Principais conclusões
- O MiniMax H3 Image (MiniMax-H3-Image) é o modelo de imagem da MiniMax, lançado a 10 de novembro de 2026. O MiniMax H3 é um modelo diferente, que cria vídeo com áudio. Se pesquisaste “o MiniMax H3 consegue gerar 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 num tamanho exato até 20 000 000 de píxeis.
- O 4K é nativo: cerca de 16 megapíxeis em todas as proporções, de 4096×4096 a 6272×2688, renderizados diretamente no tamanho final.
- A PoYo cobra um preço fixo por imagem: $0.016 em 1K ou 2K e $0.056 em 4K, 19–31% abaixo do preço de tabela por token da MiniMax ($0.02179, $0.02333 e $0.06879 por imagem Standard).
- Os pesos são abertos no Hugging Face, sob a MiniMax-H3-Image Community License. O alojamento próprio exige cerca de 135 GB de pesos e GPUs de grande capacidade, por isso, para a maioria das equipas, a API alojada na PoYo é o caminho mais rápido: uma chave e pagamento conforme a utilização.
MiniMax H3 Image vs MiniMax H3: qual deles cria imagens?
A MiniMax usa o nome H3 em dois modelos, e muitas pesquisas confundem-nos.
| MiniMax H3 Image | MiniMax H3 (Hailuo 03) | |
|---|---|---|
| O que cria | Imagens estáticas | Vídeo com áudio nativo |
| Tarefas | Texto para imagem, edição de imagem, composição com várias referências | Texto para vídeo, primeiro/último frame, referências de imagem, vídeo e áudio |
| Saída | Imagens 1K, 2K ou 4K, até 20 MP | Vídeo 2K de 5–15 segundos |
| ID do modelo na PoYo | minimax-h3-image | hailuo-03 |
| Preço na PoYo | Desde $0.016 por imagem | $0.105 por segundo de vídeo |
| Guia | Este artigo | Guia da API MiniMax H3 |
Os dois estão relacionados: o model card da MiniMax descreve o H3 Image como a arquitetura H3 especializada em imagens, e reutiliza o codificador de texto do H3 tal como está. Por isso, o MiniMax H3 consegue gerar imagens? Sim, através do MiniMax H3 Image, o membro da família H3 para imagens estáticas. Para vídeo, usa o MiniMax H3; para imagens, usa o MiniMax H3 Image.
MiniMax H3 Image num relance
| Item | Especificação |
|---|---|
| Lançamento | 10 de novembro de 2026 (data da licença) |
| Modelo | Diffusion transformer com 33.1B parâmetros, destilado para 6 passos de amostragem para maior rapidez |
| Tarefas | Texto para imagem e edição de imagem num único checkpoint |
| Tamanhos 4K nativos | 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 de píxeis, proporção de 1:3 a 3:1 |
| Imagens de referência | 1 a 16 por edição |
| Expansão do prompt | Reescreve um prompt curto, em qualquer idioma, como uma descrição detalhada em inglês da imagem inteira |
| Velocidade anunciada | Uma imagem 4K (4096×4096) “em menos de 10 segundos”; o Standard é 1.5–2× e o Highspeed 3–4× “tão rápido como as alternativas mais comuns” |
| Escalões alojados 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 workflows criativos do dia a dia”. A melhor forma de avaliar a qualidade para o teu caso é correres os teus próprios prompts no playground da PoYo.

Fotografia, pintura, 3D e pixel art a partir de um único modelo. Montra 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 sua própria API:
| Escalão | 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 indica que “os custos reais podem variar”, mesmo com a mesma resolução.
Custo oficial por imagem
A MiniMax publica também exemplos por imagem, que são a forma mais fiável de converter as suas tarifas por token:
| Pedido | 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 1K) → 2K | $0.02658 | $0.04576 |
| Edição, 1 referência (entrada 1K) → 4K | $0.07312 | $0.13673 |
| Edição, 3 referências (entrada 1K) → 2K | $0.04177 | $0.06069 |
| Edição, 3 referências (entrada 1K) → 4K | $0.07914 | $0.15407 |
Como se somam os tokens
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 por cada 1 024 píxeis corresponde ao model card, em que cada token DiT cobre um bloco de 32×32 píxeis.
| Saída | Píxeis | Tokens de saída | Custo da 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 |
Soma os tokens de texto da melhoria do prompt, cerca de 2 700 a 3 400 por pedido a $2.30 por 1M (aproximadamente $0.006–$0.008), e obténs os exemplos da MiniMax: $0.0156 + $0.0062 ≈ $0.0218 em 1K, e $0.0623 + $0.0065 ≈ $0.0688 em 4K.
Daqui resultam duas coisas:
- O 1K e o 2K custam quase o mesmo, porque ambos ficam no mínimo de 4 096 tokens. Se precisas de algum detalhe, o 2K compensa mais.
- O 4K custa cerca de três vezes mais do que o 2K, porque tem quatro vezes os píxeis do 2K.
Custo por imagem do MiniMax H3 Image na PoYo
A PoYo fatura um preço fixo por imagem, com a expansão do prompt incluída, por isso sabes o custo exato antes de enviar, e todos os pedidos ficam mais baratos do que o preço de tabela por token da MiniMax:
| Pedido | 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 se forma o preço na PoYo:
- 1K ou 2K: 3,2 créditos ($0.016) por imagem. Um
WIDTHxHEIGHTpersonalizado até 4 500 000 píxeis usa este preço. - 4K: 11,2 créditos ($0.056) por imagem. Um tamanho personalizado acima de 4 500 000 píxeis usa este preço.
- Imagens de referência: +0,5 créditos ($0.0025) cada.
- As tarefas que falham 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 a utilização.
Exemplos práticos
| Cenário | Pedido | Custo na PoYo |
|---|---|---|
| 500 miniaturas de produto em 2K | 500 × $0.016 | $8.00 |
| 20 visuais-chave de campanha em 4K 16:9 | 20 × $0.056 | $1.12 |
| Decoração de uma sala: sala vazia + 9 peças de mobiliário, 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 alojada?
A MiniMax publicou os pesos do H3 Image no Hugging Face: “Tal como com o H3, vamos disponibilizar os pesos do modelo H3-Image.” Isso torna a implementação local uma opção real, por isso vale a pena compará-la com uma API.
O que é preciso para o correr 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, por isso conta com cerca de 135 GB no total. O expansor de prompts opcional acrescenta 17,9 GB.
- GPUs: a MiniMax indica 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 gama de qualidade: cerca de 4 a 20 MP, com os melhores resultados por volta dos 16 MP.
Como funciona a licença
Os pesos usam o MiniMax-H3-Image Community License Agreement, a licença própria da MiniMax:
- Uso e adaptação gratuitos: uma licença isenta de royalties para usar, reproduzir, distribuir, modificar e criar obras derivadas dentro do Território Aplicável da licença, definido como o mundo inteiro fora da União Europeia, do Reino Unido, da República da Coreia e dos Estados Unidos. A MiniMax convida as organizações dessas quatro regiões a contactá-la para obterem uma licença.
- Implementações maiores: as empresas com receitas anuais acima de $1 milhão, e quem ofereça um serviço alojado a terceiros, pedem autorização escrita à MiniMax através da sua consola de licenças.
- Atribuição: os produtos comerciais apresentam “MiniMax-H3-Image” de forma visível na interface de utilizador.
- Resultados: a MiniMax deixa contigo os direitos sobre os resultados gerados, e és tu o responsável pela forma como os usas.
Local vs API
| Pesos abertos com alojamento próprio | API alojada (MiniMax ou PoYo) | |
|---|---|---|
| Trabalho inicial | Descarregar cerca de 135 GB, aprovisionar GPUs de grande capacidade, manter uma stack de serviço | Uma chave de API |
| Modelo de custo | Tempo de GPU, ocupada ou parada | Por imagem (PoYo) ou por token (MiniMax) |
| Velocidade | Depende do teu hardware | Gerida; cerca de 12 segundos por imagem 2K na PoYo |
| Controlo | Acesso total ao pipeline, incluindo seeds para execuções reproduzíveis | Os campos de pedido que cada API expõe |
| Condições | Território da Community License e condições de receitas | Os termos de serviço da plataforma |
| Ideal para | Investigação, pipelines offline, volume muito alto e estável em territórios licenciados | Produtos, volume variável, equipas que querem resultados desde o primeiro dia |
Para a maioria das equipas, a API alojada na PoYo é a escolha prática. A $0.016 por imagem 2K, 10 000 imagens custam $160 por mês, faturadas por imagem com uma chave de API e sem nada para instalar. O alojamento próprio adequa-se a equipas que já têm GPUs de grande capacidade com folga, ou cujo volume é alto e estável o suficiente para manter uma GPU grande ocupada a toda a hora.
Escolher as definições alojadas
Se usas a API, estas definições determinam a qualidade e o custo:
| Objetivo | Definição |
|---|---|
| Custo mais baixo com bom detalhe | resolution: "2K"; custa o mesmo do que o 1K na PoYo |
| Impressão, faixas grandes, recortes | resolution: "4K" para cerca de 16 MP |
| Composição exata, como um diapositivo de 1920×1080 | Um size personalizado como 1920x1080 |
| Seguir o teu prompt longo e detalhado tal como está escrito | enable_prompt_expansion: false (texto para imagem) |
| Ideia curta, ou prompt em qualquer idioma | Mantém a expansão do prompt ativa |
| Edição que mantém o enquadramento da origem | size: "auto", que segue <Picture 1> |

Uma renderização 3D sem texturas transformada num fotograma de filme com a mesma composição. 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: envia um prompt para texto para imagem e acrescenta image_urls para editar.
Parâmetros
| Campo | Tipo | Valores | Predefinição |
|---|---|---|---|
model | string | minimax-h3-image | Obrigatório |
input.prompt | string | 1–5 000 caracteres | Obrigatório |
input.image_urls | array | 1–16 URLs públicos JPEG, PNG ou WebP, até 20 MB cada, 128–8 192 px por lado | Nenhuma |
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 | Nenhuma |
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 de píxeis no total, com uma proporção entre 1:3 e 3:1, e a imagem é devolvida exatamente nesse tamanho.
Gerar 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"
}
}'

Texto em chinês e em inglês renderizado e resolvido num quadro. Exemplo do model card do H3-Image da MiniMax.
Este pedido devolve uma imagem de 5472×3072 por 11,2 créditos. A resposta ao 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"
}
}
Editar com várias imagens de referência
As imagens são numeradas pela ordem de image_urls, por isso a primeira é <Picture 1>, a segunda <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 e nove peças de mobiliário compostas numa única sala de estar. Exemplo do model card do H3-Image da MiniMax.
Com a predefinição size: "auto", a saída segue a proporção de <Picture 1>, com uma área de cerca de 2048×2048 píxeis. Este pedido custa 3,2 + 3 × 0,5 = 4,7 créditos ($0.0235). As edições usam sempre a expansão do prompt.
Consultar o resultado
curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
--header "Authorization: Bearer ${POYO_API_KEY}"
data.status | Significado | Passo seguinte |
|---|---|---|
not_started | Em fila | Consulta de novo |
running | A gerar | Consulta de novo |
finished | Concluída | Lê data.files[0].file_url |
failed | Falhou, sem custo | Lê data.error_message |
Um consultor 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 1K ou 2K demorou cerca de 12 segundos, uma imagem 4K cerca de 22 a 25 segundos e uma edição com três imagens de referência cerca de 44 segundos. Se a espera esgotar o tempo, guarda o task_id e consulta-o de novo mais tarde; a tarefa continua a correr do lado da PoYo.
Dicas do guia de prompts da MiniMax
As dicas oficiais de prompt da MiniMax, e como aplicá-las:
- “A tarefa antes do estilo, a composição antes dos pormenores.” Diz para que serve a imagem e o que contém, depois a composição e depois o estilo, através de cor, materiais e luz visíveis.
- “Põe entre aspas cada palavra a mostrar, com a posição e as quebras de linha.” A montra oficial renderiza corretamente puzzles lógicos em chinês e em inglês num quadro.
- Quando quiseres uma imagem limpa, escreve “sem texto, letras nem números na imagem” no prompt principal. O modelo interpreta melhor as exclusões quando estão diretamente no prompt.
- “Dá dados exatos para gráficos e imagens educativas”, com unidades e intervalos de tempo.
- “Dá um papel a cada imagem de referência e diz o que muda e o que fica.” Por exemplo: “<Picture 1> é a sala, <Picture 2> é o sofá; mantém o chão e as janelas.”
- Escreve as grelhas como linhas e colunas, por exemplo “2 linhas e 3 colunas”.
- Usa 2K nos rascunhos. Custa o mesmo do que o 1K na PoYo e dá quatro vezes mais píxeis; passa para 4K na versão final.

Uma instrução clara muda um pormenor e mantém o resto da cena. Exemplo dos materiais do H3-Image da MiniMax.
Para outros modelos de imagem, compara a nossa análise Nano Banana 2.1 vs GPT Image 2.5 e o guia da API MAI Image 2.6. Para criares um vídeo a partir de imagens do H3 Image, vê o tutorial de storyboard com GPT Image 2.5 + MiniMax H3.
Perguntas frequentes
O MiniMax H3 consegue gerar imagens?
Sim, através do 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 a 10 de novembro de 2026, construído sobre a mesma arquitetura e especializado em imagens. Na PoYo, chama o minimax-h3-image para imagens e o 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 imagem. É um diffusion transformer com 33,1 mil milhões de parâmetros que gera imagens 4K nativas de cerca de 16 megapíxeis e edita ou compõe até 16 imagens de referência.
Quanto custa a API do MiniMax H3 Image?
A MiniMax indica $2.30, $1.50 e $3.80 por 1M tokens de entrada de texto, entrada de imagem e saída de imagem no seu escalão Standard, o que dá cerca de $0.022 em 1K ou 2K e $0.069 em 4K por imagem. Na PoYo, custa um valor fixo de $0.016 por imagem em 1K ou 2K e $0.056 em 4K, mais $0.0025 por imagem de referência, com a expansão do prompt incluída.
O MiniMax H3 Image suporta 4K?
Sim. O 4K produz cerca de 16 megapíxeis 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 de píxeis.
Quantas imagens de referência pode usar o MiniMax H3 Image?
Até 16 por edição. Refere-te a elas no prompt pela ordem, como <Picture 1>, <Picture 2> e assim por diante, e dá um papel a cada uma.
O MiniMax H3 Image é open source? Posso corrê-lo localmente?
Sim. A MiniMax publica os pesos no Hugging Face sob a MiniMax-H3-Image Community License. Para os correr, precisas de 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 as empresas maiores ou os serviços alojados pedem autorização escrita à MiniMax. Para apps em produção, a API alojada na PoYo põe-te a funcionar com uma chave.
Qual é a diferença entre o Standard e o Highspeed?
Na plataforma da MiniMax, o Highspeed tem os mesmos parâmetros e limites do Standard, mas corre mais depressa: a MiniMax indica 3–4× a velocidade das alternativas mais comuns, contra 1,5–2× no Standard. Os seus tokens de entrada e saída de imagem custam o dobro, por isso uma imagem 4K custa cerca de $0.13 em vez de $0.069. Na PoYo, o minimax-h3-image custa um valor fixo de $0.056 em 4K.
O que faz a expansão do prompt, e tem custo adicional?
Reescreve o teu prompt como uma descrição detalhada da imagem inteira antes da geração. Na API da MiniMax, o texto acrescentado é faturado como tokens de entrada, cerca de $0.006–$0.008 por pedido. Na PoYo, está incluída no preço por imagem. Desativa-a em texto para imagem quando quiseres que um prompt longo seja seguido tal como está escrito; as edições usam-na sempre.
Posso usar comercialmente os resultados do MiniMax H3 Image?
Sim. A licença da MiniMax deixa contigo os direitos sobre os resultados gerados, e és tu o responsável pela forma como os usas. Segue a política de utilização aceitável da licença e os termos da plataforma que usas.
Quanto tempo demora o MiniMax H3 Image?
Nos testes da PoYo, as imagens 1K ou 2K demoraram cerca de 12 segundos, as 4K cerca de 22 a 25 segundos e uma edição com três referências cerca de 44 segundos. O envio devolve de imediato um task_id, por isso a tua aplicação continua a responder enquanto a imagem é renderizada.