MiniMax开源H3-Image模型:10秒生成16MP 4K图像,支持16张参考图
摘要
MiniMax于11月10日深夜发布并开源H3-Image图像生成模型,可在10秒内生成4096×4096像素、约16MP的4K图像,速度达主流水平5倍,支持最多16张参考图,具备文本生图、图像参考与编辑能力。
11月10日深夜,MiniMax宣布正式发布并开放H3-Image模型的权重。该模型由H3衍生而来,定位于图像生成赛道,同时覆盖文本生成图像、图像参考与图像编辑三类任务,权重开放意味着开发者可直接获取并使用该模型。
在性能指标上,H3-Image可在10秒内输出一张4096×4096像素、约16MP的高分辨率图像。MiniMax方面表示,这一速度约为市面主流水平的5倍;相较常见的100万或400万像素输出,1600万像素规格在画面细节上具有明显优势,同时模型保持了较强的真实感,有别于常见的“AI感”。
据官方介绍,H3-Image在H3预训练所赋予的图像能力基础上,对后训练链路进行了强化,涉及数据、强化学习、步数压缩、PE与部署优化等环节。这些工作的组合,使模型在速度、画面质量与指令遵循三方面同时具备竞争力。
指令遵循方面,官方称H3-Image提供“开源模型中最强”的指令遵循能力,并支持最多16张参考图片,多参考图理解能力是其重点之一。发布首周,MiniMax还将针对16MP及以上规格的生成请求提供官方价格优惠。
对AI行业从业者而言,高分辨率与生成速度的结合,加之权重开放和多参考图能力,使该模型在需要精细画面细节与多图条件的应用场景中具备进一步探索的空间。
本文由新大陆基于公开信息编辑整理
信息来源:IT之家 IT之家原文 ↗