guides

MiniMax H3 Image API-guide: 4K-generering og redigering

Poyo.ai Team
18 min read
Share:

Det vigtigste

  • MiniMax H3 Image (MiniMax-H3-Image) er MiniMax' billedmodel, udgivet 10. november 2026. MiniMax H3 er en anden model, der laver video med lyd. Hvis du har søgt på "kan MiniMax H3 generere billeder", er H3 Image svaret.
  • Én model klarer tekst til billede og redigering med op til 16 referencebilleder, i 1K, 2K eller 4K eller i en præcis størrelse på op til 20.000.000 pixels.
  • 4K er indbygget: omkring 16 megapixels i alle billedformater, fra 4096×4096 til 6272×2688, renderet direkte i fuld størrelse.
  • PoYo tager en fast pris pr. billede: $0.016 ved 1K eller 2K og $0.056 ved 4K, 19–31 % under MiniMax' listepris pr. token ($0.02179, $0.02333 og $0.06879 pr. Standard-billede).
  • Vægtene er åbne på Hugging Face under MiniMax-H3-Image Community License. Selvhosting kræver omkring 135 GB vægte og store GPU'er, så for de fleste teams er den hostede API på PoYo den hurtigste vej: én nøgle, betaling efter forbrug.

MiniMax H3 Image vs MiniMax H3: hvilken laver billeder?

MiniMax bruger navnet H3 til to modeller, og mange søgninger blander dem sammen.

MiniMax H3 ImageMiniMax H3 (Hailuo 03)
Hvad den laverStillbillederVideo med indbygget lyd
OpgaverTekst til billede, billedredigering, komposition med flere referencerTekst til video, første/sidste ramme, billed-, video- og lydreferencer
OutputBilleder i 1K, 2K eller 4K, op til 20 MPVideo i 2K på 5–15 sekunder
Model-ID på PoYominimax-h3-imagehailuo-03
PoYo-prisFra $0.016 pr. billede$0.105 pr. sekund video
GuideDenne artikelAPI-guide til MiniMax H3

De to hænger sammen: MiniMax' modelkort beskriver H3 Image som H3-arkitekturen specialiseret til billeder, og den genbruger H3-tekstencoderen, som den er. Så kan MiniMax H3 generere billeder? Ja, via MiniMax H3 Image, H3-familiens model til stillbilleder. Til video bruger du MiniMax H3; til billeder bruger du MiniMax H3 Image.

MiniMax H3 Image i overblik

PunktSpecifikation
Udgivelse10. november 2026 (licensdato)
ModelDiffusion transformer med 33.1B parametre, destilleret til 6 samplingtrin for hastighedens skyld
OpgaverTekst til billede og billedredigering i ét checkpoint
Indbyggede 4K-størrelser4096×4096 (1:1), 4736×3552 (4:3), 5024×3360 (3:2), 5472×3072 (16:9), 6272×2688 (21:9) plus stående versioner
Brugerdefinerede størrelser (MiniMax API)655.360 til 20.000.000 pixels, billedformat 1:3 til 3:1
Referencebilleder1 til 16 pr. redigering
PromptudvidelseOmskriver en kort prompt på et hvilket som helst sprog til en detaljeret engelsk beskrivelse af hele billedet
HastighedspåstandEt 4K-billede (4096×4096) "på under 10 sekunder"; Standard kører 1.5–2× og Highspeed 3–4× "så hurtigt som de gængse alternativer"
Hostede niveauer hos MiniMaxMiniMax-H3-Image (Standard) og MiniMax-H3-Image-Highspeed
Åbne vægteJa, MiniMaxAI/MiniMax-H3-Image på Hugging Face

MiniMax beskriver sit mål som at gøre "4K-billedgenerering praktisk i hverdagens kreative workflows." Den bedste måde at vurdere kvaliteten til dit formål på er at køre dine egne prompts i PoYos playground.

