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。

复杂的需求，也能准确画出来

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。

向左滑动查看更多内容

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。

向左滑动查看更多内容

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。

尤其是目前很多主流生图模型生成的图片还停留在百万像素或四百万像素，而 H3 Image 可以直接生成 4096×4096 的超高清画面，像素数量达到 4K 画质。

这就意味着在后续的工作流里，即便我们把画面局部放大、裁切，依然有足够的细节可供使用。无论是产品设计、商业海报，还是需要在大屏上展示的视觉素材，都有了更多后期处理空间。

只靠一段提示词，就能画出真实的美感

理解力强不代表审美就一定好，我们已经见过不少能够严格遵守提示词的 AI，画出来的东西却始终差点意思。

就像 GPT-Image，很多人对它的印象都是生成的信息图很强，但是在面对 Midjourney 这类风格化极强的图片生成上，GPT-Image 也会有点力不从心。

而对 AI 图像来说，尤其是 CG、游戏概念设计、插画这些场景，很多时候，我们并没有办法把想要的构图、色彩和氛围全部描述清楚，只能给出一个大致的方向，基本上是靠模型自己的审美水平。

这次测 H3 Image 的美学，我们从 Midjourney 上找了一些喜欢的参考图出发，先让 ChatGPT 把图里的构图、光线和材质拆成提示词，再用这些提示词给 H3 Image 出题。

向左滑动查看更多内容

例如这几张充满速度感的赛马图片，我们在提示词里面明确了图片的核心风格是电影感动态摄影、慢门追焦摄影和复古运动胶片美学。

H3 Image 能准确地把这种赛马高速奔跑产生的横向拖影、深墨绿色的背景、金色夕阳照亮的马匹，以及画面中大面积幽暗、抽象的负空间全部描绘出来。

不用说没有 AI 味，当看到这些照片被生成时，甚至还有很强的大片电影感，是经过摄影摄像师花大量时间的修图。

我们继续用这组提示词测试不同的运动场景，从赛车、骑行、滑板，到行驶的汽车、奔跑的人和动物，看看 H3 Image 能否呈现速度之美，以及摄影中那种不完美、但动人的质感。

向左滑动查看更多内容

每一张都很有感觉，运动中的主体逐渐消融成光线、色彩与时间的痕迹。

向左滑动查看更多内容

在人像的生成上，我们让 H3 Image 生成了几张复古直闪胶片摄影 + 生活方式纪实摄影 + 独立时尚杂志美学的图片。

生成画面就像是朋友在一场私人派对上随手拍到的瞬间，没有精心安排的姿势，却比正式写真更有生命力。

尤其值得注意的是这些图片里所展示出来的人物真实感。皮肤保留了自然的纹理，头发、衣物和光影的细节也足够丰富，没有很多 AI 生成人像常见的过度磨皮和油腻质感。

向左滑动查看更多内容

当把这种风格复制到其他图片上时，也能看到 H3 Image 对于风格的把控能力。把夜晚直闪带来的强烈明暗反差、人物自然大笑的失控瞬间、略微凌乱的构图、浓郁的花卉色彩，以及不加修饰的胶片快照质感，全都顺利生成了出来。

向左滑动查看更多内容

类似的人像照片还有我们使用 H3 Image 生成的一张极具东方古典美学的电影剧照，融合中国古装电影摄影、自然主义光影和复古胶片视觉质感。

这些图片就像是把古代生活中一个平凡而亲密的瞬间给复现了。穿过树叶的午后阳光温柔照亮人物的脸庞，自然的神情与斑驳的树影，让画面变成了一段被时间珍藏的电影记忆。

而在复刻 GTA V 游戏实机画面的过程中，我们也是在提示词里面指定了风格，以及第三人称的视角，要求 H3 Image 生成一张具有《Grand Theft Auto V》游戏实机视觉风格的开放世界 3D 游戏截图。

向左滑动查看更多内容

H3 Image 完全理解了我们想要的是「GTA 游戏画面感」，并非简单的「GTA 风格」。几张图片都像玩家在 GTA 开放世界中随手截取的一帧画面，和其他 AI 生成图片不太一样，其他 AI 生成的更像是官方精心制作的宣传图。

我们另外还生成几张极具风格的图片，而所有的图片都是直接一次性生成的文生图形式，没有额外的图片参考，只凭借一次性的提示词，H3 Image 就能在美学上做到完全没有 AI 味的同时，还把我们要求的风格准确描绘出来。

对已经有参考图的创作者来说，我们可以使用 GPT-Image 去提取对应的风格提示词，也可以直接使用 H3 Image 的参考功能，应用某张照片的追焦方式，或者一幅插画露出纸底的笔触，再把它放到另一个题材上。

当复杂指令理解与视觉审美可以同时兼顾时，图像模型也就有了更多实际用途。从游戏概念图、品牌海报，到产品结构示意和设计方案，用户需要反复解释需求、调整提示词的次数，有机会进一步减少。

从视频到图像，MiniMax 正在把全模态能力开放出去

回到 H3 Image，这次发布最值得关注的地方应该就是开源。

无论是一开始的视频生成模型，还是现在的图像生成，都是长期以来对算力、训练数据和模型能力有很高要求的领域。

尤其是顶尖的视觉生成模型，很多时候，我们只能通过官方产品或者 API 使用。模型能做什么、怎样运行、如何进一步改造，仍然取决于服务提供者。

MiniMax 的开源让模型从一家公司的产品，变成了更多用户、开发者继续创造的起点：他们不仅可以使用现成的模型，也有机会根据自己的需求进行部署、微调和优化，围绕它开发新的创作工具，真正地把模型能力融入现有产品和工作流。

对内容和更广的行业来说，H3 Image 作为一款 SOTA 的开源图像模型，给了大家一种新的选择。比如，游戏开发者可以尝试建立符合自身美术风格的素材生成流程，设计团队可以针对特定产品建立自动化工作流，个人开发者也有机会围绕开放模型打造自己的创作应用。

图｜CG 场景，悬崖上的潮汐图书馆

从视频到图像，再结合文本、语音等模型，MiniMax 的多模态布局正在逐渐形成更完整的能力矩阵。H3 已经证明过一次，当权重开放之后，社区涌现的玩法、衍生模型和工作流远超官方演示的边界，也验证了开源模型同样可以支撑起扎实的商业化。

对我们来说，最值得期待的事情，是第一梯队的视觉生成能力不再只能依赖少数封闭服务。

当足够聪明、足够好看的生成模型也能开放给开发者，更多人就有机会把自己的创意，变成真正属于自己的工具和作品。

*本文所有图片均用 MiniMax H3 Image 生成