← 返回部落格
Ai預計閱讀 8 分鐘

MiniMax 開放了一個 331B 圖片模型的權重,十秒出圖

發布於 2026年11月13日
MiniMax 開放了一個 331B 圖片模型的權重,十秒出圖

MiniMax 在 November 10 晚上把 H3-Image 放上市場,距離它衍生自的那個影片模型過去三個月。然後它做了一件在圖像生成第一梯隊裡幾乎沒人再做的事:把權重公開了。

這是一個 331B 參數的稠密擴散 Transformer,50 層。它保留了 H3 的 Qwen3-VL 文字編碼器,去掉影片模型上的音訊分支,文字塔配一個圖像 VAE,參考圖和生成結果都走這一套。Hugging Face 上的技術文件講的就是這些,架構層面沒有別的故事。沒有 MoE 那類把推論成本壓下來的技巧。它就是稠密,就是大。

速度的說法是 4096x4096,差不多 16MP,十秒左右,MiniMax 說這是主流工具的五倍。價格才是爭論變尖銳的地方。MiniMax 自己的估算,1024x1024 一張約 $0.022,4096x4096 一張約 $0.069。Highspeed 版本是 $0.035 和 $0.13。按 token 計費,4K 在 November 17 之前半價。

榜單說它排第 23

Artificial Analysis 現在把 GPT Image 2.6 Sunburst 排在文生圖第一,Seedream 5.5 第十,H3-Image 第二十三。編輯榜上順序變了,形狀沒變:OpenAI 第一,ByteDance 第六,MiniMax 第十二。

這沒什麼好意外的。三個發布前後差不到七十二小時,兩個閉源模型在指令遵循上被強化學習磨了好幾年,專門對付髒提示詞。榜單能看出的是,MiniMax 相對最強的地方在編輯,不在從零生成。在一個擁擠的編輯賽道裡排第十二,比在生成裡排第二十三好看,也和這產品實際擅長的事對得上:拿住一張參考圖,改一處,別動其他地方。

中文圈的評測這一週就在測這個。一位 Bilibili 創作者拿 Seedream 5.5 做了一百輪局部編輯,最滿意的是沒被碰到的區域真的沒被碰到。另一位拿 H3-Image 做了同類的折磨測試,給出的結論很標準:快、便宜、單點修改聽話,複雜構圖一次做對還是差一步。

這是比較誠實的讀法。如果你要一張行銷主視覺,提示詞只有一次機會,閉源模型還是贏。如果你要四百張固定背景的產品圖變體,排名的重要性遠不如帳單。

第一天就有十二家晶片廠商

被 benchmark 討論蓋住的一個細節是晶片名單。發布當天 MiniMax 說它在和 Huawei Ascend、T-Head、Cambricon、Moore Threads、Biren、Hygon、MetaX、Iluvatar、NVIDIA、AMD、Intel、Tenstorrent 合作,另外還有一批推論和雲端平台。

這份名單再看一遍。十二家裡面有八家是中國加速器廠商。一家早就得圍著出口管制設計 H3 影片線的公司,不會碰巧在發表會投影片上放十二家廠商。那份名單就是部署計畫,只是被寫下來了。

開放權重到這裡才有了實際意義。331B 的稠密模型跑不了筆電,在任何值得出貨的解析度下也跑不了單張消費級卡。現實的自託管方案是一個機櫃,或者一台租來的節點,插上你實際買得到的加速器。沒有這層晶片支持就發權重,結果只會是一個 Hugging Face 頁面,別的什麼都沒有。帶著這層支持發,就多了一個選項。

MiniMax H3-Image 模型結構示意,文字編碼器與圖像 VAE 組成的稠密擴散 Transformer

這個體量的開放權重能買到什麼

這裡有個合理的反問。模型要一個機櫃,那受眾是誰。

三類人,沒有一類是愛好者。

第一類是有資料駐留要求的人。銀行、醫院,還有越來越多和政府沾邊的採購方,不能把客戶圖片發到美國託管的端點,端點再好也不行。一個能下載、授權寬鬆的模型,決定了專案停在試點還是能簽合約。

第二類是產品依賴某種特定視覺慣例的人。微調閉源模型意味著好好跟廠商申請,然後等。微調一個 331B 稠密模型照樣要花真錢,但整個迴圈是你自己的,產出的 checkpoint 是你擁有的資產,不是你租來的配置。

第三類是價格底線本身。每一個這個品質級別的開放發布,都給採購方提供了一個可以指著說的數字。下季廠商要漲價,反駁的論據就是一個下載連結加一份 GPU 報價。這個論據不需要真的有人去跑那個模型。

授權那條腳註

在有人圍著它規劃產品之前,值得先說一句:授權不是 Apache。目前看到的說法是自訂開放權重授權,幾個常見追蹤站的 open weights 板塊都在逐條讀,沒有直接放行。對一家西方公司來說,實際問題有三個,能不能商用,輸出歸誰,授權裡有沒有和司法管轄掛鉤的限制。

最後一條不是假設。這個月早些時候,三家公司在同一天用 MiniMax 的 H3 做了影片產品,而那個模型的授權最後被發現把美國排除在外。把開放權重讀成隨便用的人,之前已經在這上面吃過虧。

實際怎麼用

Runware 和 OpenRouter 都上了 H3-Image 和 H3-Image Highspeed,按 MiniMax 的 token 價走,所以最快的測試方式是一張信用卡加一個 API key,不用走 GPU 採購流程。生成支援 1024、2048、4096,參考圖能收一到十六張,如果你要讓一個產品在整個目錄裡保持一致,這個數字才是關鍵。

自託管的話,Hugging Face 的模型卡和 MiniMax 的倉庫是起點,比較實在的建議是先在租來的硬體上跑 Highspeed 版本,再決定要不要上完整模型。16MP 十秒是廠商在自己堆疊上測出來的廠商數字。在你自己的節點上,用你自己的 batching,先準備花一週調,再判斷這筆帳算不算得過來。

這次發布真正改變了什麼

三年前,這個體量的圖像模型會是一份研究產物。今天它和兩個閉源對手一起上市,品質排在中游,價格贏,發布時夥伴名單上已經躺著十二家加速器廠商。

排名會變。MiniMax 有一個影片模型,一直在接外部公司的後訓練工作,圖像這條線會得到同樣的待遇。不會變的是這筆交易的結構:閉源模型保持品質領先,開放模型繼續把價格往下壓,把部署選項留著。

這筆交易值得知道,哪怕你永遠不會去下載權重。下次有廠商給你報每張圖的價格,會議室裡現在有人可以問一句,開放的替代方案要多少錢。一週之前這個問題還沒有好答案。

相關文章