实测 MiniMax H3 Image：GPT 的效果加上 MJ 的审美，居然被它开源了
今年 8 月，MiniMax 开放了 H3 视频生成模型的权重，这是有史以来第一个达到 SOTA 水平的开源视频模型。
此后几个月，社区基于它玩出的花样远超官方演示，也催生了 H3 max 等一批衍生模型，实实在在推着 AI 创意行业往前走了一步。
现在，MiniMax 连图像生成模型也不打算藏着了。就在刚刚，MiniMax H3 Image 正式发布，重点是图像生成与编辑，目标是开源图像模型中的 SOTA。
此前的 H3 已经通过统一的全模态预训练，具备了图像、视频、音频等多种内容的理解与生成能力，其中也包括文生图和图像编辑。
而这次的 H3 Image 是在 H3 已有能力的基础上，进一步针对图像生成与编辑进行后训练优化，让模型在复杂指令遵循、图像细节和视觉审美上有了更好的表现。
比较直观的体验，是分辨率和速度。在我们的实测中，H3 Image 生成一张 4096×4096、4K 画质的高规格图片，只需要 10～20 秒。
这意味着，过去动辄需要等待几十秒甚至更久的高分辨率生图，如今已经可以在十几秒内完成。4K 级图像生成正在进入以十秒计的时代，高分辨率带来的细节优势，也终于可以用在更频繁的日常创作中。
我们使用 H3 Image 生成了各种极具美学的图片，它在 CG、游戏场景、工业设计以及多种艺术风格上都有不错的表现。
它还重点强化了复杂指令遵循能力，最多支持 16 张参考图片，可以同时理解不同的主体、材质和风格要求。
更重要的是，H3 Image 在发布当天就开放权重，开发者也可以通过 API 接入，或者在 MiniMax 开放平台、MCode 和 MiniMax 海螺平台中使用。
APPSO 也提前体验了这款新模型，除了画得好看，我们更想知道，它到底能理解多复杂的需求，又能把图像细节做到什么程度。
过去我们测试图像模型，往往更关注它能不能画出提示词里出现的物体。
但实际工作里，我们交给设计师的需求经常复杂得多。比如，产品的零件应该如何组装，某个区域需要保留哪些元素，不同参考图之间又有什么联系。模型需要先理解这些条件，才可能画对图。
这次，我们从一个工业产品的结构设计入手，让 H3 Image 生成一台未来主义咖啡机的产品爆炸图。它需要展示豆仓、研磨器、冲煮模块、水箱等结构，同时标明各部分的连接关系，并保持产品设计的一致性。
除了机械结构，文字处理也是图像生成模型经常遇到的难题。尤其是既要把字写对，又要兼顾字体设计、画面构图和整体视觉效果。
对于大字海报，模型需要同时处理文字内容、字体造型和视觉构图。而在包含大段小字的场景，文字准确性、信息层级和排版也会成为新的难题。
我们先让 H3 Image 生成了一张以凤凰（Phoenix）为主题的新古典主义装饰艺术海报，融合了西方神话、复古雕版画、维多利亚时代装饰纹样和现代极简排版。
H3 Image 准确地渲染了画面标题 PHOENIX MYTH（凤凰神话）和副标题 Eternal Rebirth of the Fire Bird（火鸟的永恒重生）。
对于 H3 Image 在小字上的表现，我们找到了这段时间沸沸扬扬的黄仁勋公开信，让 H3 Image 生成了一份放在桌面的信纸版。
图片里面的文字基本上都准确生成出来了，没有明显的错误，整体的样式也和图片周围的风格保持一致。如果你仔细看信纸周围的细节，都和老黄有关。
我们还能生成怀旧风的场景：挂在墙上的经典皮衣，伴随着打字机上的独白「我已经被穿了 30 年了。」
我们还尝试让 H3 Image 生成更复杂的游戏界面，图片里的文字渲染和布局都和生存游戏类似，显示生命、魔力和体力等级。
更进一步的是，看 Image 能否理解文字、图片之间的逻辑，这要求它具备语义理解的能力，并具备科学、数学、生物等知识，并能把逻辑准确、美观地呈现出来。
从机械结构到文字排版，再到知识理解，这些案例其实都指向同一个问题：模型能否真正理解用户想表达的信息，并将其准确地转化为图像。
这次 H3 Image 支持最多 16 张图片作为参考。这意味着，我们可以一次提供产品的不同视角、材质参考、品牌元素和场景图片，再要求模型将这些信息整合到同一张作品中。
更值得期待的是，这次 H3 Image 还可以通过 API 接入 MiniMax Code、Claude Code、Codex 等 Agent Harness，直接参与更复杂的任务流程。
也就是说，我们可以直接在 Agent 的对话框里提出创作需求，让 Agent 整理任务、调用 H3 Image 生成图片，再通过后续对话不断修改设计。
就像这个在 Codex 内使用 MiniMax H3 Image 生成 V8 引擎爆炸拆解图的案例，通过 Agent 对信息的搜集和整理，最后生成的几张拆解图都非常真实。
对于 Agent 来说，它需要持续管理上下文和用户的修改意见；对于 H3 Image 来说，则需要理解 Agent 整理后的复杂指令，并尽可能准确地执行。这样的工作方式，对图像模型的指令遵循和复杂信息理解能力也提出了更高的要求。
而这款开源的图像生成模型 H3 Image 确实能做到理解复杂需求、执行精确修改，并在连续创作中保持一致性，这也它开始真正融入 Agent 工作流。