Generación de imágenes MiniMax H3

MiniMax quiere recuperar el trabajo de imagen fija de manos del equipo de video. H3 construyó su nombre con clips con sonido. H3 Image, lanzado el 10 de noviembre de 2026, toma el mismo apellido y lo apunta a un solo cuadro, hasta 4096 por 4096 píxeles, con hasta 16 imágenes de referencia en la misma llamada. La propuesta es velocidad, tamaño y referencias a la vez, a un precio que baja por debajo de la mayoría de los rivales alojados.

Esta reseña se basa solo en material publicado. Dirty Static no ejecutó el modelo. Los datos de abajo vienen de la guía de la API y la página de precios de MiniMax, la ficha del modelo en Hugging Face, el texto de la licencia, y la cobertura externa que leyó esos mismos documentos en noviembre. Cuando una cifra es una afirmación de MiniMax, el artículo lo dice.

Qué es

MiniMax-H3-Image es un modelo de imagen fija de MiniMax, el laboratorio de Shanghái detrás de la aplicación Hailuo y el modelo de video H3. Un solo punto de control hace dos trabajos. Crea una imagen desde una instrucción escrita, y edita imágenes que tú entregas, con una instrucción más 1 a 16 imágenes de referencia.

La ficha del modelo describe un transformador de difusión con 33,1 mil millones de parámetros, construido desde el diseño H3 con las partes de audio retiradas. Un modelo de difusión construye una imagen limpiando ruido en pasos. MiniMax dice que este punto de control fue destilado a 6 pasos de muestreo y funciona sin el paso de guía que muchos otros modelos aún usan. Menos pasos es la razón principal por la que las afirmaciones de velocidad son plausibles en papel. Plausible sigue siendo la palabra correcta hasta que laboratorios externos publiquen sus propios tiempos en su propio equipo.

Un segundo modelo, MiniMax-H3-Image-PE, expande instrucciones cortas en instrucciones más largas. La API aplica ese trabajo por defecto para la generación desde texto, y siempre para las ediciones. También devuelve la instrucción revisada para cada imagen, para que un usuario vea lo que el modelo leyó de verdad, edite ese texto, y lo ejecute de nuevo con la expansión apagada. Es una función pequeña con valor real. La mayoría de las herramientas de imagen esconden ese paso.

Funciones y especificaciones

Los niveles de tamaño piden una lectura simple. MiniMax llama 4K a su nivel superior, y la guía define ese nivel por el área. En formato cuadrado, el nivel 4K da 4096 por 4096 píxeles, cerca de 16,8 millones de píxeles en total. En 16:9 da 5472 por 3072. En 21:9 da 6272 por 2688. El punto para un comprador es que el modelo dibuja el cuadro completo a ese tamaño en la guía de la API. No dibuja un cuadro pequeño para estirarlo después.

El manejo de referencias es la otra mitad de la propuesta. MiniMax Design dice que cada referencia puede llevar un rol, una para el sujeto, una para el color, una para la composición. Los ejemplos trabajados se apoyan en arte de juego, diagramas de productos y habitaciones llenadas desde fotos de muebles recortados. Son ejemplos de la empresa, elegidos para halagar al modelo. Aun así muestran el uso buscado con claridad. Esta herramienta está construida para escenas compuestas con muchas entradas, no solo para una instrucción sola y una esperanza.

Experiencia en el mundo real

Esta sección es una discusión basada en investigación, no un registro de prueba. Se apoya en la guía de la API, la página de precios, la ficha del modelo, la licencia, y la cobertura de noviembre de medios que leyeron esos documentos de cerca.

Empieza por el precio, porque las cifras son concretas y están revisadas. MiniMax cobra por tokens, y luego da totales de ejemplo por imagen. Para el modelo Standard, la generación desde texto cuesta 0,02179 dólares en 1K, 0,02333 dólares en 2K, y 0,06879 dólares en 4K. Una edición con una referencia 1K cuesta 0,02654 dólares en salida 1K y 0,07312 dólares en 4K. Hasta el 17 de noviembre de 2026 a las 16:00 UTC, las imágenes con al menos 16.600.000 píxeles llevan un descuento del 50 por ciento, lo que deja el ejemplo de generación 4K en 0,03439 dólares.

La velocidad es una afirmación con un gráfico detrás, y ese gráfico pide cuidado. MiniMax reporta un tiempo mediano de generación 4K de 16,0 segundos en modo Standard y de 10,3 segundos en modo Highspeed. Su texto de lanzamiento dice una imagen 4K en menos de 10 segundos. La cobertura externa notó un pliegue en el gráfico de comparación. MiniMax midió su propio modelo de nuevo en una segunda ronda, mientras que las cifras de los rivales venían de la primera ronda. Lee esos tiempos como una señal de que el modelo es rápido para su tamaño, no como una tabla de posiciones cerrada. Highspeed también cuesta cerca del doble por imagen, a 0,13001 dólares por una generación 4K antes del descuento.

La calidad es donde la evidencia se adelgaza. MiniMax dice que el modelo es fuerte al seguir instrucciones. La ficha del modelo no publica ninguna tabla de referencia para respaldar esa línea, y la cobertura revisada el 15 de noviembre no encontró ninguna clasificación independiente que hubiera ubicado aún a H3 Image. Las imágenes de ejemplo en MiniMax Design se ven pulidas, como siempre se ven los ejemplos de lanzamiento. Una reseña que calificara la calidad de imagen desde una galería del vendedor estaría calificando la galería, no el modelo. Esta no lo hará.

La licencia es la parte que la mayor parte de la cobertura del lanzamiento enterró, y cambia la decisión para muchos lectores. Los pesos son públicos en Hugging Face. La licencia comunitaria otorga derechos en todo el mundo excepto en la Unión Europea, el Reino Unido, Corea del Sur y Estados Unidos. También dice que los usuarios por encima de 1 millón de dólares en ingresos anuales, y cualquiera que ofrezca el modelo como servicio alojado a otros, necesitan permiso escrito de MiniMax. Prohíbe usar el modelo o sus salidas para mejorar otro modelo de IA. Un lector en Canadá puede pesar esos términos por lo que valen. Un lector en Estados Unidos no recibe los pesos en absoluto bajo esta licencia, diga lo que diga el botón de descarga.

Esa división explica la forma de este lanzamiento. Por la API, H3 Image es un producto comercial normal, de precio bajo y listo ahora. Como descarga, es un modelo grande con un derecho estrecho, un paquete de 68,65 GB reportado en la cobertura de los archivos del modelo, y un trabajo de servicio que pide equipo serio por herramientas como SGLang, vLLM, Diffusers o ComfyUI, que la cobertura del lanzamiento lista como rutas soportadas. La mayoría de los equipos alquilará la API mucho antes de servir 33,1 mil millones de parámetros por su cuenta.

Lo que funciona

El diseño de punto de control único es útil de verdad. La generación y la edición suelen vivir en modelos aparte, lo que obliga a un equipo a aprender dos herramientas y aceptar dos conjuntos de manías. Aquí el mismo modelo toma una instrucción sola o una instrucción con referencias, y la forma de la API se mantiene cerca de la forma de imagen de OpenAI que muchas herramientas ya hablan. Nuestra cobertura de ChatGPT Images 2.6 y sus herramientas de edición mostró la misma lección desde el otro lado. La edición es donde los modelos de imagen ganan uso repetido.

La devolución de la instrucción revisada también juega a favor del usuario. Una herramienta que muestra su trabajo deja que un creador corrija la instrucción real en vez de adivinarla. Suma el límite largo de instrucción, el rango amplio de proporciones y la salida en WebP como formato nativo, y la API se lee como si la hubieran construido personas que entregan imágenes para vivir.

Lo que no funciona

La evidencia que falta viene primero. Un modelo lanzado con afirmaciones de calidad, sin tabla de calidad y sin clasificación externa en su primera semana, pide a los compradores que crean al vendedor. MiniMax puede tener razón sobre el seguimiento de instrucciones. El 15 de noviembre, el registro público no lo probaba.

Los huecos en la propia herramienta vienen después. Sin ediciones con máscara no hay forma de marcar una región y dejar el resto en paz en la guía de la API tal como está escrita. Sin fondos transparentes no hay recortes limpios para trabajo de diseño sin una segunda herramienta. Son trabajos comunes, y los rivales que los cubren se quedarán con ese trabajo.

La licencia viene en tercer lugar, y para los pesos no es una nota al pie. Límites de territorio, una línea de ingresos y una prohibición de entrenar otros modelos hacen de esta una licencia comunitaria de nombre y una licencia controlada en efecto. Decir que el lanzamiento es de pesos abiertos es exacto sobre los archivos. No dice nada honesto sobre los derechos, y los lectores merecen ambas mitades.

Competencia

La tabla se queda dentro de la familia MiniMax a propósito. Las afirmaciones de calidad entre proveedores pedirían una prueba compartida, y ninguna se había publicado para este modelo en la cobertura revisada. Solo por precio y límites, la API Standard es el punto dulce en su propia casa. Highspeed compra segundos al doble de dinero. El modelo antiguo compra borradores baratos a tamaños de salida mucho más bajos. Los pesos compran control solo para equipos cuyo territorio e ingresos los mantienen dentro de la licencia.

Veredicto final

Usa H3 Image por la API Standard si necesitas imágenes grandes, muchas referencias o textos de instrucción largos, y quieres aprender lo que puede hacer por unos centavos por cuadro. El precio es tan bajo que tus propias instrucciones te enseñarán más en una tarde que cualquier gráfico de lanzamiento. Esa es la prueba honesta, y está abierta ahora.

Piensa bien antes de construir sobre los pesos. Lee la licencia para tu territorio y tus ingresos primero, y consigue el permiso por escrito si la licencia lo pide. Una descarga que tu licencia no cubre no es una base para un producto. Para los lectores en los mercados que la licencia excluye, el veredicto es aún más simple. La API es el producto. Los pesos, por ahora, son un comunicado con un archivo adjunto.

Esta es una reseña basada en investigación. Se apoya en la guía de la API y la página de precios de MiniMax, la ficha del modelo y la licencia comunitaria en Hugging Face, MiniMax Design, y la cobertura de noviembre de 2026 que revisó esos documentos. No se hizo ninguna prueba práctica. Datos revisados el 15 de noviembre de 2026.

Fuentes

• MiniMax, Image Generation Guide, actualizado el 13 de noviembre de 2026. Puntos de acceso, tamaños de salida, proporciones, formatos, límites de referencias, límites de instrucción y la lista de funciones no soportadas.
• MiniMax, Pricing Overview, revisado el 15 de noviembre de 2026. Tarifas por tokens y costos de ejemplo por imagen para Standard y Highspeed, los términos del descuento de lanzamiento, y el precio del antiguo image-01.
• MiniMax, MiniMax H3 Image in MiniMax Design, revisado el 15 de noviembre de 2026. Roles de las referencias, fuerzas declaradas en arte de juego y trabajo de concepto, expansión de instrucciones y las imágenes de ejemplo acreditadas en este artículo.
• MiniMaxAI, ficha del modelo y MiniMax-H3-Image Community License en Hugging Face, 10 de noviembre de 2026. Cantidad de parámetros, pasos de muestreo, territorios excluidos, la regla de permiso para ingresos y servicios alojados, y la prohibición de mejorar otros modelos.
• Neurohive, informe sobre el modelo abierto MiniMax H3-Image, noviembre de 2026. Tiempos medianos de la API de 16,0 segundos en modo Standard y de 10,3 segundos en modo Highspeed, la nota sobre la medición en segunda ronda, y la ausencia de medidas de calidad publicadas.
• Imágenes de producto: MiniMax vía MiniMax Design, acreditadas en cada figura. Imagen principal: Dirty Static.