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 Image | MiniMax H3 (Hailuo 03) | |
|---|---|---|
| O que gera | Imagens estáticas | Vídeo com áudio nativo |
| Tarefas | Texto para imagem, edição de imagem, composição com várias referências | Texto para vídeo, primeiro/último quadro, referências de imagem, vídeo e áudio |
| Saída | Imagens em 1K, 2K ou 4K, até 20 MP | Vídeo em 2K de 5–15 segundos |
| ID do modelo na PoYo | minimax-h3-image | hailuo-03 |
| Preço na PoYo | A partir de $0.016 por imagem | $0.105 por segundo de vídeo |
| Guia | Este artigo | Guia 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
| Item | Especificação |
|---|---|
| Lançamento | 10 de novembro de 2026 (data da licença) |
| Modelo | Diffusion transformer com 33,1 bilhões de parâmetros, destilado para 6 passos de amostragem para ganhar velocidade |
| Tarefas | Texto para imagem e edição de imagem em um único checkpoint |
| Tamanhos nativos em 4K | 4096×4096 (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 referência | De 1 a 16 por edição |
| Expansão de prompt | Reescreve um prompt curto, em qualquer idioma, como uma descrição detalhada em inglês da imagem inteira |
| Velocidade anunciada | Uma 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 MiniMax | MiniMax-H3-Image (Standard) e MiniMax-H3-Image-Highspeed |
| Pesos abertos | Sim, 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.

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:
| Faixa | Entrada de texto | Entrada de imagem | Saída 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:
| Solicitação | Standard | Highspeed |
|---|---|---|
| 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.
| Saída | Pixels | Tokens de saída | Custo de saída (Standard) |
|---|---|---|---|
| 1K, 1024×1024 | 1.048.576 | 4.096 (mínimo) | $0.0156 |
| 2K, 2048×2048 | 4.194.304 | 4.096 | $0.0156 |
| 4K, 4096×4096 | 16.777.216 | 16.384 | $0.0623 |
| Máximo personalizado | 20.000.000 | 19.531 | $0.0742 |
Some os tokens de texto da melhoria do prompt, cerca de 2.700 a 3.400 por solicitação a US$ 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:
| Solicitação | Preço na PoYo | Créditos | Preço de tabela da MiniMax | Diferença |
|---|---|---|---|---|
| Texto para imagem, 1K | $0.016 | 3,2 | $0.02179 | −27% |
| Texto para imagem, 2K | $0.016 | 3,2 | $0.02333 | −31% |
| Texto para imagem, 4K | $0.056 | 11,2 | $0.06879 | −19% |
| Edição, 1 referência → 2K | $0.0185 | 3,7 | $0.02658 | −30% |
| Edição, 3 referências → 2K | $0.0235 | 4,7 | $0.04177 | −44% |
| Edição, 3 referências → 4K | $0.0635 | 12,7 | $0.07914 | −20% |
Como o preço da PoYo é composto:
- 1K ou 2K: 3,2 créditos (US$ 0,016) por imagem. Um
WIDTHxHEIGHTpersonalizado 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
| Cenário | Solicitação | Custo na PoYo |
|---|---|---|
| 500 miniaturas de produto em 2K | 500 × $0.016 | $8.00 |
| 20 key visuals de campanha em 4K 16:9 | 20 × $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 2K | 10.000 × $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 você | API hospedada (MiniMax ou PoYo) | |
|---|---|---|
| Trabalho inicial | Baixar cerca de 135 GB, provisionar GPUs grandes, rodar uma stack de serviço | Uma chave de API |
| Modelo de custo | Tempo de GPU, ocupada ou ociosa | Por imagem (PoYo) ou por token (MiniMax) |
| Velocidade | Depende do seu hardware | Gerenciada; cerca de 12 segundos para uma imagem em 2K na PoYo |
| Controle | Acesso total ao pipeline, incluindo seeds para execuções reproduzíveis | Os campos de solicitação que cada API expõe |
| Termos | Condições de território e de receita da Community License | Os termos de serviço da plataforma |
| Indicado para | Pesquisa, pipelines offline, volume alto e muito estável em territórios licenciados | Produtos, 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:
| Objetivo | Configuração |
|---|---|
| Menor custo com bom nível de detalhe | resolution: "2K"; custa o mesmo que 1K na PoYo |
| Impressão, banners grandes, recortes | resolution: "4K" para cerca de 16 MP |
| Layout exato, como um slide de 1920×1080 | Um size personalizado, como 1920x1080 |
| Seguir o seu prompt longo e detalhado como foi escrito | enable_prompt_expansion: false (texto para imagem) |
| Ideia curta ou prompt em qualquer idioma | Mantenha a expansão de prompt ativada |
| Edição que mantém o enquadramento da origem | size: "auto", que segue <Picture 1> |

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
| Campo | Tipo | Valores | Padrão |
|---|---|---|---|
model | string | minimax-h3-image | Obrigatório |
input.prompt | string | 1–5.000 caracteres | Obrigatório |
input.image_urls | array | 1–16 URLs públicas de JPEG, PNG ou WebP, até 20 MB cada, de 128 a 8.192 px por lado | Nenhum |
input.size | string | 1:1, 5:4, 4:5, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto (edições) ou WIDTHxHEIGHT | 1:1 (texto para imagem), auto (edições) |
input.resolution | string | 1K, 2K ou 4K | 2K |
input.enable_prompt_expansion | boolean | Expande o prompt antes de gerar (texto para imagem) | true |
input.output_format | string | png ou jpeg | png |
callback_url | string | URL que recebe um POST quando a tarefa termina ou falha | Nenhum |
Tamanhos predefinidos comuns:
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 |
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"
}
}'

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"
}
}'

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.status | Significado | Próximo passo |
|---|---|---|
not_started | Na fila | Consulte de novo |
running | Gerando | Consulte de novo |
finished | Concluída | Leia data.files[0].file_url |
failed | Falhou, sem cobrança | Leia 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:
- “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.
- “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.
- 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.
- “Forneça dados exatos para gráficos e imagens educativas”, com unidades e intervalos de tempo.
- “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.”
- Descreva grades como linhas e colunas, como “2 linhas e 3 colunas”.
- Use 2K para rascunhos. Custa o mesmo que 1K na PoYo e oferece quatro vezes mais pixels; passe para 4K na versão final.

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.