guides

Guia da API MiniMax H3 Image: geração e edição em 4K

Poyo.ai Team
20 min read
Share:

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

ItemEspecificação
Lançamento10 de novembro de 2026 (data da licença)
ModeloDiffusion transformer com 33.1B parâmetros, destilado para 6 passos de amostragem para maior rapidez
TarefasTexto para imagem e edição de imagem num único checkpoint
Tamanhos 4K nativos4096×4096 (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 referência1 a 16 por edição
Expansão do promptReescreve um prompt curto, em qualquer idioma, como uma descrição detalhada em inglês da imagem inteira
Velocidade anunciadaUma 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 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 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.

Montra do MiniMax H3 Image com quinze resultados de texto para imagem em formatos horizontal e vertical, incluindo uma batalha de fantasia em 3D, uma pintura de paisagem em azul e verde, uma rela, dumplings, uma vaca das Highlands, um gato em pixel art e um escaravelho-joia

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:

EscalãoEntrada 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 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:

PedidoStandardHighspeed
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.

SaídaPíxeisTokens de saídaCusto da 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

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:

PedidoPreço 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 se forma o preço na PoYo:

  • 1K ou 2K: 3,2 créditos ($0.016) por imagem. Um WIDTHxHEIGHT personalizado 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

CenárioPedidoCusto na PoYo
500 miniaturas de produto em 2K500 × $0.016$8.00
20 visuais-chave de campanha em 4K 16:920 × $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 2K10 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 próprioAPI alojada (MiniMax ou PoYo)
Trabalho inicialDescarregar cerca de 135 GB, aprovisionar GPUs de grande capacidade, manter uma stack de serviçoUma chave de API
Modelo de custoTempo de GPU, ocupada ou paradaPor imagem (PoYo) ou por token (MiniMax)
VelocidadeDepende do teu hardwareGerida; cerca de 12 segundos por imagem 2K na PoYo
ControloAcesso total ao pipeline, incluindo seeds para execuções reproduzíveisOs campos de pedido que cada API expõe
CondiçõesTerritório da Community License e condições de receitasOs termos de serviço da plataforma
Ideal paraInvestigação, pipelines offline, volume muito alto e estável em territórios licenciadosProdutos, 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:

ObjetivoDefinição
Custo mais baixo com bom detalheresolution: "2K"; custa o mesmo do que o 1K na PoYo
Impressão, faixas grandes, recortesresolution: "4K" para cerca de 16 MP
Composição exata, como um diapositivo de 1920×1080Um size personalizado como 1920x1080
Seguir o teu prompt longo e detalhado tal como está escritoenable_prompt_expansion: false (texto para imagem)
Ideia curta, ou prompt em qualquer idiomaMantém a expansão do prompt ativa
Edição que mantém o enquadramento da origemsize: "auto", que segue <Picture 1>

Edição do MiniMax H3 Image: uma renderização 3D cinzenta e sem texturas de uma base lunar com um veículo e um astronauta, por cima do fotograma de filme fotorrealista editado da mesma cena

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

CampoTipoValoresPredefinição
modelstringminimax-h3-imageObrigatório
input.promptstring1–5 000 caracteresObrigatório
input.image_urlsarray1–16 URLs públicos JPEG, PNG ou WebP, até 20 MB cada, 128–8 192 px por ladoNenhuma
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 falhaNenhuma

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 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"
    }
  }'

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

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"
    }
  }'

Exemplo do MiniMax H3 Image com várias referências: dez referências, uma sala vazia e soalheira e nove peças de mobiliário, por cima da sala de estar decorada com as nove peças

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.statusSignificadoPasso seguinte
not_startedEm filaConsulta de novo
runningA gerarConsulta de novo
finishedConcluídaLê data.files[0].file_url
failedFalhou, sem custoLê 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:

  1. “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.
  2. “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.
  3. 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.
  4. “Dá dados exatos para gráficos e imagens educativas”, com unidades e intervalos de tempo.
  5. “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.”
  6. Escreve as grelhas como linhas e colunas, por exemplo “2 linhas e 3 colunas”.
  7. 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.

Edição por instrução do MiniMax H3 Image: uma fotografia de referência de dois apresentadores de podcast, com o homem de auscultadores, ao lado do resultado editado, em que os auscultadores desapareceram e os apresentadores batem os punhos por cima do letreiro MONEY TALKS

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.

Share: