーに画像 VAE を組み合わせています。参照画像も生成結果もこの VAE が扱います。Hugging Face の技術資料に書かれているのはここまでで、アーキテクチャの話はそれで終わりです。推論コストを下げるための MoE の工夫はありません。稠密で、とにかく大きいモデルです。
速度の主張は 4096x4096、およそ 16MP を 10 秒ほどで生成するというもので、MiniMax は主流ツールの 5 倍だと説明しています。議論が鋭くなるのは価格のほうです。MiniMax 自身の見積もりでは、1024x1024 が 1 枚約 $0.022、4096x4096 が約 $0.069 です。Highspeed 版は $0.035 と $0.13 になります。課金はトークン単位で、4K は November 17 まで半額です。
ランキングは 23 位と言っています
Artificial Analysis は現在、テキストからの画像生成で GPT Image 2.6 Sunburst を 1 位、Seedream 5.5 を 10 位、H3-Image を 23 位に置いています。編集のボードでは順番が変わりますが、形は変わりません。OpenAI が 1 位、ByteDance が 6 位、MiniMax が 12 位です。
驚くことではありません。3 つのリリースは 72 時間以内に固まっていて、クローズドの 2 モデルは指示追従のために何年も強化学習を回してきました。雑なプロンプトにも耐えるよう訓練されているわけです。ボードから読み取れるのは、MiniMax の相対的な強みが編集にあり、ゼロからの生成ではないということです。混み合った編集の分野で 12 位というのは、生成の 23 位より良い結果ですし、この製品が実際に得意なこととも一致します。参照画像を保持し、1 か所だけ変えて、ほかは触らない。
中国語圏のレビュアーはこの 1 週間、まさにそこを試していました。ある Bilibili のクリエイターは Seedream 5.5 で 100 回のローカル編集を回し、触っていない領域が本当に触られていないことに感心したそうです。別の人は H3-Image に同じ種類の拷問テストをかけて、定番の結論を出しました。速くて安く、単発の編集には素直に従う。ただ、複雑な構図を一発で決めるのはまだ一歩足りない、と。
これが正直な読み方です。キャンペーン用のメインビジュアルが 1 枚必要で、プロンプトの機会が 1 回しかないなら、クローズドモデルがまだ勝ちます。固定背景の商品写真を 400 パターン必要とするなら、ランキングの重みは請求書よりずっと軽くなります。
初日から 12 社のチップベンダー
ベンチマークの話に埋もれた細部が、シリコンのリストです。公開日に MiniMax は Huawei Ascend、T-Head、Cambricon、Moore Threads、Biren、Hygon、MetaX、Iluvatar、NVIDIA、AMD、Intel、Tenstorrent と協業していると述べました。加えて推論とクラウドのプラットフォームも数社あります。
このリストをもう一度見てください。12 社のうち 8 社が中国のアクセラレータベンダーです。H3 の動画ラインをすでに輸出管理に合わせて設計しなければならなかった会社が、ローンチのスライドに 12 社を偶然並べるはずがありません。あのリストは発表資料であると同時に、書かれた形のデプロイ計画です。
オープンウェイトがここで初めて意味を持ちます。331B の稠密モデルはノート PC では動きませんし、出荷に値する解像度なら 1 枚のコンシューマー向けカードでも動きません。現実的な自前ホスティングはラック 1 台、あるいは借りたノードに、実際に買えるアクセラレータを挿す形です。このシリコン側の支えなしに重みを出しても、Hugging Face のページが 1 つ増えるだけでした。支えと一緒に出すから、選択肢になるのです。

この規模のオープンウェイトで何が買えるか
ここで妥当な反論があります。ラックが必要なら、誰が使うのか、と。
3 つの層で、どれも趣味で使う人ではありません。
1 つ目はデータの所在に制約がある人たちです。銀行、病院、そして政府に近い買い手は増え続けています。顧客の画像を米国でホストされるエンドポイントに送るわけにはいきません。どれほど優秀なエンドポイントでも同じです。ダウンロードできて許諾的なライセンスのモデルがあるかどうかが、パイロットで終わるか契約に進めるかを分けます。
2 つ目は、製品が特定の視覚的な慣習に依存している人たちです。クローズドモデルを微調整するには、ベンダーに丁寧に頼んで待つ必要があります。331B の稠密モデルの微調整もそれなりの費用がかかりますが、ループは自分のものです。出てきたチェックポイントは借りた設定ではなく、所有する資産になります。
3 つ目は価格の下限そのものです。この品質水準のオープンなリリースは、調達担当に指し示せる数字を渡します。次の四半期にベンダーが 1 枚あたりの価格を上げてきたら、反論はダウンロードリンクと GPU の見積もりです。その反論のために、実際にモデルを動かす人は誰も要りません。
ライセンスの脚注
製品をその上に載せる計画を立てる前に、指摘しておく価値があります。ライセンスは Apache ではありません。これまでに見えている範囲では独自のオープンウェイトライセンスと説明されていて、よく使われる追跡サイトのオープンウェイト欄も、通すのではなく細かく読んでいます。西側の企業にとって現実的な論点は 3 つです。商用利用ができるか、出力の権利は誰にあるか、そしてライセンスに管轄に紐づく制限があるかどうか。
最後の 1 つは仮定の話ではありません。今月の初め、3 社が MiniMax の H3 の上に動画製品を同じ日に出しましたが、そのモデルのライセンスは米国を除外していました。オープンウェイトを何にでも無料で使えるという意味だと読んだ人は、以前にも同じところで痛い目に遭っています。
実際の使い方
Runware と OpenRouter はどちらも H3-Image と H3-Image Highspeed を扱っていて、MiniMax のトークン単価で提供しています。なので最速のテストは GPU の調達稟議ではなく、クレジットカードと API キーです。生成は 1024、2048、4096 の画像を扱い、参照画像は 1 枚から 16 枚まで受け付けます。商品をカタログ全体で揃えたいなら、効いてくるのはこの数字です。
自前でホストするなら、Hugging Face のモデルカードと MiniMax のリポジトリが出発点です。現実的な助言は、いきなりフルモデルではなく、借りたハードで Highspeed 版から始めることです。16MP を 10 秒というのは、ベンダーのスタックで測ったベンダーの数字です。自分のノードで自分のバッチ処理を組むなら、採算が合うか判断する前に 1 週間は調整に使うと考えておいてください。
このリリースが実際に変えたもの
3 年前なら、この規模の画像モデルは研究の産物でした。今はクローズドの競合 2 つと並んで出て、品質は中位、価格で勝ち、ローンチの時点で 12 社のアクセラレータベンダーがパートナー一覧に載っています。
順位は動きます。MiniMax には外部企業から事後学習を受けてきた動画モデルがあり、画像のラインも同じ扱いを受けるでしょう。動かないのは取引の形です。クローズドモデルは品質のリードを保ち、オープンモデルは価格を下げ続け、デプロイの選択肢を開いたままにします。
この取引は、重みを一度もダウンロードしない人でも知っておく価値があります。次にベンダーが 1 枚あたりの価格を提示してきたとき、会議室の誰かがオープンな代替の費用を聞けるようになりました。1 週間前、その質問に良い答えはありませんでした。
関連記事
Pinky は agent に自分のスマホを操作させる。送信ボタンは、あなたが許可を押すまで押さえたまま
Pinky はどんな MCP agent でも本物の iPhone や Android につなぎ、承認をプロンプトではなく自前のゲートウェイで強制する。銀行アプリは見えず、パスワード欄は通行止め、Android 13 では agent に隠れた2枚目の画面が渡される。
サーバー1台、AI配信者1人:夜のライブ配信を動かすコードの中身
open-yoki は、毎晩 Binance Square で配信する AI ホストの本番コードで、人格・声・お金に関わる機能は取り除かれています。headless Chrome がフレームを描き、ffmpeg が RTMP を押し、Markdown フォルダが彼女の気分と投稿内容を決めます。
SoduWork の依頼は、チャットが止まったときではなく、依頼した人が承認したときに終わる
SoduWork はセルフホストのワークベンチだ。依頼には着手前に受け入れ基準が書かれ、納品は別の harness がレビューし、最後は人が承認する。うまくいった進め方はプラグインとして保存され、チームの他の人がそのまま実行できる。
世界の法律を git に入れた人がいる。だから法令も blame できる
global-law は各国の法令を git リポジトリとして持ち、1 つの commit が既知の日に効力を持った 1 つの法律にあたる。条文に対して log、blame、show、diff を実行でき、ある日の各国の施行状況を調べ、コーパス全体を MCP 経由でアシスタントに渡せる。