guides

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

Poyo.ai Team
18 min read
Share:

Det viktigste

  • MiniMax H3 Image (MiniMax-H3-Image) er bildemodellen til MiniMax, lansert 10. november 2026. MiniMax H3 er en annen modell, som lager video med lyd. Hvis du har søkt etter «kan MiniMax H3 generere bilder», er H3 Image svaret.
  • Én modell gjør både tekst til bilde og redigering med opptil 16 referansebilder, i 1K, 2K eller 4K, eller i en nøyaktig størrelse på opptil 20 000 000 piksler.
  • 4K er innebygd: omtrent 16 megapiksler i alle sideforhold, fra 4096×4096 til 6272×2688, gjengitt direkte i full størrelse.
  • PoYo tar en fast pris per bilde: $0.016 i 1K eller 2K og $0.056 i 4K, 19–31 % under listeprisen per token hos MiniMax ($0.02179, $0.02333 og $0.06879 per Standard-bilde).
  • Vektene er åpne på Hugging Face under MiniMax-H3-Image Community License. Egen drift krever omtrent 135 GB vekter og store GPU-er, så for de fleste team er det hostede API-et hos PoYo den raskeste veien: én nøkkel, betaling etter forbruk.

MiniMax H3 Image vs MiniMax H3: hvilken lager bilder?

MiniMax bruker H3-navnet på to modeller, og mange søk blander dem sammen.

MiniMax H3 ImageMiniMax H3 (Hailuo 03)
Hva den lagerStillbilderVideo med innebygd lyd
OppgaverTekst til bilde, bilderedigering, komposisjon med flere referanserTekst til video, første/siste bilde, referanser i form av bilde, video og lyd
OutputBilder i 1K, 2K eller 4K, opptil 20 MPVideo i 2K på 5–15 sekunder
Modell-ID hos PoYominimax-h3-imagehailuo-03
Pris hos PoYoFra $0.016 per bilde$0.105 per sekund video
GuideDenne artikkelenAPI-guide for MiniMax H3

De to henger sammen: Modellkortet fra MiniMax beskriver H3 Image som H3-arkitekturen spesialisert for bilder, og den gjenbruker tekstenkoderen fra H3 uendret. Så kan MiniMax H3 generere bilder? Ja, via MiniMax H3 Image, stillbildemedlemmet i H3-familien. For video bruker du MiniMax H3; for bilder bruker du MiniMax H3 Image.

MiniMax H3 Image i korte trekk

PunktSpesifikasjon
Lansering10. november 2026 (lisensdato)
ModellDiffusjonstransformer med 33.1B parametere, destillert til 6 samplingsteg for hastighet
OppgaverTekst til bilde og bilderedigering i ett sjekkpunkt
Innebygde 4K-størrelser4096×4096 (1:1), 4736×3552 (4:3), 5024×3360 (3:2), 5472×3072 (16:9), 6272×2688 (21:9), pluss stående versjoner
Egendefinerte størrelser (MiniMax API)655 360 til 20 000 000 piksler, sideforhold fra 1:3 til 3:1
Referansebilder1 til 16 per redigering
PromptutvidelseSkriver om en kort prompt på et hvilket som helst språk til en detaljert engelsk beskrivelse av hele bildet
Oppgitt hastighetEt 4K-bilde (4096×4096) «på under 10 sekunder»; Standard kjører 1.5–2× og Highspeed 3–4× «så raskt som vanlige alternativer»
Hostede nivåer hos MiniMaxMiniMax-H3-Image (Standard) og MiniMax-H3-Image-Highspeed
Åpne vekterJa, MiniMaxAI/MiniMax-H3-Image på Hugging Face

MiniMax beskriver målet sitt som å gjøre «4K-bildegenerering praktisk for kreative arbeidsflyter i hverdagen». Den beste måten å vurdere kvaliteten for ditt bruksområde på er å kjøre dine egne prompter i Playground hos PoYo.

Utstilling fra MiniMax H3 Image med femten resultater fra tekst til bilde i liggende og stående format, blant annet en fantasykamp i 3D, et blågrønt landskapsmaleri, en trefrosk, dumplings, en høylandsku, en katt i pikselkunst og en juvelbille

Fotografi, maleri, 3D og pikselkunst fra én modell. Utstilling fra modellkortet til MiniMax for H3-Image.

Priser for MiniMax H3 Image: fra tokens til pris per bilde

Offisielle tokenpriser

MiniMax tar betalt per million tokens i sitt eget API:

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

Tekstinput omfatter tokenene som legges til av promptforbedringen, og derfor skriver MiniMax at «faktiske kostnader kan variere» selv med samme oppløsning.

Offisiell pris per bilde

MiniMax publiserer også eksempler per bilde, som er den mest pålitelige måten å regne om tokenprisene på:

ForespørselStandardHighspeed
Tekst til bilde, 1K$0.02179$0.03529
Tekst til bilde, 2K$0.02333$0.03622
Tekst til bilde, 4K$0.06879$0.13001
Redigering, 1 referanse (1K inn) → 2K$0.02658$0.04576
Redigering, 1 referanse (1K inn) → 4K$0.07312$0.13673
Redigering, 3 referanser (1K inn) → 2K$0.04177$0.06069
Redigering, 3 referanser (1K inn) → 4K$0.07914$0.15407

Slik summeres tokenene

I PoYos tester i november 2026 brukte et bilde det største av 4 096 outputtokens og bredde × høyde ÷ 1 024. Ett token per 1 024 piksler stemmer med modellkortet, der hvert DiT-token dekker et felt på 32×32 piksler.

OutputPikslerOutputtokensOutputkostnad (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
Egendefinert maksimum20 000 00019 531$0.0742

Legg til teksttokenene fra promptforbedringen, omtrent 2 700 til 3 400 per forespørsel til $2.30 per 1M (omtrent $0.006–$0.008), så får du eksemplene fra MiniMax: $0.0156 + $0.0062 ≈ $0.0218 i 1K, og $0.0623 + $0.0065 ≈ $0.0688 i 4K.

To ting følger av dette:

  • 1K og 2K koster nesten det samme, fordi begge ligger på minimumet på 4 096 tokens. Trenger du detaljer, gir 2K mest for pengene.
  • 4K koster omtrent tre ganger så mye som 2K, siden det har fire ganger så mange piksler som 2K.

Pris per bilde for MiniMax H3 Image hos PoYo

PoYo fakturerer en fast pris per bilde, med promptutvidelse inkludert, så du vet den nøyaktige kostnaden før du sender inn, og hver forespørsel er billigere enn listeprisen per token hos MiniMax:

ForespørselPris hos PoYoKreditterListepris hos MiniMaxForskjell
Tekst til bilde, 1K$0.0163.2$0.02179−27%
Tekst til bilde, 2K$0.0163.2$0.02333−31%
Tekst til bilde, 4K$0.05611.2$0.06879−19%
Redigering, 1 referanse → 2K$0.01853.7$0.02658−30%
Redigering, 3 referanser → 2K$0.02354.7$0.04177−44%
Redigering, 3 referanser → 4K$0.063512.7$0.07914−20%

Slik er prisen hos PoYo bygget opp:

  • 1K eller 2K: 3.2 kreditter ($0.016) per bilde. En egendefinert WIDTHxHEIGHT på opptil 4 500 000 piksler bruker denne prisen.
  • 4K: 11.2 kreditter ($0.056) per bilde. En egendefinert størrelse over 4 500 000 piksler bruker denne prisen.
  • Referansebilder: +0.5 kreditter ($0.0025) hver.
  • Mislykkede oppgaver er gratis.
  • Én API-nøkkel dekker MiniMax H3 Image og alle andre modeller for bilde, video og lyd hos PoYo, med kreditter etter forbruk.

Regneeksempler

ScenarioForespørselKostnad hos PoYo
500 produktminiatyrer i 2K500 × $0.016$8.00
20 nøkkelbilder til en kampanje i 4K 16:920 × $0.056$1.12
Møblering av rom: tomt rom + 9 møbler, 2K$0.016 + 10 × $0.0025$0.041
10 000 bilder for sosiale medier i 2K10 000 × $0.016$160

Åpne vekter eller hostet API?

MiniMax publiserte vektene til H3 Image på Hugging Face: «Som med H3 frigir vi modellvektene til H3-Image.» Det gjør lokal drift til et reelt alternativ, så det er verdt å sammenligne med et API.

Dette krever lokal kjøring

  • Nedlastingsstørrelse: Sjekkpunktet for bildemodellen er på 68.65 GB, og det laster tekstenkoderen fra H3 (66.7 GB) fra MiniMax-H3-repoet, så regn med omtrent 135 GB totalt. Den valgfrie promptutvideren legger til 17.9 GB.
  • GPU-er: MiniMax oppgir at «en B200 eller B300 rommer hele modellen i omtrent 135 GiB, og én H200 flytter tekstenkoderen ut». SGLang flytter modellkomponenter ut når under 130 GiB er ledig, og har oppskrifter «fra B300 ned til kort med 12 GB». Sekvensparallellisme over flere GPU-er senker forsinkelsen.
  • Rammeverk: SGLang, vLLM-Omni, diffusers, LightX2V og ComfyUI.
  • Beste kvalitetsområde: omtrent 4 til 20 MP, best rundt 16 MP.

Slik fungerer lisensen

Vektene bruker MiniMax-H3-Image Community License Agreement, MiniMax sin egen lisens:

  • Fritt å bruke og tilpasse: en royaltyfri lisens til å bruke, reprodusere, distribuere, endre og lage avledede verk innenfor lisensens Applicable Territory, definert som hele verden utenom EU, Storbritannia, Republikken Korea og USA. MiniMax inviterer organisasjoner i disse fire regionene til å ta kontakt for en lisens.
  • Større utrullinger: Selskaper med en årlig omsetning over $1 million, og alle som tilbyr en hostet tjeneste til tredjeparter, ber om skriftlig tillatelse fra MiniMax via lisenskonsollen.
  • Kreditering: Kommersielle produkter viser «MiniMax-H3-Image» godt synlig i brukergrensesnittet.
  • Resultater: MiniMax lar rettighetene til genererte resultater ligge hos deg, og du er ansvarlig for hvordan du bruker dem.

Lokalt vs API

Egen drift med åpne vekterHostet API (MiniMax eller PoYo)
Arbeid på forhåndLaste ned omtrent 135 GB, klargjøre store GPU-er, kjøre en serveringsstackEn API-nøkkel
KostnadsmodellGPU-tid, enten maskinen er i bruk eller står ledigPer bilde (PoYo) eller per token (MiniMax)
HastighetAvhenger av maskinvaren dinAdministrert; omtrent 12 sekunder for et 2K-bilde hos PoYo
KontrollFull tilgang til pipelinen, inkludert seeds for reproduserbare kjøringerForespørselsfeltene hvert API tilbyr
VilkårTerritorium og omsetningsvilkår i Community LicensePlattformens tjenestevilkår
Best tilForskning, offline-pipelines, svært jevnt høyt volum i lisensierte territorierProdukter, varierende volum, team som vil ha resultater fra første dag

For de fleste team er det hostede API-et hos PoYo det praktiske valget. Med $0.016 per 2K-bilde koster 10 000 bilder $160 i måneden, fakturert per bilde med én API-nøkkel og ingenting å installere. Egen drift passer for team som allerede kjører store GPU-er med ledig kapasitet, eller som har et volum som er høyt og jevnt nok til å holde en stor GPU i arbeid døgnet rundt.

Valg av innstillinger i det hostede API-et

Hvis du bruker API-et, er det disse innstillingene som styrer kvalitet og kostnad:

MålInnstilling
Lavest kostnad med gode detaljerresolution: "2K"; det koster det samme som 1K hos PoYo
Trykk, store bannere, beskjæringresolution: "4K" for omtrent 16 MP
Nøyaktig layout, for eksempel et lysbilde på 1920×1080En egendefinert size som 1920x1080
Følge den lange, detaljerte prompten din slik den er skrevetenable_prompt_expansion: false (tekst til bilde)
Kort idé, eller en prompt på et hvilket som helst språkLa promptutvidelsen være på
Redigering som beholder utsnittet i kildensize: "auto", som følger <Picture 1>

Redigering med MiniMax H3 Image: en grå 3D-gjengivelse uten teksturer av en månebase med en rover og en astronaut, over det redigerte fotorealistiske filmbildet av den samme scenen

En 3D-gjengivelse uten teksturer gjort om til et filmbilde med samme oppsett. Eksempel fra modellkortet til MiniMax for H3-Image.

Slik bruker du MiniMax H3 Image hos PoYo

Én modell-ID dekker begge oppgavene: Send en prompt for tekst til bilde, og legg til image_urls for redigering.

Parametere

FeltTypeVerdierStandard
modelstrengminimax-h3-imagePåkrevd
input.promptstreng1–5 000 tegnPåkrevd
input.image_urlsarray1–16 offentlige URL-er til JPEG, PNG eller WebP, opptil 20 MB hver, 128–8 192 px per sideIngen
input.sizestreng1:1, 5:4, 4:5, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto (redigering) eller WIDTHxHEIGHT1:1 (tekst til bilde), auto (redigering)
input.resolutionstreng1K, 2K eller 4K2K
input.enable_prompt_expansionboolskUtvider prompten før genereringen (tekst til bilde)true
input.output_formatstrengpng eller jpegpng
callback_urlstrengURL som mottar en POST når oppgaven er ferdig eller feilerIngen

Vanlige forhåndsvalgte 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

En egendefinert WIDTHxHEIGHT tar en hvilken som helst heltallsbredde og -høyde med 655 360 til 20 000 000 piksler totalt og et sideforhold mellom 1:3 og 3:1, og bildet kommer tilbake i nøyaktig den størrelsen.

Generer et bilde i 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"
    }
  }'

Tekstgjengivelse med MiniMax H3 Image: en kinesisk logikkoppgave om valg av ansatte med løsningen, og en engelsk oppgavetavle «Confidential File Missing» med seks mistenkte og en kontrolltabell

Kinesisk og engelsk tekst gjengitt og løst på en tavle. Eksempel fra modellkortet til MiniMax for H3-Image.

Dette returnerer et bilde i 5472×3072 for 11.2 kreditter. Svaret på innsendingen inneholder oppgave-ID-en:

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

Rediger med flere referansebilder

Bildene nummereres i rekkefølgen i image_urls, så det første er <Picture 1>, det andre <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 på flere referanser med MiniMax H3 Image: ti referanser, et tomt, solfylt rom og ni møbler, over stuen møblert med alle de ni møblene

Et tomt rom pluss ni møbler satt sammen til én stue. Eksempel fra modellkortet til MiniMax for H3-Image.

Med standardverdien size: "auto" følger outputen sideforholdet til <Picture 1> med et areal på omtrent 2048×2048 piksler. Denne forespørselen koster 3.2 + 3 × 0.5 = 4.7 kreditter ($0.0235). Redigeringer bruker alltid promptutvidelse.

Hent resultatet

curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
  --header "Authorization: Bearer ${POYO_API_KEY}"
data.statusBetydningNeste steg
not_startedI køHent statusen igjen
runningGenerererHent statusen igjen
finishedFerdigLes data.files[0].file_url
failedMislyktes, uten kostnadLes data.error_message

En enkel statushenter i 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")

I PoYos tester i november 2026 tok et bilde i 1K eller 2K omtrent 12 sekunder, et 4K-bilde omtrent 22 til 25 sekunder og en redigering med tre referansebilder omtrent 44 sekunder. Hvis ventetiden går ut, beholder du task_id og spør etter den igjen senere; oppgaven fortsetter å kjøre hos PoYo.

Tips fra promptguiden til MiniMax

De offisielle prompttipsene fra MiniMax, med hvordan du bruker dem:

  1. «Oppgaven før stilen, layouten før detaljene.» Si hva bildet skal brukes til og hva det inneholder, deretter layouten, og så stilen gjennom synlig farge, materiale og lys.
  2. «Sett hvert ord som skal vises, i anførselstegn, med plassering og linjeskift.» Den offisielle utstillingen gjengir logikkoppgaver på kinesisk og engelsk riktig på en tavle.
  3. Når du vil ha et rent bilde, skriver du «no text, letters or numbers in the image» i hovedprompten. Modellen forstår utelatelser best når de står rett i prompten.
  4. «Gi nøyaktige data for diagrammer og læringsbilder», med enheter og tidsrom.
  5. «Gi hvert referansebilde en rolle, og si hva som endres og hva som blir værende.» For eksempel: «<Picture 1> is the room, <Picture 2> is the sofa; keep the floor and windows.»
  6. Skriv rutenett som rader og kolonner, for eksempel «2 rows and 3 columns».
  7. Bruk 2K til utkast. Det koster det samme som 1K hos PoYo og gir fire ganger så mange piksler; bytt til 4K for den endelige versjonen.

Instruksredigering med MiniMax H3 Image: et referansefoto av to podkastverter der mannen har hodetelefoner, ved siden av det redigerte resultatet der hodetelefonene er borte og vertene gir hverandre en knyttnevehilsen over MONEY TALKS-skiltet

En tydelig instruks endrer én detalj og beholder resten av scenen. Eksempel fra materialet til MiniMax for H3-Image.

For andre bildemodeller kan du sammenligne med gjennomgangen vår av Nano Banana 2.1 vs GPT Image 2.5 og API-guiden for MAI Image 2.6. For å bygge en video fra stillbilder laget med H3 Image, se storyboard-veiledningen med GPT Image 2.5 + MiniMax H3.

Vanlige spørsmål

Kan MiniMax H3 generere bilder?

Ja, via MiniMax H3 Image. MiniMax H3 er modellen for video og lyd; MiniMax H3 Image er den separate stillbildemodellen MiniMax lanserte 10. november 2026, bygget på den samme arkitekturen og spesialisert for bilder. Hos PoYo kaller du minimax-h3-image for bilder og hailuo-03 for video.

Hva er MiniMax H3 Image?

MiniMax H3 Image (MiniMax-H3-Image) er MiniMax sin modell med åpne vekter for tekst til bilde og bilderedigering. Det er en diffusjonstransformer med 33.1B parametere som leverer innebygde 4K-bilder på omtrent 16 megapiksler og redigerer eller setter sammen opptil 16 referansebilder.

Hva koster MiniMax H3 Image API?

MiniMax oppgir $2.30, $1.50 og $3.80 per 1M tokens for tekstinput, bildeinput og bildeoutput i Standard-nivået, noe som tilsvarer omtrent $0.022 i 1K eller 2K og $0.069 i 4K per bilde. Hos PoYo er prisen fast på $0.016 per bilde i 1K eller 2K og $0.056 i 4K, pluss $0.0025 per referansebilde, med promptutvidelse inkludert.

Støtter MiniMax H3 Image 4K?

Ja. 4K gir omtrent 16 megapiksler i alle sideforhold, for eksempel 4096×4096 i 1:1 og 5472×3072 i 16:9. Egendefinerte størrelser går opp til 20 000 000 piksler.

Hvor mange referansebilder kan MiniMax H3 Image bruke?

Opptil 16 per redigering. Vis til dem i prompten etter rekkefølge, som <Picture 1>, <Picture 2> og så videre, og gi hvert av dem en rolle.

Er MiniMax H3 Image åpen kildekode? Kan jeg kjøre den lokalt?

Ja. MiniMax publiserer vektene på Hugging Face under MiniMax-H3-Image Community License. Kjøringen krever omtrent 135 GB vekter inkludert tekstenkoderen; én enkelt B200 eller B300 rommer hele modellen, og SGLang har oppskrifter ned til kort med 12 GB ved hjelp av utflytting. Lisensen er royaltyfri innenfor sitt Applicable Territory, og større selskaper eller hostede tjenester ber om skriftlig tillatelse fra MiniMax. For produksjonsapper kommer du i gang med én nøkkel via det hostede API-et hos PoYo.

Hva er forskjellen mellom Standard og Highspeed?

På plattformen til MiniMax har Highspeed de samme parameterne og grensene som Standard, men kjører raskere: MiniMax oppgir 3–4× hastigheten til vanlige alternativer, mot 1.5–2× for Standard. Bildetokens for input og output koster dobbelt så mye, så et 4K-bilde koster omtrent $0.13 i stedet for $0.069. Hos PoYo koster minimax-h3-image fast $0.056 i 4K.

Hva gjør promptutvidelse, og koster den ekstra?

Den skriver om prompten din til en detaljert beskrivelse av hele bildet før genereringen. I API-et til MiniMax faktureres den tilførte teksten som inputtokens, omtrent $0.006–$0.008 per forespørsel. Hos PoYo er den inkludert i prisen per bilde. Slå den av for tekst til bilde når du vil at en lang prompt skal følges slik den er skrevet; redigeringer bruker den alltid.

Kan jeg bruke resultater fra MiniMax H3 Image kommersielt?

Ja. Lisensen til MiniMax lar rettighetene til genererte resultater ligge hos deg, og du er ansvarlig for hvordan du bruker dem. Følg retningslinjene for akseptabel bruk i lisensen og vilkårene til plattformen du bruker.

Hvor lang tid tar MiniMax H3 Image?

I PoYos tester tok bilder i 1K eller 2K omtrent 12 sekunder, 4K omtrent 22 til 25 sekunder og en redigering med tre referanser omtrent 44 sekunder. Innsendingen returnerer en task_id med en gang, så applikasjonen din forblir responsiv mens bildet gjengis.

Share: