In sintesi
- MiniMax H3 Image (MiniMax-H3-Image) è il modello di immagini di MiniMax, rilasciato il 10 novembre 2026. MiniMax H3 è un modello diverso che crea video con audio. Se hai cercato «MiniMax H3 può generare immagini?», la risposta è H3 Image.
- Un solo modello gestisce testo in immagine ed editing con un massimo di 16 immagini di riferimento, a 1K, 2K o 4K, oppure a una dimensione esatta fino a 20.000.000 di pixel.
- Il 4K è nativo: circa 16 megapixel a ogni formato, da 4096×4096 a 6272×2688, generati direttamente a piena dimensione.
- PoYo applica un prezzo fisso per immagine: $0.016 a 1K o 2K e $0.056 in 4K, dal 19 al 31% in meno rispetto al prezzo di listino per token di MiniMax ($0.02179, $0.02333 e $0.06879 per immagine Standard).
- I pesi sono aperti su Hugging Face con la MiniMax-H3-Image Community License. L’hosting in proprio richiede circa 135 GB di pesi e GPU di grandi dimensioni, quindi per la maggior parte dei team l’API ospitata su PoYo è la strada più rapida: un’unica chiave, pagamento a consumo.
MiniMax H3 Image o MiniMax H3: quale crea immagini?
MiniMax usa il nome H3 per due modelli, e molte ricerche li confondono.
| MiniMax H3 Image | MiniMax H3 (Hailuo 03) | |
|---|---|---|
| Cosa crea | Immagini statiche | Video con audio nativo |
| Attività | Testo in immagine, editing di immagini, composizione da più riferimenti | Testo in video, primo e ultimo fotogramma, riferimenti di immagini, video e audio |
| Output | Immagini a 1K, 2K o 4K, fino a 20 MP | Video 2K da 5–15 secondi |
| ID del modello su PoYo | minimax-h3-image | hailuo-03 |
| Prezzo su PoYo | Da $0.016 per immagine | $0.105 per secondo di video |
| Guida | Questo articolo | Guida all’API di MiniMax H3 |
I due modelli sono collegati: la scheda del modello di MiniMax descrive H3 Image come l’architettura H3 specializzata per le immagini, e riutilizza così com’è il text encoder di H3. Quindi MiniMax H3 può generare immagini? Sì, tramite MiniMax H3 Image, il membro della famiglia H3 dedicato alle immagini statiche. Per i video usa MiniMax H3; per le immagini usa MiniMax H3 Image.
MiniMax H3 Image in breve
| Voce | Specifica |
|---|---|
| Rilascio | 10 novembre 2026 (data della licenza) |
| Modello | Diffusion transformer da 33.1 miliardi di parametri, distillato a 6 passi di campionamento per la velocità |
| Attività | Testo in immagine ed editing di immagini in un unico checkpoint |
| Dimensioni 4K native | 4096×4096 (1:1), 4736×3552 (4:3), 5024×3360 (3:2), 5472×3072 (16:9), 6272×2688 (21:9), più le versioni verticali |
| Dimensioni personalizzate (API di MiniMax) | Da 655.360 a 20.000.000 di pixel, rapporto d’aspetto da 1:3 a 3:1 |
| Immagini di riferimento | Da 1 a 16 per modifica |
| Espansione del prompt | Riscrive un prompt breve in qualsiasi lingua in una descrizione dettagliata in inglese dell’intera immagine |
| Velocità dichiarata | Un’immagine 4K (4096×4096) «in meno di 10 secondi»; Standard è 1.5–2× e Highspeed 3–4× «più veloce delle principali alternative» |
| Livelli ospitati su MiniMax | MiniMax-H3-Image (Standard) e MiniMax-H3-Image-Highspeed |
| Pesi aperti | Sì, MiniMaxAI/MiniMax-H3-Image su Hugging Face |
MiniMax descrive il proprio obiettivo come rendere «la generazione di immagini 4K pratica per i flussi di lavoro creativi di tutti i giorni». Il modo migliore per valutare la qualità per il tuo caso d’uso è provare i tuoi prompt nel playground di PoYo.

Fotografia, pittura, 3D e pixel art da un unico modello. Galleria dalla scheda del modello H3-Image di MiniMax.
Prezzi di MiniMax H3 Image: dai token al costo per immagine
Tariffe ufficiali per token
Sulla propria API MiniMax applica tariffe per milione di token:
| Livello | Input testo | Input immagine | Output immagine |
|---|---|---|---|
| MiniMax-H3-Image (Standard) | $2.30 | $1.50 | $3.80 |
| MiniMax-H3-Image-Highspeed | $2.30 | $3.00 | $7.60 |
L’input testo include i token aggiunti dal miglioramento del prompt, ed è per questo che MiniMax precisa che «i costi effettivi possono variare» anche a parità di risoluzione.
Costo ufficiale per immagine
MiniMax pubblica anche esempi per immagine, che sono il modo più affidabile per convertire le sue tariffe per token:
| Richiesta | Standard | Highspeed |
|---|---|---|
| Testo in immagine, 1K | $0.02179 | $0.03529 |
| Testo in immagine, 2K | $0.02333 | $0.03622 |
| Testo in immagine, 4K | $0.06879 | $0.13001 |
| Modifica, 1 riferimento (1K in input) → 2K | $0.02658 | $0.04576 |
| Modifica, 1 riferimento (1K in input) → 4K | $0.07312 | $0.13673 |
| Modifica, 3 riferimenti (1K in input) → 2K | $0.04177 | $0.06069 |
| Modifica, 3 riferimenti (1K in input) → 4K | $0.07914 | $0.15407 |
Come si sommano i token
Nei test di PoYo di novembre 2026, un’immagine ha usato il valore maggiore tra 4.096 token di output e larghezza × altezza ÷ 1.024. Un token ogni 1.024 pixel corrisponde alla scheda del modello, in cui ogni token del DiT copre un riquadro di 32×32 pixel.
| Output | Pixel | Token di output | Costo dell’output (Standard) |
|---|---|---|---|
| 1K, 1024×1024 | 1.048.576 | 4.096 (minimo) | $0.0156 |
| 2K, 2048×2048 | 4.194.304 | 4.096 | $0.0156 |
| 4K, 4096×4096 | 16.777.216 | 16.384 | $0.0623 |
| Massimo personalizzato | 20.000.000 | 19.531 | $0.0742 |
Aggiungi i token di testo del miglioramento del prompt, circa 2.700–3.400 per richiesta a $2.30 per 1M (circa $0.006–$0.008), e ottieni gli esempi di MiniMax: $0.0156 + $0.0062 ≈ $0.0218 a 1K, e $0.0623 + $0.0065 ≈ $0.0688 in 4K.
Ne derivano due conseguenze:
- 1K e 2K costano quasi uguale, perché entrambi si collocano al minimo di 4.096 token. Se ti serve un minimo di dettaglio, il 2K è la scelta più conveniente.
- Il 4K costa circa tre volte il 2K, dato che ha quattro volte i pixel del 2K.
Costo per immagine di MiniMax H3 Image su PoYo
PoYo fattura un prezzo fisso per immagine, con l’espansione del prompt inclusa, così conosci il costo esatto prima dell’invio, e ogni richiesta costa meno del prezzo di listino per token di MiniMax:
| Richiesta | Prezzo su PoYo | Crediti | Prezzo di listino MiniMax | Differenza |
|---|---|---|---|---|
| Testo in immagine, 1K | $0.016 | 3.2 | $0.02179 | −27% |
| Testo in immagine, 2K | $0.016 | 3.2 | $0.02333 | −31% |
| Testo in immagine, 4K | $0.056 | 11.2 | $0.06879 | −19% |
| Modifica, 1 riferimento → 2K | $0.0185 | 3.7 | $0.02658 | −30% |
| Modifica, 3 riferimenti → 2K | $0.0235 | 4.7 | $0.04177 | −44% |
| Modifica, 3 riferimenti → 4K | $0.0635 | 12.7 | $0.07914 | −20% |
Come si compone il prezzo su PoYo:
- 1K o 2K: 3.2 crediti ($0.016) per immagine. Un
WIDTHxHEIGHTpersonalizzato fino a 4.500.000 pixel usa questo prezzo. - 4K: 11.2 crediti ($0.056) per immagine. Una dimensione personalizzata oltre 4.500.000 pixel usa questo prezzo.
- Immagini di riferimento: +0.5 crediti ($0.0025) ciascuna.
- Le attività non riuscite sono gratuite.
- Un’unica chiave API copre MiniMax H3 Image e tutti gli altri modelli di immagini, video e audio su PoYo, con crediti a consumo.
Esempi di calcolo
| Scenario | Richiesta | Costo su PoYo |
|---|---|---|
| 500 miniature di prodotto a 2K | 500 × $0.016 | $8.00 |
| 20 key visual per una campagna in 4K 16:9 | 20 × $0.056 | $1.12 |
| Arredamento virtuale: stanza vuota + 9 elementi d’arredo, 2K | $0.016 + 10 × $0.0025 | $0.041 |
| 10.000 immagini per i social a 2K | 10.000 × $0.016 | $160 |
Pesi aperti o API ospitata?
MiniMax ha pubblicato i pesi di H3 Image su Hugging Face: «Come per H3, rilasciamo i pesi del modello H3-Image». Questo rende il deployment locale un’opzione concreta, quindi vale la pena confrontarlo con un’API.
Cosa serve per eseguirlo in locale
- Dimensioni del download: il checkpoint del modello di immagini pesa 68.65 GB e carica il text encoder di H3 (66.7 GB) dal repository MiniMax-H3, quindi prevedi circa 135 GB in totale. L’espansore di prompt facoltativo aggiunge 17.9 GB.
- GPU: MiniMax afferma che «una B200 o B300 contiene l’intero modello in circa 135 GiB, e una H200 scarica il text encoder». SGLang scarica i componenti del modello quando sono liberi meno di 130 GiB, e offre configurazioni «dalla B300 fino alle schede da 12 GB». Il parallelismo di sequenza su più GPU riduce la latenza.
- Framework: SGLang, vLLM-Omni, diffusers, LightX2V e ComfyUI.
- Intervallo di qualità migliore: circa da 4 a 20 MP, con il meglio intorno ai 16 MP.
Come funziona la licenza
I pesi usano la MiniMax-H3-Image Community License Agreement, la licenza proprietaria di MiniMax:
- Uso e adattamento gratuiti: una licenza senza royalty per usare, riprodurre, distribuire, modificare e creare opere derivate all’interno dell’Applicable Territory della licenza, definito come il mondo intero escluse Unione Europea, Regno Unito, Repubblica di Corea e Stati Uniti. MiniMax invita le organizzazioni di queste quattro aree a contattarla per ottenere una licenza.
- Deployment più grandi: le aziende con un fatturato annualizzato superiore a $1 milione, e chiunque offra un servizio ospitato a terzi, richiedono un’autorizzazione scritta a MiniMax tramite la sua console delle licenze.
- Attribuzione: i prodotti commerciali mostrano in evidenza «MiniMax-H3-Image» nella propria interfaccia utente.
- Output: MiniMax lascia a te i diritti sugli output generati, e sei responsabile di come li usi.
Locale o API
| Pesi aperti in hosting proprio | API ospitata (MiniMax o PoYo) | |
|---|---|---|
| Lavoro iniziale | Scaricare circa 135 GB, predisporre GPU di grandi dimensioni, gestire uno stack di serving | Una chiave API |
| Modello di costo | Tempo GPU, che sia in uso o inattivo | Per immagine (PoYo) o per token (MiniMax) |
| Velocità | Dipende dal tuo hardware | Gestita; circa 12 secondi per un’immagine 2K su PoYo |
| Controllo | Accesso completo alla pipeline, compresi i seed per esecuzioni riproducibili | I campi di richiesta esposti da ciascuna API |
| Condizioni | Territorio della Community License e condizioni sul fatturato | I termini di servizio della piattaforma |
| Ideale per | Ricerca, pipeline offline, volumi molto alti e costanti nei territori coperti dalla licenza | Prodotti, volumi variabili, team che vogliono risultati dal primo giorno |
Per la maggior parte dei team, l’API ospitata su PoYo è la scelta pratica. A $0.016 per immagine 2K, 10.000 immagini costano $160 al mese, fatturate per immagine con un’unica chiave API e nulla da installare. L’hosting in proprio è adatto ai team che gestiscono già GPU di grandi dimensioni con capacità libera, o i cui volumi sono abbastanza alti e costanti da tenere occupata una grande GPU 24 ore su 24.
Scegliere le impostazioni dell’API ospitata
Se usi l’API, queste impostazioni determinano qualità e costi:
| Obiettivo | Impostazione |
|---|---|
| Costo minimo con un buon dettaglio | resolution: "2K"; su PoYo costa quanto l’1K |
| Stampa, banner di grande formato, ritagli | resolution: "4K" per circa 16 MP |
| Layout esatto, come una slide 1920×1080 | Una size personalizzata come 1920x1080 |
| Seguire alla lettera il tuo prompt lungo e dettagliato | enable_prompt_expansion: false (testo in immagine) |
| Idea breve, o prompt in qualsiasi lingua | Lascia attiva l’espansione del prompt |
| Modifica che mantiene l’inquadratura dell’originale | size: "auto", che segue <Picture 1> |

Un render 3D senza texture trasformato in un fotogramma cinematografico con la stessa composizione. Esempio dalla scheda del modello H3-Image di MiniMax.
Come usare MiniMax H3 Image su PoYo
Un solo ID del modello copre entrambe le attività: invia un prompt per il testo in immagine e aggiungi image_urls per l’editing.
Parametri
| Campo | Tipo | Valori | Predefinito |
|---|---|---|---|
model | stringa | minimax-h3-image | Obbligatorio |
input.prompt | stringa | 1–5.000 caratteri | Obbligatorio |
input.image_urls | array | 1–16 URL pubblici JPEG, PNG o WebP, fino a 20 MB ciascuno, 128–8.192 px per lato | Nessuno |
input.size | stringa | 1:1, 5:4, 4:5, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto (modifiche), oppure WIDTHxHEIGHT | 1:1 (testo in immagine), auto (modifiche) |
input.resolution | stringa | 1K, 2K o 4K | 2K |
input.enable_prompt_expansion | booleano | Espande il prompt prima della generazione (testo in immagine) | true |
input.output_format | stringa | png o jpeg | png |
callback_url | stringa | URL che riceve un POST quando l’attività termina o non va a buon fine | Nessuno |
Dimensioni preimpostate comuni:
size | 1K | 2K | 4K |
|---|---|---|---|
1:1 | 1024×1024 | 2048×2048 | 4096×4096 |
4:3 | 1184×896 | 2368×1760 | 4736×3552 |
3:2 | 1248×832 | 2496×1664 | 5024×3360 |
16:9 | 1376×768 | 2720×1536 | 5472×3072 |
9:16 | 768×1376 | 1536×2720 | 3072×5472 |
21:9 | 1568×672 | 3136×1344 | 6272×2688 |
Un WIDTHxHEIGHT personalizzato accetta qualsiasi larghezza e altezza intere da 655.360 a 20.000.000 di pixel in totale, con un rapporto d’aspetto tra 1:3 e 3:1, e l’immagine torna esattamente a quelle dimensioni.
Generare un’immagine 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"
}
}'

Testo in cinese e in inglese reso e risolto su una lavagna. Esempio dalla scheda del modello H3-Image di MiniMax.
Questa richiesta restituisce un’immagine 5472×3072 per 11.2 crediti. La risposta all’invio contiene l’ID dell’attività:
{
"code": 200,
"data": {
"task_id": "task-unified-1794383400-abcd1234",
"status": "not_started",
"created_time": "2026-11-14T10:30:00"
}
}
Modificare con più immagini di riferimento
Le immagini sono numerate nell’ordine di image_urls, quindi la prima è <Picture 1>, la seconda <Picture 2> e così via:
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"
}
}'

Una stanza vuota più nove elementi d’arredo composti in un unico soggiorno. Esempio dalla scheda del modello H3-Image di MiniMax.
Con il valore predefinito size: "auto", l’output segue il formato di <Picture 1> con un’area di circa 2048×2048 pixel. Questa richiesta costa 3.2 + 3 × 0.5 = 4.7 crediti ($0.0235). Le modifiche usano sempre l’espansione del prompt.
Attendere il risultato
curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
--header "Authorization: Bearer ${POYO_API_KEY}"
data.status | Significato | Passo successivo |
|---|---|---|
not_started | In coda | Interroga di nuovo |
running | In generazione | Interroga di nuovo |
finished | Completata | Leggi data.files[0].file_url |
failed | Non riuscita, senza addebito | Leggi data.error_message |
Un poller Python essenziale:
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")
Nei test di PoYo di novembre 2026, un’immagine 1K o 2K ha richiesto circa 12 secondi, un’immagine 4K circa 22–25 secondi e una modifica con tre immagini di riferimento circa 44 secondi. Se l’attesa va in timeout, conserva il task_id e interrogalo di nuovo più tardi; l’attività continua a essere elaborata da PoYo.
Consigli dalla guida ai prompt di MiniMax
I consigli ufficiali di MiniMax sui prompt, con il modo di applicarli:
- «Prima l’attività, poi lo stile; prima il layout, poi i dettagli». Indica a cosa serve l’immagine e cosa contiene, poi il layout, poi lo stile attraverso colori, materiali e luce visibili.
- «Metti tra virgolette ogni parola da mostrare, con la sua posizione e gli a capo». La galleria ufficiale mostra rompicapi logici in cinese e in inglese resi correttamente su una lavagna.
- Quando vuoi un’immagine pulita, scrivi «no text, letters or numbers in the image» nel prompt principale. Il modello interpreta al meglio le esclusioni quando si trovano direttamente nel prompt.
- «Fornisci dati esatti per grafici e immagini didattiche», con unità di misura e intervalli di tempo.
- «Assegna un ruolo a ogni immagine di riferimento e indica cosa cambia e cosa resta». Ad esempio: «<Picture 1> è la stanza, <Picture 2> è il divano; mantieni pavimento e finestre».
- Descrivi le griglie in righe e colonne, ad esempio «2 righe e 3 colonne».
- Usa il 2K per le bozze. Su PoYo costa quanto l’1K e offre quattro volte i pixel; passa al 4K per la versione finale.

Un’istruzione chiara cambia un solo dettaglio e mantiene il resto della scena. Esempio dai materiali di H3-Image di MiniMax.
Per altri modelli di immagini, confronta la nostra analisi Nano Banana 2.1 e GPT Image 2.5 a confronto e la guida all’API di MAI Image 2.6. Per creare un video a partire da immagini di H3 Image, leggi il tutorial sullo storyboard con GPT Image 2.5 e MiniMax H3.
Domande frequenti
MiniMax H3 può generare immagini?
Sì, tramite MiniMax H3 Image. MiniMax H3 è il modello per video e audio; MiniMax H3 Image è il modello separato per immagini statiche che MiniMax ha rilasciato il 10 novembre 2026, basato sulla stessa architettura e specializzato per le immagini. Su PoYo, chiama minimax-h3-image per le immagini e hailuo-03 per i video.
Che cos’è MiniMax H3 Image?
MiniMax H3 Image (MiniMax-H3-Image) è il modello a pesi aperti di MiniMax per testo in immagine ed editing di immagini. È un diffusion transformer da 33.1 miliardi di parametri che genera immagini 4K native di circa 16 megapixel e modifica o compone fino a 16 immagini di riferimento.
Quanto costa l’API di MiniMax H3 Image?
MiniMax indica $2.30, $1.50 e $3.80 per 1M di token di input testo, input immagine e output immagine sul livello Standard, cioè circa $0.022 per immagine a 1K o 2K e $0.069 in 4K. Su PoYo il prezzo è fisso: $0.016 per immagine a 1K o 2K e $0.056 in 4K, più $0.0025 per immagine di riferimento, con l’espansione del prompt inclusa.
MiniMax H3 Image supporta il 4K?
Sì. Il 4K produce circa 16 megapixel a ogni formato, ad esempio 4096×4096 in 1:1 e 5472×3072 in 16:9. Le dimensioni personalizzate arrivano fino a 20.000.000 di pixel.
Quante immagini di riferimento può usare MiniMax H3 Image?
Fino a 16 per modifica. Nel prompt richiamale in ordine, come <Picture 1>, <Picture 2> e così via, e assegna un ruolo a ciascuna.
MiniMax H3 Image è open source? Posso eseguirlo in locale?
Sì. MiniMax pubblica i pesi su Hugging Face con la MiniMax-H3-Image Community License. Per eseguirli servono circa 135 GB di pesi, text encoder compreso; una singola B200 o B300 contiene l’intero modello, e SGLang offre configurazioni fino alle schede da 12 GB con l’offloading. La licenza è senza royalty nel suo Applicable Territory, e le aziende più grandi o i servizi ospitati richiedono un’autorizzazione scritta a MiniMax. Per le app di produzione, l’API ospitata su PoYo ti permette di iniziare con un’unica chiave.
Qual è la differenza tra Standard e Highspeed?
Sulla piattaforma di MiniMax, Highspeed ha gli stessi parametri e limiti di Standard ma è più veloce: MiniMax indica una velocità 3–4× superiore alle principali alternative, contro 1.5–2× per Standard. I suoi token di input e output immagine costano il doppio, quindi un’immagine 4K costa circa $0.13 invece di $0.069. Su PoYo, minimax-h3-image costa un prezzo fisso di $0.056 in 4K.
Cosa fa l’espansione del prompt, e costa di più?
Riscrive il tuo prompt in una descrizione dettagliata dell’intera immagine prima della generazione. Sull’API di MiniMax, il testo aggiunto viene fatturato come token di input, circa $0.006–$0.008 per richiesta. Su PoYo è incluso nel prezzo per immagine. Disattivala nel testo in immagine quando vuoi che un prompt lungo venga seguito alla lettera; le modifiche la usano sempre.
Posso usare commercialmente gli output di MiniMax H3 Image?
Sì. La licenza di MiniMax lascia a te i diritti sugli output generati, e sei responsabile di come li usi. Rispetta la policy di utilizzo accettabile indicata nella licenza e i termini della piattaforma che usi.
Quanto tempo richiede MiniMax H3 Image?
Nei test di PoYo, le immagini 1K o 2K hanno richiesto circa 12 secondi, quelle 4K circa 22–25 secondi e una modifica con tre riferimenti circa 44 secondi. L’invio restituisce subito un task_id, quindi la tua applicazione resta reattiva mentre l’immagine viene generata.