Udstilling af femten resultater med tekst til billede fra MiniMax H3 Image i liggende og stående format, blandt andet et 3D-fantasyslag, et blågrønt landskabsmaleri, en løvfrø, dumplings, en højlandsko, en kat i pixelart og en juvelbille

Fotografi, maleri, 3D og pixelart fra én model. Udstilling fra MiniMax' modelkort til H3-Image.

Priser for MiniMax H3 Image: fra tokens til pris pr. billede

Officielle tokenpriser

MiniMax tager betaling pr. million tokens i sin egen API:

NiveauTekstinputBilledinputBilledoutput
MiniMax-H3-Image (Standard)$2.30$1.50$3.80
MiniMax-H3-Image-Highspeed$2.30$3.00$7.60

Tekstinput omfatter de tokens, som promptforbedringen tilføjer, og derfor skriver MiniMax, at "de faktiske omkostninger kan variere" selv ved samme opløsning.

Officiel pris pr. billede

MiniMax offentliggør også eksempler pr. billede, som er den mest pålidelige måde at omregne tokenpriserne på:

AnmodningStandardHighspeed
Tekst til billede, 1K$0.02179$0.03529
Tekst til billede, 2K$0.02333$0.03622
Tekst til billede, 4K$0.06879$0.13001
Redigering, 1 reference (1K ind) → 2K$0.02658$0.04576
Redigering, 1 reference (1K ind) → 4K$0.07312$0.13673
Redigering, 3 referencer (1K ind) → 2K$0.04177$0.06069
Redigering, 3 referencer (1K ind) → 4K$0.07914$0.15407

Sådan lægges tokens sammen

I PoYos test i november 2026 brugte et billede den største af 4.096 output-tokens og bredde × højde ÷ 1.024. Ét token pr. 1.024 pixels passer med modelkortet, hvor hvert DiT-token dækker en patch på 32×32 pixels.

OutputPixelsOutput-tokensOutputpris (Standard)
1K, 1024×10241.048.5764.096 (minimum)$0.0156
2K, 2048×20484.194.3044.096$0.0156
4K, 4096×409616.777.21616.384$0.0623
Brugerdefineret maksimum20.000.00019.531$0.0742

Læg teksttokens fra promptforbedringen til, omkring 2.700 til 3.400 pr. anmodning til $2.30 pr. 1M (omtrent $0.006–$0.008), så får du MiniMax' eksempler: $0.0156 + $0.0062 ≈ $0.0218 ved 1K og $0.0623 + $0.0065 ≈ $0.0688 ved 4K.

To ting følger af det:

  • 1K og 2K koster næsten det samme, fordi begge ligger på minimummet på 4.096 tokens. Har du brug for bare lidt detalje, er 2K det bedste køb.
  • 4K koster omkring tre gange så meget som 2K, da det har fire gange så mange pixels som 2K.

Pris pr. billede for MiniMax H3 Image på PoYo

PoYo afregner en fast pris pr. billede med promptudvidelse inkluderet, så du kender den præcise pris, før du sender, og hver anmodning er billigere end MiniMax' listepris pr. token:

AnmodningPoYo-prisKreditterMiniMax' listeprisForskel
Tekst til billede, 1K$0.0163.2$0.02179−27%
Tekst til billede, 2K$0.0163.2$0.02333−31%
Tekst til billede, 4K$0.05611.2$0.06879−19%
Redigering, 1 reference → 2K$0.01853.7$0.02658−30%
Redigering, 3 referencer → 2K$0.02354.7$0.04177−44%
Redigering, 3 referencer → 4K$0.063512.7$0.07914−20%

Sådan er PoYo-prisen bygget op:

  • 1K eller 2K: 3,2 kreditter ($0.016) pr. billede. Et brugerdefineret WIDTHxHEIGHT på op til 4.500.000 pixels bruger denne pris.
  • 4K: 11,2 kreditter ($0.056) pr. billede. En brugerdefineret størrelse over 4.500.000 pixels bruger denne pris.
  • Referencebilleder: +0,5 kreditter ($0.0025) pr. stk.
  • Mislykkede opgaver er gratis.
  • Én API-nøgle dækker MiniMax H3 Image og alle andre billed-, video- og lydmodeller på PoYo med kreditter efter forbrug.

Regneeksempler

ScenarieAnmodningPris på PoYo
500 produktminiaturer i 2K500 × $0.016$8.00
20 nøglebilleder til en kampagne i 4K 16:920 × $0.056$1.12
Indretning af rum: tomt rum + 9 møbler, 2K$0.016 + 10 × $0.0025$0.041
10.000 billeder til sociale medier i 2K10.000 × $0.016$160

Åbne vægte eller hostet API?

MiniMax har offentliggjort vægtene til H3 Image på Hugging Face: "Ligesom med H3 frigiver vi modelvægtene til H3-Image." Det gør lokal udrulning til en reel mulighed, så det er værd at sammenligne med en API.

Hvad det kræver at køre den lokalt

  • Downloadstørrelse: Checkpointet til billedmodellen fylder 68,65 GB, og den indlæser H3-tekstencoderen (66,7 GB) fra MiniMax-H3-repositoryet, så regn med omkring 135 GB i alt. Den valgfri promptudvider lægger 17,9 GB oveni.
  • GPU'er: MiniMax siger, at "en B200 eller B300 rummer hele modellen på omkring 135 GiB, og én H200 aflaster tekstencoderen." SGLang aflaster modelkomponenter, når der er under 130 GiB ledigt, og har opskrifter "fra B300 ned til kort med 12 GB." Sekvensparallelisme på flere GPU'er sænker latensen.
  • Frameworks: SGLang, vLLM-Omni, diffusers, LightX2V og ComfyUI.
  • Bedste kvalitetsområde: omkring 4 til 20 MP, bedst omkring 16 MP.

Sådan fungerer licensen

Vægtene bruger MiniMax-H3-Image Community License Agreement, MiniMax' egen licens:

  • Fri at bruge og tilpasse: en royaltyfri licens til at bruge, gengive, distribuere, ændre og bygge afledte værker inden for licensens Applicable Territory, defineret som hele verden uden for Den Europæiske Union, Storbritannien, Republikken Korea og USA. MiniMax opfordrer organisationer i de fire regioner til at kontakte virksomheden for at få en licens.
  • Større udrulninger: Virksomheder med en årlig omsætning over $1 million og alle, der tilbyder en hostet tjeneste til tredjeparter, anmoder om skriftlig tilladelse fra MiniMax via virksomhedens licenskonsol.
  • Kreditering: Kommercielle produkter viser "MiniMax-H3-Image" tydeligt i brugerfladen.
  • Output: MiniMax lader rettighederne til genereret output ligge hos dig, og du er ansvarlig for, hvordan du bruger det.

Lokalt vs API

Selvhostede åbne vægteHostet API (MiniMax eller PoYo)
Arbejde på forhåndDownload omkring 135 GB, skaf store GPU'er, kør en serving-stackEn API-nøgle
OmkostningsmodelGPU-tid, uanset om den er i brug eller ejPr. billede (PoYo) eller pr. token (MiniMax)
HastighedAfhænger af din hardwareAdministreret; omkring 12 sekunder for et 2K-billede på PoYo
KontrolFuld adgang til pipelinen, inklusive seeds til reproducerbare kørslerDe felter i anmodningen, som hver API stiller til rådighed
VilkårCommunity License-territorium og betingelser om omsætningPlatformens servicevilkår
Bedst tilForskning, offline-pipelines, meget stabil stor mængde i licenserede territorierProdukter, svingende mængde, teams, der vil have resultater fra dag ét

For de fleste teams er den hostede API på PoYo det praktiske valg. Til $0.016 pr. 2K-billede koster 10.000 billeder $160 om måneden, afregnet pr. billede med én API-nøgle og intet at installere. Selvhosting passer til teams, der allerede kører store GPU'er med ledig kapacitet, eller hvis mængde er stor og stabil nok til at holde en stor GPU beskæftiget døgnet rundt.

Valg af indstillinger i den hostede API

Bruger du API'en, er det disse indstillinger, der styrer kvalitet og pris:

MålIndstilling
Laveste pris med god detaljeresolution: "2K"; den koster det samme som 1K på PoYo
Tryk, store bannere, beskæringerresolution: "4K" for omkring 16 MP
Præcist layout som et dias på 1920×1080En brugerdefineret size som 1920x1080
Følg din lange, detaljerede prompt præcis som skrevetenable_prompt_expansion: false (tekst til billede)
Kort idé eller en prompt på et hvilket som helst sprogLad promptudvidelsen være slået til
Redigering, der bevarer kildens udsnitsize: "auto", som følger <Picture 1>

Redigering med MiniMax H3 Image: en grå 3D-rendering uden teksturer af en månebase med en rover og en astronaut over det redigerede, fotorealistiske filmstillbillede af samme scene

En 3D-rendering uden teksturer omdannet til et filmstillbillede med samme layout. Eksempel fra MiniMax' modelkort til H3-Image.

Sådan bruger du MiniMax H3 Image på PoYo

Ét model-ID dækker begge opgaver: Send en prompt til tekst til billede, og tilføj image_urls til redigering.

Parametre

FeltTypeVærdierStandard
modelstringminimax-h3-imagePåkrævet
input.promptstring1–5.000 tegnPåkrævet
input.image_urlsarray1–16 offentlige JPEG-, PNG- eller WebP-URL'er, op til 20 MB hver, 128–8.192 px pr. sideIngen
input.sizestring1:1, 5:4, 4:5, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto (redigeringer) eller WIDTHxHEIGHT1:1 (tekst til billede), auto (redigeringer)
input.resolutionstring1K, 2K eller 4K2K
input.enable_prompt_expansionbooleanUdvid prompten før genereringen (tekst til billede)true
input.output_formatstringpng eller jpegpng
callback_urlstringURL, der modtager en POST, når opgaven er færdig eller fejlerIngen

Almindelige forvalgte størrelser:

size1K2K4K
1:11024×10242048×20484096×4096
4:31184×8962368×17604736×3552
3:21248×8322496×16645024×3360
16:91376×7682720×15365472×3072
9:16768×13761536×27203072×5472
21:91568×6723136×13446272×2688

Et brugerdefineret WIDTHxHEIGHT tager enhver heltallig bredde og højde fra 655.360 til 20.000.000 pixels i alt med et billedformat mellem 1:3 og 3:1, og billedet kommer tilbage i præcis den størrelse.

Generér et 4K-billede

curl --request POST "https://api.poyo.ai/api/generate/submit" \
  --header "Authorization: Bearer ${POYO_API_KEY}" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "minimax-h3-image",
    "input": {
      "prompt": "A vintage travel poster for Kyoto, headline \"KYOTO\" in large bold serif letters at the top and subtitle \"City of a Thousand Gates\" below it, red torii gates receding up a mossy hill, autumn maple leaves, 1960s screen-print style",
      "size": "16:9",
      "resolution": "4K"
    }
  }'

Tekstgengivelse i MiniMax H3 Image: en kinesisk logikopgave om udvælgelse af personale med løsning og en engelsk logikopgave, "Confidential File Missing", med seks mistænkte og en verifikationstabel

Kinesisk og engelsk tekst gengivet og løst på en tavle. Eksempel fra MiniMax' modelkort til H3-Image.

Dette returnerer et billede på 5472×3072 for 11,2 kreditter. Svaret på indsendelsen indeholder opgavens ID:

{
  "code": 200,
  "data": {
    "task_id": "task-unified-1794383400-abcd1234",
    "status": "not_started",
    "created_time": "2026-11-14T10:30:00"
  }
}

Redigér med flere referencebilleder

Billederne nummereres i rækkefølgen i image_urls, så det første er <Picture 1>, det andet <Picture 2> og så videre:

curl --request POST "https://api.poyo.ai/api/generate/submit" \
  --header "Authorization: Bearer ${POYO_API_KEY}" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "minimax-h3-image",
    "input": {
      "prompt": "Place the sofa from <Picture 2> and the floor lamp from <Picture 3> in the empty living room in <Picture 1>. Keep the walls, windows and daylight of <Picture 1> unchanged.",
      "image_urls": [
        "https://example.com/empty-room.png",
        "https://example.com/sofa.png",
        "https://example.com/floor-lamp.png"
      ],
      "resolution": "2K"
    }
  }'

Eksempel med flere referencer i MiniMax H3 Image: ti referencer, et tomt, solbeskinnet rum og ni møbler, over stuen indrettet med alle ni møbler

Et tomt rum plus ni møbler samlet til én stue. Eksempel fra MiniMax' modelkort til H3-Image.

Med standardværdien size: "auto" følger outputtet billedformatet fra <Picture 1> med et areal på omkring 2048×2048 pixels. Denne anmodning koster 3,2 + 3 × 0,5 = 4,7 kreditter ($0.0235). Redigeringer bruger altid promptudvidelse.

Poll efter resultatet

curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
  --header "Authorization: Bearer ${POYO_API_KEY}"
data.statusBetydningNæste skridt
not_startedI køPoll igen
runningGenerererPoll igen
finishedFærdigLæs data.files[0].file_url
failedMislykket, uden beregningLæs data.error_message

En minimal Python-poller:

import os, time, requests

BASE_URL = "https://api.poyo.ai"
HEADERS = {"Authorization": f"Bearer {os.environ['POYO_API_KEY']}"}

def wait_for_image(task_id, interval=4, max_checks=60):
    for _ in range(max_checks):
        resp = requests.get(f"{BASE_URL}/api/generate/status/{task_id}", headers=HEADERS, timeout=30)
        task = resp.json()["data"]
        if task["status"] == "finished":
            return task["files"][0]["file_url"]
        if task["status"] == "failed":
            raise RuntimeError(task["error_message"])
        time.sleep(interval)
    raise TimeoutError(f"Still running; keep {task_id} and check again later")

I PoYos test i november 2026 tog et billede i 1K eller 2K omkring 12 sekunder, et 4K-billede omkring 22 til 25 sekunder og en redigering med tre referencebilleder omkring 44 sekunder. Hvis din ventetid udløber, så gem task_id, og forespørg den igen senere; opgaven kører videre hos PoYo.

Tips fra MiniMax' promptguide

MiniMax' officielle prompttips, og hvordan du bruger dem:

  1. "Opgave før stil, layout før detaljer." Skriv, hvad billedet skal bruges til, og hvad der er på det, derefter layoutet og så stilen via synlige farver, materialer og lys.
  2. "Sæt hvert ord, der skal vises, i anførselstegn med placering og linjeskift." Den officielle udstilling gengiver logikopgaver på kinesisk og engelsk korrekt på en tavle.
  3. Når du vil have et rent billede, så skriv "no text, letters or numbers in the image" i hovedprompten. Modellen forstår fravalg bedst, når de står direkte i prompten.
  4. "Angiv præcise data til diagrammer og undervisningsbilleder" med enheder og tidsintervaller.
  5. "Giv hvert referencebillede en rolle, og skriv, hvad der ændres, og hvad der bliver." For eksempel: "<Picture 1> is the room, <Picture 2> is the sofa; keep the floor and windows."
  6. Skriv gitre som rækker og kolonner, for eksempel "2 rows and 3 columns".
  7. Brug 2K til udkast. Det koster det samme som 1K på PoYo og giver fire gange så mange pixels; skift til 4K til den endelige version.

Instruktionsredigering i MiniMax H3 Image: et referencefoto af to podcastværter, hvor manden bærer høretelefoner, ved siden af det redigerede resultat, hvor høretelefonerne er væk, og værterne giver hinanden en fistbump over MONEY TALKS-skiltet

En klar instruktion ændrer én detalje og bevarer resten af scenen. Eksempel fra MiniMax' materiale om H3-Image.

Sammenlign med vores gennemgang af Nano Banana 2.1 vs GPT Image 2.5 og API-guiden til MAI Image 2.6 for andre billedmodeller. Se storyboard-vejledningen med GPT Image 2.5 + MiniMax H3 for at bygge en video ud fra stillbilleder fra H3 Image.

Ofte stillede spørgsmål

Kan MiniMax H3 generere billeder?

Ja, via MiniMax H3 Image. MiniMax H3 er modellen til video og lyd; MiniMax H3 Image er den separate model til stillbilleder, som MiniMax udgav den 10. november 2026, bygget på den samme arkitektur og specialiseret til billeder. På PoYo kalder du minimax-h3-image til billeder og hailuo-03 til video.

Hvad er MiniMax H3 Image?

MiniMax H3 Image (MiniMax-H3-Image) er MiniMax' model med åbne vægte til tekst til billede og billedredigering. Det er en diffusion transformer med 33,1 milliarder parametre, der leverer indbyggede 4K-billeder på omkring 16 megapixels og redigerer eller sammensætter op til 16 referencebilleder.

Hvad koster MiniMax H3 Image API'en?

MiniMax angiver $2.30, $1.50 og $3.80 pr. 1M tokens til tekstinput, billedinput og billedoutput på Standard-niveauet, hvilket svarer til omkring $0.022 ved 1K eller 2K og $0.069 ved 4K pr. billede. På PoYo er det en fast pris på $0.016 pr. billede ved 1K eller 2K og $0.056 ved 4K plus $0.0025 pr. referencebillede med promptudvidelse inkluderet.

Understøtter MiniMax H3 Image 4K?

Ja. 4K giver omkring 16 megapixels i alle billedformater, for eksempel 4096×4096 ved 1:1 og 5472×3072 ved 16:9. Brugerdefinerede størrelser går op til 20.000.000 pixels.

Hvor mange referencebilleder kan MiniMax H3 Image bruge?

Op til 16 pr. redigering. Henvis til dem i prompten efter rækkefølge som <Picture 1>, <Picture 2> og så videre, og giv hvert af dem en rolle.

Er MiniMax H3 Image open source? Kan jeg køre den lokalt?

Ja. MiniMax offentliggør vægtene på Hugging Face under MiniMax-H3-Image Community License. Det kræver omkring 135 GB vægte inklusive tekstencoderen at køre dem; en enkelt B200 eller B300 rummer hele modellen, og SGLang har opskrifter ned til kort med 12 GB med aflastning. Licensen er royaltyfri inden for dens Applicable Territory, og større virksomheder eller hostede tjenester anmoder om skriftlig tilladelse fra MiniMax. Til apps i produktion får den hostede API på PoYo dig i gang med én nøgle.

Hvad er forskellen på Standard og Highspeed?

På MiniMax' platform har Highspeed de samme parametre og grænser som Standard, men kører hurtigere: MiniMax angiver 3–4× hastigheden af de gængse alternativer mod 1,5–2× for Standard. Dens tokens til billedinput og -output koster dobbelt så meget, så et 4K-billede koster omkring $0.13 i stedet for $0.069. På PoYo koster minimax-h3-image en fast pris på $0.056 ved 4K.

Hvad gør promptudvidelse, og koster den ekstra?

Den omskriver din prompt til en detaljeret beskrivelse af hele billedet før genereringen. I MiniMax' API afregnes den tilføjede tekst som input-tokens, omkring $0.006–$0.008 pr. anmodning. På PoYo er den inkluderet i prisen pr. billede. Slå den fra ved tekst til billede, når du vil have en lang prompt fulgt præcis som skrevet; redigeringer bruger den altid.

Kan jeg bruge output fra MiniMax H3 Image kommercielt?

Ja. MiniMax' licens lader rettighederne til genereret output ligge hos dig, og du er ansvarlig for, hvordan du bruger det. Følg politikken for acceptabel brug i licensen og vilkårene for den platform, du bruger.

Hvor lang tid tager MiniMax H3 Image?

I PoYos test tog billeder i 1K eller 2K omkring 12 sekunder, 4K omkring 22 til 25 sekunder og en redigering med tre referencer omkring 44 sekunder. Når du sender en opgave, får du et task_id med det samme, så din applikation forbliver responsiv, mens billedet renderes.

Share: