guides

MiniMax H3 Image API: generación y edición en 4K

Poyo.ai Team
20 min read
Share:

Puntos clave

  • MiniMax H3 Image (MiniMax-H3-Image) es el modelo de imagen de MiniMax, lanzado el 10 de noviembre de 2026. MiniMax H3 es un modelo distinto que genera vídeo con audio. Si buscabas «¿puede MiniMax H3 generar imágenes?», la respuesta es H3 Image.
  • Un solo modelo hace texto a imagen y edición con hasta 16 imágenes de referencia, en 1K, 2K o 4K, o con un tamaño exacto de hasta 20.000.000 de píxeles.
  • El 4K es nativo: unos 16 megapíxeles en todas las relaciones de aspecto, de 4096×4096 a 6272×2688, renderizados directamente a tamaño completo.
  • PoYo cobra un precio fijo por imagen: $0.016 en 1K o 2K y $0.056 en 4K, entre un 19% y un 31% por debajo del precio de lista por token de MiniMax ($0.02179, $0.02333 y $0.06879 por imagen Standard).
  • Los pesos son abiertos en Hugging Face, bajo la MiniMax-H3-Image Community License. El alojamiento propio requiere unos 135 GB de pesos y GPU de gran capacidad, así que para la mayoría de los equipos la API alojada en PoYo es la vía más rápida: una sola clave y pago por uso.

MiniMax H3 Image vs. MiniMax H3: ¿cuál genera imágenes?

MiniMax usa el nombre H3 para dos modelos, y muchas búsquedas los confunden.

MiniMax H3 ImageMiniMax H3 (Hailuo 03)
Qué generaImágenes fijasVídeo con audio nativo
TareasTexto a imagen, edición de imágenes, composición con varias referenciasTexto a vídeo, primer/último fotograma, referencias de imagen, vídeo y audio
SalidaImágenes en 1K, 2K o 4K, de hasta 20 MPVídeo en 2K de 5–15 segundos
ID del modelo en PoYominimax-h3-imagehailuo-03
Precio en PoYoDesde $0.016 por imagen$0.105 por segundo de vídeo
GuíaEste artículoGuía de la API de MiniMax H3

Los dos están relacionados: la ficha del modelo de MiniMax describe H3 Image como la arquitectura H3 especializada en imágenes, y reutiliza tal cual el codificador de texto de H3. Así que ¿puede MiniMax H3 generar imágenes? Sí, mediante MiniMax H3 Image, el miembro de la familia H3 dedicado a las imágenes fijas. Para vídeo, usa MiniMax H3; para imágenes, usa MiniMax H3 Image.

MiniMax H3 Image de un vistazo

ElementoEspecificación
Lanzamiento10 de noviembre de 2026 (fecha de la licencia)
ModeloTransformer de difusión de 33.100 millones de parámetros, destilado a 6 pasos de muestreo para ganar velocidad
TareasTexto a imagen y edición de imágenes en un mismo checkpoint
Tamaños nativos en 4K4096×4096 (1:1), 4736×3552 (4:3), 5024×3360 (3:2), 5472×3072 (16:9), 6272×2688 (21:9), más las versiones verticales
Tamaños personalizados (API de MiniMax)De 655.360 a 20.000.000 de píxeles, relación de aspecto de 1:3 a 3:1
Imágenes de referenciaDe 1 a 16 por edición
Expansión del promptReescribe un prompt corto en cualquier idioma como una descripción detallada en inglés de la imagen completa
Velocidad declaradaUna imagen en 4K (4096×4096) «en menos de 10 segundos»; Standard funciona entre 1.5 y 2 veces y Highspeed entre 3 y 4 veces «más rápido que las alternativas principales»
Niveles alojados en MiniMaxMiniMax-H3-Image (Standard) y MiniMax-H3-Image-Highspeed
Pesos abiertosSí, MiniMaxAI/MiniMax-H3-Image en Hugging Face

MiniMax describe su objetivo como hacer que «la generación de imágenes en 4K resulte práctica en los flujos creativos del día a día». La mejor forma de valorar la calidad para tu caso de uso es ejecutar tus propios prompts en el Playground de PoYo.

Muestra de MiniMax H3 Image con quince resultados de texto a imagen en formato horizontal y vertical, entre ellos una batalla fantástica en 3D, un paisaje pintado en azules y verdes, una rana arborícola, unos dumplings, una vaca de las Highlands, un gato en pixel art y un escarabajo joya

Fotografía, pintura, 3D y pixel art con un solo modelo. Muestra de la ficha del modelo H3-Image de MiniMax.

Precios de MiniMax H3 Image: de los tokens al coste por imagen

Tarifas oficiales por token

MiniMax cobra por millón de tokens en su propia API:

NivelEntrada de textoEntrada de imagenSalida de imagen
MiniMax-H3-Image (Standard)$2.30$1.50$3.80
MiniMax-H3-Image-Highspeed$2.30$3.00$7.60

La entrada de texto incluye los tokens que añade la mejora del prompt, y por eso MiniMax advierte de que «los costes reales pueden variar» incluso con la misma resolución.

Coste oficial por imagen

MiniMax también publica ejemplos por imagen, que son la forma más fiable de convertir sus tarifas por token:

SolicitudStandardHighspeed
Texto a imagen, 1K$0.02179$0.03529
Texto a imagen, 2K$0.02333$0.03622
Texto a imagen, 4K$0.06879$0.13001
Edición, 1 referencia (entrada 1K) → 2K$0.02658$0.04576
Edición, 1 referencia (entrada 1K) → 4K$0.07312$0.13673
Edición, 3 referencias (entrada 1K) → 2K$0.04177$0.06069
Edición, 3 referencias (entrada 1K) → 4K$0.07914$0.15407

Cómo se suman los tokens

En las pruebas de PoYo de noviembre de 2026, una imagen usó el mayor valor entre 4.096 tokens de salida y ancho × alto ÷ 1.024. Un token por cada 1.024 píxeles coincide con la ficha del modelo, en la que cada token del DiT cubre un parche de 32×32 píxeles.

SalidaPíxelesTokens de salidaCoste de salida (Standard)
1K, 1024×10241.048.5764.096 (mínimo)$0.0156
2K, 2048×20484.194.3044.096$0.0156
4K, 4096×409616.777.21616.384$0.0623
Máximo personalizado20.000.00019.531$0.0742

Si sumas los tokens de texto de la mejora del prompt, unos 2.700 a 3.400 por solicitud a $2.30 por 1M (aproximadamente $0.006–$0.008), obtienes los ejemplos de MiniMax: $0.0156 + $0.0062 ≈ $0.0218 en 1K, y $0.0623 + $0.0065 ≈ $0.0688 en 4K.

De aquí se desprenden dos cosas:

  • 1K y 2K cuestan prácticamente lo mismo, porque ambos se quedan en el mínimo de 4.096 tokens. Si necesitas algo de detalle, 2K sale más a cuenta.
  • 4K cuesta unas tres veces más que 2K, ya que tiene cuatro veces más píxeles que 2K.

Coste por imagen de MiniMax H3 Image en PoYo

PoYo cobra un precio fijo por imagen, con la expansión del prompt incluida, así que conoces el coste exacto antes de enviar, y todas las solicitudes cuestan menos que el precio de lista por token de MiniMax:

SolicitudPrecio en PoYoCréditosPrecio de lista de MiniMaxDiferencia
Texto a imagen, 1K$0.0163.2$0.02179−27%
Texto a imagen, 2K$0.0163.2$0.02333−31%
Texto a imagen, 4K$0.05611.2$0.06879−19%
Edición, 1 referencia → 2K$0.01853.7$0.02658−30%
Edición, 3 referencias → 2K$0.02354.7$0.04177−44%
Edición, 3 referencias → 4K$0.063512.7$0.07914−20%

Cómo se forma el precio en PoYo:

  • 1K o 2K: 3.2 créditos ($0.016) por imagen. Un WIDTHxHEIGHT personalizado de hasta 4.500.000 píxeles usa este precio.
  • 4K: 11.2 créditos ($0.056) por imagen. Un tamaño personalizado de más de 4.500.000 píxeles usa este precio.
  • Imágenes de referencia: +0.5 créditos ($0.0025) cada una.
  • Las tareas fallidas no se cobran.
  • Una sola clave de API cubre MiniMax H3 Image y todos los demás modelos de imagen, vídeo y audio de PoYo, con créditos de pago por uso.

Ejemplos prácticos

EscenarioSolicitudCoste en PoYo
500 miniaturas de producto en 2K500 × $0.016$8.00
20 imágenes clave de campaña en 4K 16:920 × $0.056$1.12
Ambientación de una estancia: habitación vacía + 9 muebles, 2K$0.016 + 10 × $0.0025$0.041
10.000 imágenes para redes sociales en 2K10.000 × $0.016$160

¿Pesos abiertos o API alojada?

MiniMax publicó los pesos de H3 Image en Hugging Face: «Al igual que con H3, publicamos los pesos del modelo H3-Image». Eso convierte el despliegue local en una opción real, así que merece la pena compararlo con una API.

Qué requiere ejecutarlo en local

  • Tamaño de descarga: el checkpoint del modelo de imagen ocupa 68.65 GB y carga el codificador de texto de H3 (66.7 GB) desde el repositorio de MiniMax-H3, así que cuenta con unos 135 GB en total. El expansor de prompts opcional añade 17.9 GB.
  • GPU: MiniMax indica que «una B200 o B300 aloja el modelo completo en unos 135 GiB, y una sola H200 descarga el codificador de texto». SGLang descarga componentes del modelo cuando hay menos de 130 GiB libres, y tiene configuraciones «desde B300 hasta tarjetas de 12 GB». El paralelismo de secuencia en varias GPU reduce la latencia.
  • Frameworks: SGLang, vLLM-Omni, diffusers, LightX2V y ComfyUI.
  • Rango de mejor calidad: de unos 4 a 20 MP, con el óptimo en torno a 16 MP.

Cómo funciona la licencia

Los pesos usan la MiniMax-H3-Image Community License Agreement, la licencia propia de MiniMax:

  • Uso y adaptación gratuitos: una licencia sin regalías para usar, reproducir, distribuir, modificar y crear obras derivadas dentro del Territorio Aplicable de la licencia, definido como todo el mundo salvo la Unión Europea, el Reino Unido, la República de Corea y Estados Unidos. MiniMax invita a las organizaciones de esas cuatro regiones a ponerse en contacto para obtener una licencia.
  • Despliegues de mayor tamaño: las empresas con ingresos anualizados de más de $1 millón, y cualquiera que ofrezca un servicio alojado a terceros, solicitan una autorización por escrito a MiniMax a través de su consola de licencias.
  • Atribución: los productos comerciales muestran de forma destacada «MiniMax-H3-Image» en su interfaz de usuario.
  • Resultados: MiniMax deja en tus manos los derechos sobre los resultados generados, y tú eres responsable de cómo los usas.

Local frente a API

Pesos abiertos con alojamiento propioAPI alojada (MiniMax o PoYo)
Trabajo inicialDescargar unos 135 GB, aprovisionar GPU de gran capacidad, poner en marcha un sistema de inferenciaUna clave de API
Modelo de costeTiempo de GPU, esté ocupada o inactivaPor imagen (PoYo) o por token (MiniMax)
VelocidadDepende de tu hardwareGestionada; unos 12 segundos por imagen en 2K en PoYo
ControlAcceso completo al pipeline, incluidas las semillas para ejecuciones reproduciblesLos campos de solicitud que ofrece cada API
CondicionesTerritorio y condiciones de ingresos de la Community LicenseLas condiciones de servicio de la plataforma
Ideal paraInvestigación, pipelines sin conexión, volumen alto y muy constante en territorios con licenciaProductos, volumen variable, equipos que quieren resultados desde el primer día

Para la mayoría de los equipos, la API alojada en PoYo es la opción práctica. A $0.016 por imagen en 2K, 10.000 imágenes cuestan $160 al mes, facturadas por imagen con una sola clave de API y sin nada que instalar. El alojamiento propio encaja con los equipos que ya tienen GPU de gran capacidad con margen libre, o cuyo volumen es lo bastante alto y constante como para mantener ocupada una GPU grande las 24 horas.

Cómo elegir los ajustes de la API alojada

Si usas la API, estos ajustes determinan la calidad y el coste:

ObjetivoAjuste
El menor coste con buen detalleresolution: "2K"; cuesta lo mismo que 1K en PoYo
Impresión, banners grandes, recortesresolution: "4K" para unos 16 MP
Composición exacta, como una diapositiva de 1920×1080Un size personalizado como 1920x1080
Seguir tal cual tu prompt largo y detalladoenable_prompt_expansion: false (texto a imagen)
Una idea breve, o un prompt en cualquier idiomaMantén activada la expansión del prompt
Edición que conserva el encuadre del origensize: "auto", que sigue a <Picture 1>

Edición con MiniMax H3 Image: un render 3D gris sin texturas de una base lunar con un rover y un astronauta, encima del fotograma cinematográfico fotorrealista editado de la misma escena

Un render 3D sin texturas convertido en un fotograma cinematográfico con la misma composición. Ejemplo de la ficha del modelo H3-Image de MiniMax.

Cómo usar MiniMax H3 Image en PoYo

Un solo ID de modelo cubre ambas tareas: envía un prompt para texto a imagen y añade image_urls para editar.

Parámetros

CampoTipoValoresPredeterminado
modelstringminimax-h3-imageObligatorio
input.promptstring1–5.000 caracteresObligatorio
input.image_urlsarray1–16 URL públicas JPEG, PNG o WebP, de hasta 20 MB cada una, de 128–8.192 px por ladoNinguno
input.sizestring1:1, 5:4, 4:5, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto (ediciones) o WIDTHxHEIGHT1:1 (texto a imagen), auto (ediciones)
input.resolutionstring1K, 2K o 4K2K
input.enable_prompt_expansionbooleanAmplía el prompt antes de generar (texto a imagen)true
input.output_formatstringpng o jpegpng
callback_urlstringURL que recibe un POST cuando la tarea termina o fallaNinguno

Tamaños predefinidos habituales:

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

Un WIDTHxHEIGHT personalizado admite cualquier ancho y alto enteros que sumen entre 655.360 y 20.000.000 de píxeles en total, con una relación de aspecto entre 1:3 y 3:1, y la imagen se devuelve exactamente con ese tamaño.

Genera una imagen en 4K

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"
    }
  }'

Renderizado de texto con MiniMax H3 Image: un tablero con un acertijo lógico en chino sobre selección de personal y su solución, y un tablero en inglés con el acertijo "Confidential File Missing", seis sospechosos y una tabla de verificación

Texto en chino y en inglés renderizado y resuelto en un tablero. Ejemplo de la ficha del modelo H3-Image de MiniMax.

Esta solicitud devuelve una imagen de 5472×3072 por 11.2 créditos. La respuesta del envío contiene el ID de la tarea:

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

Edita con varias imágenes de referencia

Las imágenes se numeran en el orden de image_urls, así que la primera es <Picture 1>, la segunda <Picture 2>, etc.:

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"
    }
  }'

Ejemplo de MiniMax H3 Image con varias referencias: diez referencias, una habitación vacía y soleada y nueve muebles, encima del salón amueblado con las nueve piezas

Una habitación vacía más nueve muebles compuestos en un solo salón. Ejemplo de la ficha del modelo H3-Image de MiniMax.

Con el valor predeterminado size: "auto", la salida sigue la relación de aspecto de <Picture 1> con un área de unos 2048×2048 píxeles. Esta solicitud cuesta 3.2 + 3 × 0.5 = 4.7 créditos ($0.0235). Las ediciones siempre usan la expansión del prompt.

Consulta el resultado

curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
  --header "Authorization: Bearer ${POYO_API_KEY}"
data.statusSignificadoSiguiente paso
not_startedEn colaVuelve a consultar
runningGenerandoVuelve a consultar
finishedTerminadaLee data.files[0].file_url
failedFallida, sin costeLee data.error_message

Un sencillo script de consulta en Python:

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")

En las pruebas de PoYo de noviembre de 2026, una imagen en 1K o 2K tardó unos 12 segundos, una en 4K entre 22 y 25 segundos aproximadamente, y una edición con tres imágenes de referencia unos 44 segundos. Si se agota tu tiempo de espera, conserva el task_id y vuelve a consultarlo más tarde; la tarea sigue ejecutándose en PoYo.

Consejos de la guía de prompts de MiniMax

Los consejos oficiales de MiniMax para escribir prompts, con cómo aplicarlos:

  1. «La tarea antes que el estilo, la composición antes que los detalles». Indica para qué es la imagen y qué contiene, después la composición y luego el estilo mediante el color, el material y la luz visibles.
  2. «Cita entre comillas cada palabra que deba aparecer, con su posición y sus saltos de línea». La muestra oficial renderiza correctamente acertijos lógicos en chino y en inglés sobre un tablero.
  3. Cuando quieras una imagen limpia, escribe «sin texto, letras ni números en la imagen» en el prompt principal. El modelo interpreta mejor las exclusiones cuando están directamente en el prompt.
  4. «Da datos exactos para los gráficos y las imágenes educativas», con unidades e intervalos de tiempo.
  5. «Asigna un papel a cada imagen de referencia e indica qué cambia y qué se mantiene». Por ejemplo: «<Picture 1> es la habitación, <Picture 2> es el sofá; mantén el suelo y las ventanas».
  6. Describe las cuadrículas en filas y columnas, como «2 filas y 3 columnas».
  7. Usa 2K para los borradores. Cuesta lo mismo que 1K en PoYo y ofrece cuatro veces más píxeles; cambia a 4K para la versión final.

Edición por instrucciones con MiniMax H3 Image: una foto de referencia de dos presentadores de pódcast en la que el hombre lleva auriculares, junto al resultado editado, donde los auriculares han desaparecido y los presentadores chocan los puños sobre el cartel de MONEY TALKS

Una instrucción clara cambia un detalle y mantiene el resto de la escena. Ejemplo de los materiales de H3-Image de MiniMax.

