guides

API do MiniMax H3 Image: geração e edição em 4K

Poyo.ai Team
20 min read
Share:

Principais pontos

  • O MiniMax H3 Image (MiniMax-H3-Image) é o modelo de imagem da MiniMax, lançado em 10 de novembro de 2026. O MiniMax H3 é outro modelo, que gera vídeo com áudio. Se você pesquisou “o MiniMax H3 gera imagens?”, a resposta é o H3 Image.
  • Um único modelo faz texto para imagem e edição com até 16 imagens de referência, em 1K, 2K ou 4K, ou em um tamanho exato de até 20.000.000 pixels.
  • O 4K é nativo: cerca de 16 megapixels em todas as proporções, de 4096×4096 a 6272×2688, renderizados diretamente no tamanho final.
  • A PoYo cobra um preço fixo por imagem: US$ 0,016 em 1K ou 2K e US$ 0,056 em 4K, de 19% a 31% abaixo do preço de tabela por token da MiniMax (US$ 0,02179, US$ 0,02333 e US$ 0,06879 por imagem Standard).
  • Os pesos são abertos no Hugging Face, sob a MiniMax-H3-Image Community License. Hospedar por conta própria exige cerca de 135 GB de pesos e GPUs grandes, então, para a maioria das equipes, a API hospedada na PoYo é o caminho mais rápido: uma chave, pagamento conforme o uso.

MiniMax H3 Image vs. MiniMax H3: qual deles gera imagens?

A MiniMax usa o nome H3 para dois modelos, e muitas buscas confundem os dois.

MiniMax H3 ImageMiniMax H3 (Hailuo 03)
O que geraImagens estáticasVídeo com áudio nativo
TarefasTexto para imagem, edição de imagem, composição com várias referênciasTexto para vídeo, primeiro/último quadro, referências de imagem, vídeo e áudio
SaídaImagens em 1K, 2K ou 4K, até 20 MPVídeo em 2K de 5–15 segundos
ID do modelo na PoYominimax-h3-imagehailuo-03
Preço na PoYoA partir de $0.016 por imagem$0.105 por segundo de vídeo
GuiaEste artigoGuia da API do MiniMax H3

Os dois são relacionados: o model card da MiniMax descreve o H3 Image como a arquitetura H3 especializada em imagens, e ele reaproveita o codificador de texto do H3 sem alterações. Então, o MiniMax H3 gera imagens? Sim, pelo MiniMax H3 Image, o integrante da família H3 para imagens estáticas. Para vídeo, use o MiniMax H3; para imagens, use o MiniMax H3 Image.

MiniMax H3 Image em resumo

ItemEspecificação
Lançamento10 de novembro de 2026 (data da licença)
ModeloDiffusion transformer com 33,1 bilhões de parâmetros, destilado para 6 passos de amostragem para ganhar velocidade
TarefasTexto para imagem e edição de imagem em um único checkpoint
Tamanhos nativos em 4K4096×4096 (1:1), 4736×3552 (4:3), 5024×3360 (3:2), 5472×3072 (16:9), 6272×2688 (21:9), mais as versões em retrato
Tamanhos personalizados (API da MiniMax)De 655.360 a 20.000.000 pixels, proporção de 1:3 a 3:1
Imagens de referênciaDe 1 a 16 por edição
Expansão de promptReescreve um prompt curto, em qualquer idioma, como uma descrição detalhada em inglês da imagem inteira
Velocidade anunciadaUma imagem em 4K (4096×4096) “em menos de 10 segundos”; o Standard roda de 1,5 a 2× e o Highspeed de 3 a 4× “mais rápido que as alternativas mais usadas”
Faixas hospedadas na MiniMaxMiniMax-H3-Image (Standard) e MiniMax-H3-Image-Highspeed
Pesos abertosSim, MiniMaxAI/MiniMax-H3-Image no Hugging Face

A MiniMax descreve o seu objetivo como tornar “a geração de imagens em 4K prática para os fluxos criativos do dia a dia”. A melhor forma de avaliar a qualidade para o seu caso de uso é rodar os seus próprios prompts no playground da PoYo.

Vitrine do MiniMax H3 Image com quinze resultados de texto para imagem em formatos paisagem e retrato, incluindo uma batalha de fantasia em 3D, uma pintura de paisagem em azul e verde, uma perereca, dumplings, uma vaca das Terras Altas, um gato em pixel art e um besouro-joia

Fotografia, pintura, 3D e pixel art a partir de um único modelo. Vitrine do model card do H3-Image da MiniMax.

Preços do MiniMax H3 Image: de tokens a custo por imagem

Tarifas oficiais por token

A MiniMax cobra por milhão de tokens na própria API:

FaixaEntrada de textoEntrada de imagemSaída de imagem
MiniMax-H3-Image (Standard)$2.30$1.50$3.80
MiniMax-H3-Image-Highspeed$2.30$3.00$7.60

A entrada de texto inclui os tokens acrescentados pela melhoria do prompt, e é por isso que a MiniMax observa que “os custos reais podem variar” mesmo na mesma resolução.

Custo oficial por imagem

A MiniMax também publica exemplos por imagem, que são a forma mais confiável de converter as suas tarifas por token:

SolicitaçãoStandardHighspeed
Texto para imagem, 1K$0.02179$0.03529
Texto para imagem, 2K$0.02333$0.03622
Texto para imagem, 4K$0.06879$0.13001
Edição, 1 referência (entrada em 1K) → 2K$0.02658$0.04576
Edição, 1 referência (entrada em 1K) → 4K$0.07312$0.13673
Edição, 3 referências (entrada em 1K) → 2K$0.04177$0.06069
Edição, 3 referências (entrada em 1K) → 4K$0.07914$0.15407

Como os tokens se somam

Nos testes da PoYo em novembro de 2026, uma imagem usou o maior valor entre 4.096 tokens de saída e largura × altura ÷ 1.024. Um token a cada 1.024 pixels corresponde ao model card, em que cada token do DiT cobre um bloco de 32×32 pixels.

SaídaPixelsTokens de saídaCusto de saída (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

Some os tokens de texto da melhoria do prompt, cerca de 2.700 a 3.400 por solicitação a US$ 2,30 por 1M (aproximadamente US$ 0,006–US$ 0,008), e você chega aos exemplos da MiniMax: US$ 0,0156 + US$ 0,0062 ≈ US$ 0,0218 em 1K, e US$ 0,0623 + US$ 0,0065 ≈ US$ 0,0688 em 4K.

Daí decorrem duas coisas:

  • 1K e 2K custam quase o mesmo, porque os dois ficam no mínimo de 4.096 tokens. Se você precisa de algum detalhe, o 2K tem melhor custo-benefício.
  • O 4K custa cerca de três vezes o 2K, já que tem quatro vezes os pixels do 2K.

Custo por imagem do MiniMax H3 Image na PoYo

A PoYo cobra um preço fixo por imagem, com a expansão de prompt incluída, então você sabe o custo exato antes de enviar, e toda solicitação sai mais barata que o preço de tabela por token da MiniMax:

SolicitaçãoPreço na PoYoCréditosPreço de tabela da MiniMaxDiferença
Texto para imagem, 1K$0.0163,2$0.02179−27%
Texto para imagem, 2K$0.0163,2$0.02333−31%
Texto para imagem, 4K$0.05611,2$0.06879−19%
Edição, 1 referência → 2K$0.01853,7$0.02658−30%
Edição, 3 referências → 2K$0.02354,7$0.04177−44%
Edição, 3 referências → 4K$0.063512,7$0.07914−20%

Como o preço da PoYo é composto:

  • 1K ou 2K: 3,2 créditos (US$ 0,016) por imagem. Um WIDTHxHEIGHT personalizado de até 4.500.000 pixels usa este preço.
  • 4K: 11,2 créditos (US$ 0,056) por imagem. Um tamanho personalizado acima de 4.500.000 pixels usa este preço.
  • Imagens de referência: +0,5 crédito (US$ 0,0025) cada.
  • Tarefas com falha não são cobradas.
  • Uma chave de API cobre o MiniMax H3 Image e todos os outros modelos de imagem, vídeo e áudio da PoYo, com créditos pagos conforme o uso.

Exemplos práticos

CenárioSolicitaçãoCusto na PoYo
500 miniaturas de produto em 2K500 × $0.016$8.00
20 key visuals de campanha em 4K 16:920 × $0.056$1.12
Ambientação de sala: sala vazia + 9 móveis, 2K$0.016 + 10 × $0.0025$0.041
10.000 imagens para redes sociais em 2K10.000 × $0.016$160

Pesos abertos ou API hospedada?

A MiniMax publicou os pesos do H3 Image no Hugging Face: “Assim como no H3, estamos liberando os pesos do modelo H3-Image.” Isso torna a implantação local uma opção real, então vale compará-la com uma API.

O que é preciso para rodar localmente

  • Tamanho do download: o checkpoint do modelo de imagem tem 68,65 GB e carrega o codificador de texto do H3 (66,7 GB) a partir do repositório MiniMax-H3, então planeje cerca de 135 GB no total. O expansor de prompt opcional acrescenta 17,9 GB.
  • GPUs: a MiniMax afirma que “uma B200 ou B300 comporta o modelo inteiro em cerca de 135 GiB, e uma H200 descarrega o codificador de texto”. O SGLang descarrega componentes do modelo quando há menos de 130 GiB livres e tem receitas “da B300 até placas de 12 GB”. O paralelismo de sequência em várias GPUs reduz a latência.
  • Frameworks: SGLang, vLLM-Omni, diffusers, LightX2V e ComfyUI.
  • Melhor faixa de qualidade: de cerca de 4 a 20 MP, com melhor resultado em torno de 16 MP.

Como funciona a licença

Os pesos usam a MiniMax-H3-Image Community License Agreement, licença própria da MiniMax:

  • Uso e adaptação livres: uma licença isenta de royalties para usar, reproduzir, distribuir, modificar e criar obras derivadas dentro do Território Aplicável da licença, definido como o mundo todo fora da União Europeia, do Reino Unido, da República da Coreia e dos Estados Unidos. A MiniMax convida organizações dessas quatro regiões a entrar em contato para obter uma licença.
  • Implantações maiores: empresas com receita anualizada acima de US$ 1 milhão, e qualquer pessoa que ofereça um serviço hospedado a terceiros, solicitam autorização por escrito à MiniMax pelo console de licenças.
  • Atribuição: produtos comerciais exibem “MiniMax-H3-Image” com destaque na interface do usuário.
  • Saídas: a MiniMax deixa com você os direitos sobre as saídas geradas, e você é responsável pela forma como as usa.

Local vs. API

Pesos abertos hospedados por vocêAPI hospedada (MiniMax ou PoYo)
Trabalho inicialBaixar cerca de 135 GB, provisionar GPUs grandes, rodar uma stack de serviçoUma chave de API
Modelo de custoTempo de GPU, ocupada ou ociosaPor imagem (PoYo) ou por token (MiniMax)
VelocidadeDepende do seu hardwareGerenciada; cerca de 12 segundos para uma imagem em 2K na PoYo
ControleAcesso total ao pipeline, incluindo seeds para execuções reproduzíveisOs campos de solicitação que cada API expõe
TermosCondições de território e de receita da Community LicenseOs termos de serviço da plataforma
Indicado paraPesquisa, pipelines offline, volume alto e muito estável em territórios licenciadosProdutos, volume variável, equipes que querem resultados desde o primeiro dia

Para a maioria das equipes, a API hospedada na PoYo é a escolha prática. A US$ 0,016 por imagem em 2K, 10.000 imagens custam US$ 160 por mês, cobradas por imagem, com uma chave de API e nada para instalar. Hospedar por conta própria é indicado para equipes que já rodam GPUs grandes com capacidade sobrando, ou cujo volume é alto e estável o bastante para manter uma GPU grande ocupada o tempo todo.

Como escolher as configurações na API hospedada

Se você usa a API, estas configurações definem a qualidade e o custo:

ObjetivoConfiguração
Menor custo com bom nível de detalheresolution: "2K"; custa o mesmo que 1K na PoYo
Impressão, banners grandes, recortesresolution: "4K" para cerca de 16 MP
Layout exato, como um slide de 1920×1080Um size personalizado, como 1920x1080
Seguir o seu prompt longo e detalhado como foi escritoenable_prompt_expansion: false (texto para imagem)
Ideia curta ou prompt em qualquer idiomaMantenha a expansão de prompt ativada
Edição que mantém o enquadramento da origemsize: "auto", que segue <Picture 1>

Edição com o MiniMax H3 Image: uma renderização 3D cinza e sem textura de uma base lunar com um rover e um astronauta, acima do frame de filme fotorrealista editado da mesma cena

Uma renderização 3D sem textura transformada em frame de filme com o mesmo layout. Exemplo do model card do H3-Image da MiniMax.

Como usar o MiniMax H3 Image na PoYo

Um único ID de modelo cobre as duas tarefas: envie um prompt para texto para imagem e acrescente image_urls para edição.

Parâmetros

CampoTipoValoresPadrão
modelstringminimax-h3-imageObrigatório
input.promptstring1–5.000 caracteresObrigatório
input.image_urlsarray1–16 URLs públicas de JPEG, PNG ou WebP, até 20 MB cada, de 128 a 8.192 px por ladoNenhum
input.sizestring1:1, 5:4, 4:5, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto (edições) ou WIDTHxHEIGHT1:1 (texto para imagem), auto (edições)
input.resolutionstring1K, 2K ou 4K2K
input.enable_prompt_expansionbooleanExpande o prompt antes de gerar (texto para imagem)true
input.output_formatstringpng ou jpegpng
callback_urlstringURL que recebe um POST quando a tarefa termina ou falhaNenhum

Tamanhos predefinidos comuns:

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

Um WIDTHxHEIGHT personalizado aceita qualquer largura e altura inteiras, de 655.360 a 20.000.000 pixels no total, com proporção entre 1:3 e 3:1, e a imagem volta exatamente nesse tamanho.

Gere uma imagem em 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"
    }
  }'

Renderização de texto do MiniMax H3 Image: um quadro de quebra-cabeça lógico em chinês sobre seleção de funcionários, com a resposta, e um quadro em inglês "Confidential File Missing" com seis suspeitos e uma tabela de verificação

Textos em chinês e em inglês renderizados e resolvidos em um quadro. Exemplo do model card do H3-Image da MiniMax.

Isso retorna uma imagem de 5472×3072 por 11,2 créditos. A resposta do envio contém o ID da tarefa:

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

Edite com várias imagens de referência

As imagens são numeradas na ordem de image_urls, então a primeira é <Picture 1>, a segunda é <Picture 2> e assim por diante:

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"
    }
  }'

Exemplo com várias referências do MiniMax H3 Image: dez referências, uma sala vazia e ensolarada e nove móveis, acima da sala de estar mobiliada com as nove peças

Uma sala vazia mais nove móveis compostos em uma única sala de estar. Exemplo do model card do H3-Image da MiniMax.

Com o padrão size: "auto", a saída segue a proporção de <Picture 1>, com área de cerca de 2048×2048 pixels. Esta solicitação custa 3,2 + 3 × 0,5 = 4,7 créditos (US$ 0,0235). As edições sempre usam a expansão de prompt.

Consulte o resultado

curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
  --header "Authorization: Bearer ${POYO_API_KEY}"
data.statusSignificadoPróximo passo
not_startedNa filaConsulte de novo
runningGerandoConsulte de novo
finishedConcluídaLeia data.files[0].file_url
failedFalhou, sem cobrançaLeia data.error_message

Um consultor de status mínimo em 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")

Nos testes da PoYo em novembro de 2026, uma imagem em 1K ou 2K levou cerca de 12 segundos, uma imagem em 4K de 22 a 25 segundos, e uma edição com três imagens de referência cerca de 44 segundos. Se a sua espera atingir o tempo limite, guarde o task_id e consulte-o de novo mais tarde; a tarefa continua rodando do lado da PoYo.

Dicas do guia de prompts da MiniMax

As dicas oficiais de prompt da MiniMax, com a forma de aplicá-las:

  1. “A tarefa antes do estilo, o layout antes dos detalhes.” Diga para que serve a imagem e o que há nela, depois o layout, e então o estilo por meio de cores, materiais e luz visíveis.
  2. “Coloque entre aspas cada palavra a ser exibida, com a posição e as quebras de linha.” A vitrine oficial renderiza corretamente quebra-cabeças lógicos em chinês e em inglês em um quadro.
  3. Quando quiser uma imagem limpa, escreva “sem textos, letras ou números na imagem” no prompt principal. O modelo interpreta melhor as exclusões quando elas estão diretamente no prompt.
  4. “Forneça dados exatos para gráficos e imagens educativas”, com unidades e intervalos de tempo.
  5. “Dê um papel a cada imagem de referência e diga o que muda e o que permanece.” Por exemplo: “<Picture 1> é a sala, <Picture 2> é o sofá; mantenha o piso e as janelas.”
  6. Descreva grades como linhas e colunas, como “2 linhas e 3 colunas”.
  7. Use 2K para rascunhos. Custa o mesmo que 1K na PoYo e oferece quatro vezes mais pixels; passe para 4K na versão final.

Edição por instrução do MiniMax H3 Image: uma foto de referência de dois apresentadores de podcast, com o homem usando fones de ouvido, ao lado do resultado editado, em que os fones somem e os apresentadores batem os punhos acima da placa MONEY TALKS

Uma instrução clara muda um único detalhe e mantém o resto da cena. Exemplo dos materiais do H3-Image da MiniMax.

Para outros modelos de imagem, compare a nossa análise Nano Banana 2.1 vs. GPT Image 2.5 e o guia da API do MAI Image 2.6. Para montar um vídeo a partir de imagens do H3 Image, veja o tutorial de storyboard com GPT Image 2.5 + MiniMax H3.

Perguntas frequentes

O MiniMax H3 gera imagens?

Sim, pelo MiniMax H3 Image. O MiniMax H3 é o modelo de vídeo e áudio; o MiniMax H3 Image é o modelo separado para imagens estáticas que a MiniMax lançou em 10 de novembro de 2026, construído sobre a mesma arquitetura e especializado em imagens. Na PoYo, chame minimax-h3-image para imagens e hailuo-03 para vídeo.

O que é o MiniMax H3 Image?

O MiniMax H3 Image (MiniMax-H3-Image) é o modelo de pesos abertos da MiniMax para texto para imagem e edição de imagens. É um diffusion transformer com 33,1 bilhões de parâmetros que gera imagens nativas em 4K de cerca de 16 megapixels e edita ou compõe até 16 imagens de referência.

Quanto custa a API do MiniMax H3 Image?

A MiniMax lista US$ 2,30, US$ 1,50 e US$ 3,80 por 1M de tokens de entrada de texto, entrada de imagem e saída de imagem na faixa Standard, o que dá cerca de US$ 0,022 por imagem em 1K ou 2K e US$ 0,069 em 4K. Na PoYo, o preço é fixo: US$ 0,016 por imagem em 1K ou 2K e US$ 0,056 em 4K, mais US$ 0,0025 por imagem de referência, com a expansão de prompt incluída.

O MiniMax H3 Image gera em 4K?

Sim. O 4K gera cerca de 16 megapixels em todas as proporções, por exemplo 4096×4096 em 1:1 e 5472×3072 em 16:9. Os tamanhos personalizados vão até 20.000.000 pixels.

Quantas imagens de referência o MiniMax H3 Image pode usar?

Até 16 por edição. Refira-se a elas no prompt pela ordem, como <Picture 1>, <Picture 2> e assim por diante, e dê um papel a cada uma.

O MiniMax H3 Image é open source? Posso rodá-lo localmente?

Sim. A MiniMax publica os pesos no Hugging Face sob a MiniMax-H3-Image Community License. Rodá-los exige cerca de 135 GB de pesos, incluindo o codificador de texto; uma única B200 ou B300 comporta o modelo inteiro, e o SGLang tem receitas até placas de 12 GB com descarregamento. A licença é isenta de royalties no seu Território Aplicável, e empresas maiores ou serviços hospedados solicitam autorização por escrito à MiniMax. Para apps em produção, a API hospedada na PoYo permite começar com uma única chave.

Qual é a diferença entre Standard e Highspeed?

Na plataforma da MiniMax, o Highspeed tem os mesmos parâmetros e limites do Standard, mas roda mais rápido: a MiniMax cita de 3 a 4× a velocidade das alternativas mais usadas, contra 1,5–2× do Standard. Os tokens de entrada e de saída de imagem custam o dobro, então uma imagem em 4K custa cerca de US$ 0,13 em vez de US$ 0,069. Na PoYo, o minimax-h3-image custa um valor fixo de US$ 0,056 em 4K.

O que a expansão de prompt faz e ela custa a mais?

Ela reescreve o seu prompt como uma descrição detalhada da imagem inteira antes da geração. Na API da MiniMax, o texto acrescentado é cobrado como tokens de entrada, cerca de US$ 0,006–US$ 0,008 por solicitação. Na PoYo, ela está incluída no preço por imagem. Desative-a em texto para imagem quando quiser que um prompt longo seja seguido como foi escrito; as edições sempre a usam.

Posso usar comercialmente as saídas do MiniMax H3 Image?

Sim. A licença da MiniMax deixa com você os direitos sobre as saídas geradas, e você é responsável pela forma como as usa. Siga a política de uso aceitável da licença e os termos da plataforma que você usa.

Quanto tempo o MiniMax H3 Image leva?

Nos testes da PoYo, imagens em 1K ou 2K levaram cerca de 12 segundos, em 4K de 22 a 25 segundos, e uma edição com três referências cerca de 44 segundos. O envio retorna um task_id na hora, então o seu aplicativo continua responsivo enquanto a imagem é renderizada.

Share: