MiniMax H3-Image: co umie, ceny API, mój test i porównanie z rywalami

👁 121 przeczytań

MiniMax H3-Image to model do generowania i edycji obrazów od MiniMax, firmy, która robi Hailuo AI i model wideo H3. Premiera była 10 listopada 2026. Model od razu robi obrazy około 16 megapikseli, przyjmuje do 16 obrazów referencyjnych i ma otwarte wagi na Hugging Face. W dniu premiery przepuściłem przez niego przez API ponad 170 obrazów za 4,98 USD: polskie napisy, krótkie hasła, przezroczystość, edycję w ośmiu rundach, twarz z trzech zdjęć, 16 referencji i galerię 24 promptów. Ten hub zbiera fakty, ceny i moje wyniki w jednym miejscu.

Najkrócej: to bardzo dobry model do zdjęć produktowych, ilustracji, okładek i scen złożonych z wielu referencji, tani w 4K w tygodniu premiery. Nie nadaje się do grafik z polskim tekstem (na razie lepsze są Nano Banana 2.1 i GPT-Image-2.6), nie robi przezroczystego tła, a jego wag nie wolno legalnie uruchamiać w Unii Europejskiej.

Co to jest MiniMax H3-Image

MiniMax znałem do tej pory z wideo: Hailuo 02, potem H3 i H3 Max, które opisałem w tekście MiniMax: Hailuo, H3 i H3 Max. H3-Image to ta sama architektura H3, tylko bez gałęzi audio i nauczona na obrazach. Według karty modelu na Hugging Face:

• transformer dyfuzyjny ma 33,1 mld parametrów (50 warstw), enkoder tekstu to Qwen3-VL wzięty bez zmian z MiniMax H3;
• generowanie i edycja to jeden checkpoint, edycja przyjmuje od 1 do 16 obrazów;
• rozdzielczość około 16 MP w każdych proporcjach, od 4096×4096 do 6272×2688, bez upscalera; zakres roboczy 4-20 MP;
• model jest destylowany do 6 kroków, bez CFG i bez negatywnego promptu;
• obok jest wersja Highspeed i opcjonalny ekspander promptu (MiniMax-H3-Image-PE, 17,9 GB), który z krótkiego polecenia w dowolnym języku robi długi opis po angielsku.

Gdzie działa i ile kosztuje (stan na 10.11.2026, wieczór)

Kurs NBP z 10.11.2026: 1 USD = 3,9099 zł. Obraz 4K z promocją to więc około 13 groszy, 2K około 9 groszy. Szczegóły i pułapka z progiem 16,6 mln pikseli są w tekście MiniMax H3-Image: cena i API.

Sprawdziłem: wyniki w liczbach

Wyniki rywali są z moich testów 9-10 listopada na dokładnie tych samych poleceniach, opisanych w hubie Seedream 5.5. Twarz to zdjęcia Waco, który zgodził się na użycie wizerunku w poradnikach promptowego; ArcFace liczę tak samo dla wszystkich modeli.

Do czego się nadaje, a do czego nie

• Tak: zdjęcia produktów i e-commerce, okładki i plakaty z angielskim tekstem, storyboardy, ilustracje w wielu stylach, wnętrza złożone z wielu przedmiotów, druk w dużym formacie (16 MP od razu).
• Raczej nie: grafiki z polskim tekstem, wycinki na przezroczystym tle, długie poprawianie jednego obrazu krok po kroku, wierna twarz konkretnej osoby (GPT-Image-2.6 trzyma ją lepiej).

Otwarte wagi i licencja

Wagi są w repozytorium MiniMaxAI/MiniMax-H3-Image, a społeczność już w dniu premiery wystawiła wersje dla ComfyUI (int8 21 GB, w4a8 12,6 GB) i GGUF (od 6,9 GB). Licencja MiniMax-H3-Image Community wyłącza jednak z obszaru użycia Unię Europejską, Wielką Brytanię, Koreę Południową i USA, a firmy z przychodem powyżej 1 mln USD rocznie i usługi hostowane potrzebują osobnej zgody. Dlatego nie uruchamiałem modelu lokalnie. Rozpisuję to w tekście czy MiniMax H3-Image da się uruchomić lokalnie w Polsce.

Seria o MiniMax H3-Image

01MiniMax H3-Image: obrazy 16 MP, otwarte wagi i 16 referencji. Mój test w dniu premieryMiniMax wypuścił H3-Image: obrazy około 16 MP, do 16 referencji, otwarte wagi i 4K za 0,034 USD w tygodniu premiery. Puściłem przez model ponad 170 obrazów. Mocny w zdjęciach i scenach z wielu referencji, słaby w polskich literach.Czytaj →

Starsze teksty o MiniMax i rywalach

01MiniMax: Hailuo, H3 i H3 Max - wersje, ceny, polski i mój testPrzewodnik po MiniMax: jak łączą się Hailuo, H3 i H3 Max, historia modeli wideo, ceny, polska mowa i test obrazu na wideo kontra Kling 3.0 Pro.Czytaj →02Hailuo AI i MiniMax H3: co potrafi, ile kosztuje i czy jest za darmoHailuo od MiniMaxa to tani generator do szybkich prób, a MiniMax H3 dokłada 2K i dźwięk stereo. Plany od 7,99 USD, koszt klipu przez API, limity za darmo.Czytaj →03MiniMax H3 Max: 1. miejsce w obrazie na wideo, cena i mój testCo to jest H3 Max, ile kosztuje, jak go uruchomić przez API i jak wypadł w trzech moich testach: obraz na wideo, polska mowa i ranking 10 modeli.Czytaj →04Seedream 5.5: co nowego, gdzie działa w Polsce, ceny API i porównanie z rywalamiWszystko o Seedream 5.5 w jednym miejscu: co ogłosił ByteDance, gdzie model działa, ile kosztuje i jak wypadają rywale w moich testach.Czytaj →05Nano Banana 2.1: Google tnie cenę o połowę. Mój test w dniu premieryNano Banana 2.1 od 6 października: połowa ceny poprzednika, panoramy 8:1 i edycja z maską. Mój test w dniu premiery.Czytaj →06ChatGPT Images 2.6: GIF-y, Flare i Sunburst. Przetestowałem ponad 130 obrazówChatGPT Images 2.6 w dniu premiery: GIF-y, Flare i Sunburst, cennik i mój test ponad 130 obrazów.Czytaj →

Najczęstsze pytania

Czy MiniMax H3-Image jest za darmo?

W aplikacji Hailuo AI nowi użytkownicy dostają darmowe kredyty, a obraz H3-Image kosztuje 3 kredyty bez względu na rozdzielczość. Przez API płacisz od pierwszego obrazu: około 0,023 USD za 2K i 0,034 USD za 4K do 17 listopada.

Czy MiniMax H3-Image pisze po polsku?

Polecenie możesz napisać po polsku, bo ekspander i tak przerabia je na angielski. Gorzej z polskim tekstem w obrazie: w moim teście średnio 26 błędów na 550 znaków, typowe są „zl” zamiast „zł” i czeskie haczyki w miejscu ogonków.

Czy MiniMax H3-Image robi przezroczyste tło?

Nie. Dokumentacja API wymienia przezroczyste tło wśród rzeczy nieobsługiwanych, a w moim teście 5 na 5 obrazów miało pełne tło.

Ile trwa obraz 4K?

Przez API 22-24 sekundy, 2K 13-17 sekund. MiniMax w zapowiedzi podaje około 10 sekund, zapewne na własnej infrastrukturze bez kolejki.

Czy mogę uruchomić MiniMax H3-Image na swoim komputerze?

Technicznie z kwantyzacją społeczności tak, ale licencja wag nie obejmuje Unii Europejskiej. W Polsce zgodnie z licencją zostaje API albo Hailuo AI.

Czym się różni od MiniMax H3?

MiniMax H3 to model wideo z dźwiękiem. H3-Image ma tę samą architekturę bez części audio i robi tylko obrazy.