Para otros modelos de imagen, compara nuestro análisis Nano Banana 2.1 vs. GPT Image 2.5 y la guía de la API de MAI Image 2.6. Para crear un vídeo a partir de imágenes fijas de H3 Image, consulta el tutorial de storyboard con GPT Image 2.5 + MiniMax H3.

Preguntas frecuentes

¿Puede MiniMax H3 generar imágenes?

Sí, mediante MiniMax H3 Image. MiniMax H3 es el modelo de vídeo y audio; MiniMax H3 Image es el modelo independiente de imágenes fijas que MiniMax lanzó el 10 de noviembre de 2026, construido sobre la misma arquitectura y especializado en imágenes. En PoYo, llama a minimax-h3-image para imágenes y a hailuo-03 para vídeo.

¿Qué es MiniMax H3 Image?

MiniMax H3 Image (MiniMax-H3-Image) es el modelo de pesos abiertos de MiniMax para texto a imagen y edición de imágenes. Es un transformer de difusión de 33.100 millones de parámetros que genera imágenes nativas en 4K de unos 16 megapíxeles y edita o compone hasta 16 imágenes de referencia.

¿Cuánto cuesta la API de MiniMax H3 Image?

MiniMax indica $2.30, $1.50 y $3.80 por 1M de tokens de entrada de texto, entrada de imagen y salida de imagen en su nivel Standard, lo que equivale a unos $0.022 por imagen en 1K o 2K y $0.069 en 4K. En PoYo es un precio fijo de $0.016 por imagen en 1K o 2K y $0.056 en 4K, más $0.0025 por imagen de referencia, con la expansión del prompt incluida.

¿Admite MiniMax H3 Image la resolución 4K?

Sí. El 4K produce unos 16 megapíxeles en todas las relaciones de aspecto, por ejemplo 4096×4096 en 1:1 y 5472×3072 en 16:9. Los tamaños personalizados llegan hasta 20.000.000 de píxeles.

¿Cuántas imágenes de referencia puede usar MiniMax H3 Image?

Hasta 16 por edición. Menciónalas en el prompt por orden, como <Picture 1>, <Picture 2>, etc., y asigna un papel a cada una.

¿Es MiniMax H3 Image de código abierto? ¿Puedo ejecutarlo en local?

Sí. MiniMax publica los pesos en Hugging Face bajo la MiniMax-H3-Image Community License. Ejecutarlos requiere unos 135 GB de pesos, incluido el codificador de texto; una sola B200 o B300 aloja el modelo completo, y SGLang tiene configuraciones que llegan hasta tarjetas de 12 GB con descarga de componentes. La licencia no exige regalías dentro de su Territorio Aplicable, y las empresas de mayor tamaño o los servicios alojados solicitan una autorización por escrito a MiniMax. Para aplicaciones en producción, la API alojada en PoYo te permite empezar con una sola clave.

¿Qué diferencia hay entre Standard y Highspeed?

En la plataforma de MiniMax, Highspeed tiene los mismos parámetros y límites que Standard, pero funciona más rápido: MiniMax indica entre 3 y 4 veces la velocidad de las alternativas principales, frente a entre 1.5 y 2 veces en Standard. Sus tokens de entrada y salida de imagen cuestan el doble, así que una imagen en 4K cuesta unos $0.13 en lugar de $0.069. En PoYo, minimax-h3-image cuesta un precio fijo de $0.056 en 4K.

¿Qué hace la expansión del prompt y tiene coste adicional?

Reescribe tu prompt como una descripción detallada de la imagen completa antes de la generación. En la API de MiniMax, el texto añadido se factura como tokens de entrada, unos $0.006–$0.008 por solicitud. En PoYo está incluida en el precio por imagen. Desactívala en texto a imagen cuando quieras que se siga tal cual un prompt largo; las ediciones siempre la usan.

¿Puedo usar comercialmente los resultados de MiniMax H3 Image?

Sí. La licencia de MiniMax deja en tus manos los derechos sobre los resultados generados, y tú eres responsable de cómo los usas. Sigue la política de uso aceptable de la licencia y las condiciones de la plataforma que utilices.

¿Cuánto tarda MiniMax H3 Image?

En las pruebas de PoYo, las imágenes en 1K o 2K tardaron unos 12 segundos, las de 4K entre 22 y 25 segundos aproximadamente, y una edición con tres referencias unos 44 segundos. Al enviar la tarea se devuelve un task_id al instante, así que tu aplicación sigue respondiendo mientras se renderiza la imagen.

Share: