网易首页 > 网易号 > 正文 申请入驻

突发!「源神」 MiniMax 开源H3 Image,最强开源模型中国造

0
分享至


新智元报道


OpenAI 在11月4日刚上线的 Images 2.6 才过了几天,已有人喊出:

GPT is cooked.

GPT-6 彻底完了。

让大家上头的,是 MiniMax 的新模型 H3 Image。

内测玩家 Emily 报了几个硬核参数:

最多 16 张参考图,提示词能写到 7500 个字符,最高出 4K。

她顺手押了一注:以她对 MiniMax 的了解,这模型迟早会开源。



她押对了,而且比她想的快。今天,MiniMax 正式发布 H3 Image,当天开源权重,同步开放 API,自家的 MiniMax Code 、开放平台和海螺 AI 里也能直接用。

三个月前,这家公司开源了视频模型 H3,英伟达的研究团队、Pika、fal 都基于它再训练了衍生模型。

这回轮到生图。官方给 H3 Image 的定位,是开源图像模型的 SOTA,整体效果在全球第一梯队。名次这种词听得有点麻了,它身上另一个标签更值得在意:指令遵循能力。

这次主打开源、高清、速度快。

H3 Image 可以直接生成 4K(4096×4096)的图像。

对创作者来说,高分辨率意味着更多的细节,有更大的裁切余地,也扩大了图像可用的范围,比如同一张图可以适配不同尺寸的海报和网页,也可以截取局部,突出某个人物或产品。

市面上主流模型大多在一百万到四百万像素,速度普遍是分钟级,最快的也要 50 秒左右,H3 Image 生成 4K 的图像只需 10 到 20 秒,降低了尝试的时间成本。如果需要调整构图、配色或光线细节,创作者也能很快看到结果、继续修改。

也就是说,4K 的日常创作,第一次变得现实。

AI生图,不止于美

一批博主昨天拿到了内测资格,已经晒了一波图。

博主 Muhammad Ayan 开口就是一句「中国又扔出来一个狠的」,然后甩图:一张照片进去,一整套 4K 角色设定图出来,全身正面、背面、脸部特写都有,毛孔、雀斑、细绒毛都在。

结论就一句:AI 人像那层「塑料皮」,没了。


看到这儿,我其实没太当回事。「更真的写真模型」,这话每个月都有人喊。

往下翻,画风变了。

Papillon 翻出一张《GTA:圣安地列斯》的老截图,让它重画成次世代 3A 大作,配文是:CJ 等了 20 年的画质升级,到货了。



DrSadek 一口气跑了纪实摄影、赛博朋克动画等四种画风,让网友投票。


喊「GPT is cooked」的 Israa Ali,测的是 3A 游戏资产和 3D 场景。话说得稍微有点满,可那股兴奋劲装不出来。




再往下,不只是「美图」了。

plasm0 拿它排大字海报,说大字很稳,小字偶尔出错、但大体是对的;


他还测了美国手语的手势,评价是「挺不错,比Moss 好多了。」


左边:H3 Image;右边:Moss。

手语是非常难的场景,AI模型基本都会错。据ChatGPT-6.1 Sol统计,Moss正确率只有20.0%,比如说U、V 手势互换,一个标成 X 的格子实际是 W。H3 image虽然也有错,但是已经做到48.1%正确率,完全对得起「比 Moss 好多了」的评价。

Ankit Patel 和 studio_oneroom 更野,让它出 CAD 风格图和机械爆炸图,就是零件一颗颗拆开、悬在半空的那种。



发现没有?这几样全是生图模型的老牌翻车现场。画面好看不难,难的是字不能错、手势不能混、零件不能装反。这考的不是画功,是脑子。

这个生图模型不偏科

Midjourney 这类模型是艺术生,光影、质感没得挑,可一碰到长文字、空间关系就犯迷糊。

Claude 这类语言模型是理科生,逻辑清清楚楚,让它写代码画张图表也有条有理,但它本来就不是干生图的,画面质感没法跟专业视觉模型比。

指令遵循能力强、生成速度快、高像素,好像鱼与熊掌不可兼得。MiniMax 这次想要的,是不偏科。

口说无凭。拿到内测权限后,我们没测人像写真,也没测风景壁纸,直接出了三道专挑软肋的题。

第一题:考考生图模型理解能力

有海外创作者提前拿到了MiniMax H3 Image的试用资格,上来就扔出一道高难度考题!

把巴黎埃菲尔铁塔改造成赛博朋克世界里的未来星际通信中继站,还必须用专业建筑CAD蓝图的形式呈现。

超精细矢量线条、严格对称的建筑结构、复杂剖面设计,甚至密密麻麻的工程细节,统统不能少。

结果让测试者都惊了!

面对如此复杂的提示词,MiniMax H3 Image展现出了令人意外的细节表现力,指令遵循能力可见一斑。


应县木塔也没问题,可生成真正的建设用的蓝图:


接着加码,考空间感:

一台四足巡检机器狗在地震灾后废墟中的第一视角感知界面(HUD)。要求前景有机械足部的边缘透视,中景呈现坍塌建筑的残骸。画面上必须叠加三维点云测距网格,并在远处的特定水泥梁柱障碍物周围,画出贴合边缘的红色 3D 边界追踪框(Bounding Box)。界面两侧带有对称的机体倾角姿态仪。


这类图最容易做成「科幻贴纸」:框是框,楼是楼,谁也不挨着谁。这张不是。红色边界框顺着透视,贴在远处那根倒塌梁柱的边缘上;两侧姿态仪的刻度,还和机器狗前倾的姿态对上了。它是先在脑子里搭了一个三维空间,再往里摆东西。

工业辅助设计、具身智能的合成数据,这些靠空间感、真实细节吃饭的活,有戏了。

第二题:脑子好使了,手会不会僵?

理科生最怕被人说「画得像工程制图」。所以第二题换成纯美术:

次世代暗黑奇幻动作游戏实机界面截图。

背景是一位身披残破重甲的骑士站在由巨大骨骸构成的废墟悬崖边,远方是正在崩解的黑色太阳,带有极其厚重的体积雾与光追反射。前景带有完整的游戏 UI 系统:左下角为巴洛克金属雕花环绕的暗红色血球与蓝色法力槽;屏幕底端排列着五个具有倒计时冷却效果的石雕符文技能图标;右上角是一张带有半透明迷雾的羊皮纸风格小地图。

整体色调冷峻沉郁。


「游戏场景加整套 UI」这类题,有两种常见的死法:UI 化进背景里,或者 UI 保住了、主角崩了。

这张很稳。画面呈现出极高精度的暗黑奇幻 3D CG 质感。天空被一个巨大且散发着压迫感的「黑日」占据,黑日边缘碎裂,无数黑色陨石/碎片正向外漂浮散落。地面是荒芜、嶙峋的灰褐色岩石与枯骨,浓重的冷灰色雾气弥漫在深渊之上。画面充满史诗感与苍凉感。

再换手工路线。毛毡定格动画里两只穿粗毛线衣的小羊,逆光里绒毛透着亮,连黏土底座上的指纹、纸板切口的毛边都在,这些丰富的细节让图片看起来更加真实,也扩大了图像模型的可用范围。


钢笔淡彩也试了,下笔的轻重、水彩沉在粗纹纸上的水痕都有,没有 AI 图那股油腻的数码味。



第三题:一口气喂它 16 张图

前两题考的是单张图的本事。第三题考干活的人最头疼的事:一致性。

做过游戏资产、电商图、连环漫画的人都懂,参考图一多,模型就「串味」:A 的脸长到 B 身上,盔甲的颜色染进背景里,最后只能一遍遍抽卡。

H3 Image 一次最多吃 16 张参考图,我们索性喂满:8 张原创 3D 角色的多角度面部特写和表情,4 张机械义肢、动力装甲的局部结构和材质图,4 张赛车维修车间的光影和色板。


然后只给一句话:「该角色身穿这套动力装甲,坐在赛车维修车间的工作台上调试机械臂,神情专注。」

出来的图,脸还是那张脸,五官轮廓和发色都对得上;装甲的关节卡扣、液压管路,是照着拆解图的结构长的;整张图的色温和反光,落在车间那套色板里。


它没把 16 张图硬拼到一起,更像是先分门别类读懂谁是人、谁是装备、谁是环境,再按新指令重新搭了一场戏。三视图、服装库、道具、场景一股脑丢给它,批量出分镜、出电商图,可以少抽几次卡。对靠这个吃饭的人来说,这比「再好看 10%」实在得多。

三道题做下来,我的感受是:生图模型的上半场比谁画得美,下半场要比谁听得懂人话了。

老外晒的爆炸图,我们也在 Harness 里试了一下。喂给它的只有一页 ORB-7 结构参考:一张正面图、一张中心剖面、一份零件清单,全是平面的工程语言。

要求是把这盏微型探照灯沿光轴拆成七件,顺序不能错,螺钉只能有三枚。



出来的图,七个零件从前盖到外壳一字排开,01 到 07 的引线没有一根指错,螺钉和孔位也都是三个。

拉丝铝、玻璃、橙色硅胶、绿色电路板、黑色阳极氧化金属,各是各的质感。电路板上那枚方形金色芯片、散热块外缘的散热槽,这些藏在清单小字里的细节也被它翻了出来。右下角还按要求配了一张装好的成品小图。


它是先理解了剖面图,知道要拆解的是什么物体,然后动手拆的。

看图纸这件事,以前的生图模型很难「看」懂。

接下来,我们直接给 H3 Image16 张参考图,我们故意出成了一道「连线题」:4 个机器人的头、4 套衣服、4 件乐器,再加拱门、地板、月面、灯光各一张,要求谁配谁,一点不能乱。出来的结果,一个都没连错。



这「脑子」是哪来的

这份「脑子」是分两步攒出来的。

第一步在 H3 身上。H3 从一开始就不是单纯的视频模型,它要把文字、图片、视频、声音当成同一份上下文读懂,再去生成画面或视频。

所以早在预训练阶段,它就把图像这门基本功练得扎实。

第二步才是 H3 Image。底子有了,MiniMax 这次把功夫下在了「后训练」这条链路上。

用强化学习,让模型朝更好的结果一遍遍去调。把出一张图要走的步数压下来。再加一层提示词增强(PE),你随口说一句,它先替你把话补全再动笔。

最后是部署优化,让它跑得更省、更快。

这条路 MiniMax 早有预告。

8 月 7 日的社区问答里,H3 团队就说过要做一个生成和编辑统一的图像模型。

「源神」的账是怎么算的

H3 能被人抢着改,是因为它开得够大方。

国内开发者管这种厂商叫「源神」,MiniMax 这个名号就是 H3 挣来的:开源不到一个月,下载量破 2400 万次,公开的衍生模型 300 多个。

fal 基于它做出了 H3 Max,海外开发者又拿去搭了 24 小时不停播的「AI 电视台」。英伟达和 MIT 的研究者 10 月 28 日基于它开源了视频增强项目 Open-H3-Regenerate-2K,11 月 9 日还更新了一版。Pika 也发了自己的改款。

可开源了,钱从哪来?

MiniMax 的办法,翻译成人话就是:小店随便用,做大了再来谈。

按 H3 的社区许可,年收入 2000 万美元以内,在协议覆盖的地区可以免费商用;超过这条线,或者要在美国、欧盟、英国、韩国部署,就得单独找 MiniMax 拿授权。

比如,ComfyUI 背后的 Comfy 已经在代理这类授权,专业版每月 5000 美元起;英伟达研究团队走的也是单独授权。

先让全世界的工程师在自己的显卡上跑起来,信任从代码里长出来,生意再跟上。H3 这三个月至少说明了一件事:开源和赚钱不打架。

而图像的需求比视频密得多,游戏原画、电商图、工业设计,天天都在用。同样的打法搬过来,想象空间只会更大。

H3 开源公告的最后一行,是 MiniMax 那句老口号:Intelligence with Everyone。

把能力锁在订阅墙后面是一种活法,把钥匙发到每个人手里是另一种。

H3 Image 的权重、API 和在 Mcode 等平台的入口都已经开了。

编辑:所罗门 大卫


声明:包含AI生成内容

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
特雷杨0分创生涯新低!美球迷朝他开炮:去打G联赛吧 2.12亿顶薪混子

特雷杨0分创生涯新低!美球迷朝他开炮:去打G联赛吧 2.12亿顶薪混子

颜小白的篮球梦
2026-11-16 10:35:06
贝林厄姆与库库雷利亚场上激烈对峙,半场通道内再起冲突

贝林厄姆与库库雷利亚场上激烈对峙,半场通道内再起冲突

星河漫山野
2026-11-16 16:16:01
就在刚刚!CBA豪强官宣签美国男篮国手!世预赛场均12.5分,身高2米01

就在刚刚!CBA豪强官宣签美国男篮国手!世预赛场均12.5分,身高2米01

老吴说体育
2026-11-16 12:02:13
女子和情夫山上发生关系,嫌情夫不肯开房太小气,两人吵起来,女子再次被发现身上盖满石块

女子和情夫山上发生关系,嫌情夫不肯开房太小气,两人吵起来,女子再次被发现身上盖满石块

丫头舫
2026-11-09 22:14:32
最新:乌克兰强势反攻顿巴斯南部!收复科马尔住宅区

最新:乌克兰强势反攻顿巴斯南部!收复科马尔住宅区

项鹏飞
2026-11-15 20:59:16
太争气了!何卓佳终于等到了这一天!陪孙颖莎苦练7年,如今传来两个重磅喜讯

太争气了!何卓佳终于等到了这一天!陪孙颖莎苦练7年,如今传来两个重磅喜讯

运动探索
2026-11-16 15:15:08
马斯克的话应验了:真正卡脖子的不是芯片,而是中国的一个铁疙瘩

马斯克的话应验了:真正卡脖子的不是芯片,而是中国的一个铁疙瘩

互联鱼
2026-10-31 07:10:20
日本麻烦大了!高市敲定赴深圳 APEC,未动身就遭美天价保护费

日本麻烦大了!高市敲定赴深圳 APEC,未动身就遭美天价保护费

牛锅巴小钒
2026-11-15 12:33:08
《谷雨》大结局:藏得最深的人不是周海洋也不是曹亦新,而是卖肠粉的桃姐!

《谷雨》大结局:藏得最深的人不是周海洋也不是曹亦新,而是卖肠粉的桃姐!

肆季娱乐
2026-11-15 21:13:13
墙内开花墙外香!阿尔及利亚两架Su-57战斗机在交付一年后开始执行战斗任务

墙内开花墙外香!阿尔及利亚两架Su-57战斗机在交付一年后开始执行战斗任务

军迷战情室
2026-11-15 17:23:53
意外发现亲戚的秘密,刺激吗?网友:八十了还有想法吗

意外发现亲戚的秘密,刺激吗?网友:八十了还有想法吗

带你感受人间冷暖
2026-11-11 00:05:22
张爱萍晚年对秘书坦言:彭德怀坐镇军委时,全军高级将领全部都无条件服从统一指挥,功劳再大资历再老也没例外

张爱萍晚年对秘书坦言:彭德怀坐镇军委时,全军高级将领全部都无条件服从统一指挥,功劳再大资历再老也没例外

磊子讲史
2026-11-12 14:13:18
癌的源头已发现?咸菜没上榜,第1名大家或天天都在吃

癌的源头已发现?咸菜没上榜,第1名大家或天天都在吃

路医生健康科普
2026-09-02 17:00:07
随着法国2-1,西班牙2-3,意大利1-4,欧国联最新积分榜出炉

随着法国2-1,西班牙2-3,意大利1-4,欧国联最新积分榜出炉

侧身凌空斩
2026-11-16 05:52:22
“蛋白吃得多,病就生得少”,4种高蛋白食物,男女老少都该常吃

“蛋白吃得多,病就生得少”,4种高蛋白食物,男女老少都该常吃

花小厨
2026-11-16 10:05:10
真的有命数吗?网友:玄学有时候真的不得不信

真的有命数吗?网友:玄学有时候真的不得不信

康富贵碎碎念
2026-11-15 14:35:16
63比50!埃森科特赢下议会投票,内塔尼亚胡留任总理,权力被约束

63比50!埃森科特赢下议会投票,内塔尼亚胡留任总理,权力被约束

金戈远望
2026-11-15 14:41:57
Haynes:太阳将杰伦-格林摆上货架,或与德章特-穆雷互换

Haynes:太阳将杰伦-格林摆上货架,或与德章特-穆雷互换

懂球帝
2026-11-16 13:26:24
再一次劝你:要在大城市留一套房,不止是升值,这四点更重要

再一次劝你:要在大城市留一套房,不止是升值,这四点更重要

专业聊房君
2026-11-09 18:16:59
原来如此!A股下跌的三大利空,找到了!

原来如此!A股下跌的三大利空,找到了!

星图金融研究院
2026-11-16 15:29:06
2026-11-16 17:27:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16694文章数 67237关注度
往期回顾 全部

科技要闻

历史头一回!马斯克用"筷子"夹住太空飞船

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

体育要闻

NBA开赛最大惊喜,是他们?

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

旅游
数码
教育
公开课
军事航空

旅游要闻

秋假遛娃剑门关,全程17000步,6个小时,喜提废腿体验!

数码要闻

满电开躁!11月16日,航嘉满电青年计划约你西南交大见!

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

哈马斯拉法旅指挥官死于以军空袭

无障碍浏览 进入关怀版