MiniMax H3 Image testet: indbygget 4K, 16 referencebilleder og billede til video med H3

MiniMax H3 Image vs Seedream 5.5 med de samme prompts: produkt, portræt, plakattekst, natmarked, så 4K-detaljer, 6 billeder i ét, redigering og video.
Den 11. november udgav MiniMax H3 Image, en søskendemodel til selskabets videomodel MiniMax H3. Budskabet i det officielle blogindlæg er ligefremt: indbygget 4K, op til 16 referencebilleder i én forespørgsel og én model til både at generere og redigere. Det mere usædvanlige er, at vægtene ligger åbent på Hugging Face.
ZOOOP føjede MiniMax H3 Image til AI-billedgeneratoren i dag. Før den gik live, kørte jeg den og Seedream 5.5 gennem det samme sæt prompts og gav derefter et af resultaterne videre til H3-video for at se, om et stillbillede derfra kunne komme i bevægelse med det samme.
Hvad MiniMax H3 Image er
Der er ikke mange indstillinger, men hver af dem er gavmild. Prompts kan være op til 32.000 tegn, nok til en hel side storyboardnoter. Du får otte aspektforhold: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 og 9:16. Opløsningen findes i kun to trin, 2K og 4K. I 4K er den lange side cirka 5.120 pixels, så et 16:9-billede kommer ud i 5120×2891.
Lad referencefeltet være tomt, og det er tekst til billede. Læg mellem 1 og 16 billeder i, og så redigerer eller kombinerer den dem i stedet. Det, den ikke kan, er en gennemsigtig baggrund, så til klistermærker eller ikoner, der skal være pænt friskårne, skal du bruge en anden model.
Prismæssigt ligger 2K-muligheden i den billigere klasse, den samme som Seedream 5.5. 4K koster mere.
Sådan testede jeg den
Sammenligningsmodellen er Seedream 5.5. Den går højst op til 2K, så begge kørte i 2K, ét billede pr. prompt hver:
- Produktbillede: et håndlavet, prikket keramikkrus med kaffe på en hørdug, ved siden af en croissant med én bid taget og en kvist rosmarin, morgenlys, 4:3
- Miljøportræt: en ældre bager med melstøvede arme i et stenbageri ved daggry, 3:4
- Vintage rejseplakat: overskriften "VISIT THE NORTHERN LIGHTS", "Tromsø · Winter 2026" langs bunden, en lille rød hytte under nordlyset, 2:3
- Luftoptagelse af et natmarked i regnvejr: hundredvis af lanterner, dampende madboder, spejlinger på den våde brolægning, folk under paraplyer, 16:9
Så tilføjede jeg et par ekstra. Natmarkedet kørte igen i 4K, hvilket kun MiniMax H3 Image kan. Seks referencebilleder blev kombineret til ét caféudstillingsvindue, et corgifoto blev forvandlet til en snevejrsdag, og til sidst gik billedet med kaffekruset videre til H3-video til et klip på 5 sekunder.
Produktbilleder og portrætter mod Seedream 5.5
Begge krusbilleder kunne bruges, som de er. Forskellen er stemningen. MiniMax H3 Image valgte varmere lys og en stor croissant tæt på linsen, med bidfladen og krummerne lige i forgrunden. Det er et reklamelayout. Seedream 5.5 lagde croissanten på en lille tallerken og skubbede den tilbage, gav duggen et grågrønt skær og holdt hele billedet roligere.

Venstre: H3 Image, højre: Seedream 5.5
Portrættet viser en større forskel. H3 gav mig en scene med en historie i: en gammel kvinde i arbejde ved bordet, en kagerulle ved hånden, mel over hele underarmene, hylder med brød bag hende og vindueslys, der falder ind fra venstre. Seedream 5.5 gjorde det til et portræt lige forfra: bageren kigger direkte ind i kameraet, mens bageriet glider ud i baggrunden. Til brandstorytelling er H3-versionen mere brugbar. Hvis du bare skal bruge et rent billede af en person, er det fra Seedream helt fint.

Venstre: H3 Image, højre: Seedream 5.5
Plakattekst og en stor natscene
Plakaten er en skrifttest. Begge modeller fik overskriften rigtigt og linjen "Tromsø · Winter 2026" nederst med. MiniMax H3 Image smuttede dog en ekstra linje med "Norway" ind under overskriften. Tromsø ligger ganske rigtigt i Norge, men den linje stod ikke i prompten. Hvis det var en kundes godkendte tekst, ville den slags improvisation betyde, at det skulle laves om.

Venstre: H3 Image, højre: Seedream 5.5
Begge klarede natmarkedet smukt. Lanternerne, dampen og spejlingerne på jorden er der alle sammen. H3 optog det næsten lodret ovenfra, som en drone, der hænger over gaden. Seedream 5.5 vippede vinklen og fik bygningerne i det fjerne med, hvilket giver mere dybde. Kald den uafgjort. Det kommer an på, hvilken vinkel du vil have.

Venstre: H3 Image, højre: Seedream 5.5
Hvad 4K faktisk giver dig
Jeg kørte natmarkedsprompten igen på MiniMax H3 Image i 4K, og filen kom ud i 5120×2891. Skaleret ned ser den omtrent ud som 2K-versionen. Zoom ind til 100 %, så ser du, hvad den er til.

Hele 4K-billedet af natmarkedet, her skaleret ned
Beskær nudelboden til venstre, og alt holder: dampen over gryderne, rækkerne af skåle, spejlingerne i de gennemsigtige paraplyer, intet af det flyder sammen. De store skilte, "拉麵 NOODLES" og "炒飯 FRIED RICE", er pænt skrevet. Det er ved lille tekst, det går galt. De små kinesiske tegn ved siden af skiltet viser sig at være volapyk, når man zoomer ind.

Nudelboden til venstre i 4K-originalen, beskåret i 100 %, med skiltet øverst til venstre
Så 4K passer til realistiske scener, du har tænkt dig at forstørre eller beskære senere, for eksempel at trække flere opslag til sociale medier ud af én bred optagelse. Regn ikke med, at den får lille tekst rigtigt. Den er heller ikke meget langsommere end 2K. I denne runde tog H3 omkring 28 til 50 sekunder pr. billede i 2K og omkring 28 til 61 sekunder i 4K. Seedream 5.5 i 2K tog 24 til 35 sekunder, lidt hurtigere.
Seks billeder til ét, plus en redigering
MiniMax H3 Image tager op til 16 referencebilleder, mens Seedream 5.5 tager op til 10. Jeg brugte seks og bad om et caféudstillingsvindue: de første par ting stillet op på en disk af træ, den røde cykel fra moodboardet parkeret uden for vinduet og de tre plakater hængt op på bagvæggen.

De seks referencebilleder, fra venstre mod højre: tedåse og teposer, krus og croissant, robotlegetøj i filt, hvid tekande, moodboard, tre illustrerede plakater
Begge fik alle seks med, og blomsterne på tedåsen, robotten og plakaterne matcher alle referencerne. Forskellen ligger i placeringen. H3 tog cyklen med ind i butikken og stillede den op ad et bord. Seedream 5.5 gjorde, som der blev bedt om, og lod den stå ude på fortovet. I denne test fulgte H3 ikke de rumlige anvisninger i en sammensætning af flere billeder, så tjek dine sammensætninger, når de kommer ud. Tidsmæssigt tog H3 51 sekunder om denne og Seedream 39.

Venstre: H3 Image, højre: Seedream 5.5
Til redigering prøvede jeg den mest almindelige anmodning i Rediger billede: et mobilfoto af en corgi med poterne oppe på en disk ved siden af en gul flaske, forvandlet til en snevejrsdag, mens hunden og flasken får lov at være. Begge klarede det, og corgiens positur og flasken blev, hvor de var. H3 lagde sneen tykkere på og gik koldere, mens Seedream bevarede mere af originalens varme. Begge kan bruges. H3 tog omkring 71 sekunder om denne redigering, langsommere end ved tekst til billede.

Fra venstre mod højre: det originale foto, sneredigeringen fra H3 Image, sneredigeringen fra Seedream 5.5
Fra billede til video med H3
MiniMax H3 Image kommer fra samme familie som videomodellen MiniMax H3, så til sidst gav jeg billedet med kaffekruset til H3-video som startbillede: 480p, 5 sekunder, med prompten "damp stiger op, langsom push-in, en hånd rækker ind fra højre og tager croissanten". På ZOOOP er det Start-/slutbillede med kun startbilledet udfyldt.
Alle tre ting skete. Dampen stiger op, kameraet kører ind, og en hånd kommer ind fra højre og løfter croissanten med en naturligt udseende bevægelse. Der er dog én kontinuitetsfejl. Croissanten med en bid taget er hel igen, så snart den bliver løftet, hvilket du kan se ved at sammenligne det første billede med de sidste to. Modellen huskede croissanten og glemte biddet. Du kan prøve at gentage "én bid taget" i videoprompten eller bare starte fra et billede med en urørt croissant.

Fem billeder fra H3-videoklippet i tidsrækkefølge fra venstre mod højre; i de sidste to er croissanten hel igen
Videoen tog omkring 171 sekunder at generere.
Hvilken skal du bruge
Vælg MiniMax H3 Image, når du har brug for 4K, store realistiske billeder, du vil forstørre og beskære, eller mange referencer på én gang. Dens produktbilleder og portrætter har en stærk fornemmelse af sted og ligner mere rigtige reklameoptagelser og dokumentarfotos.
Til gennemsigtige baggrunde, stabile redigeringer af det samme billede runde efter runde eller genstande placeret præcis, hvor du bad om det, er Seedream 5.5 det sikreste valg. Den var den eneste, der satte cyklen det rigtige sted denne gang. Til teksttunge layouts som menuer og infografikker er ingen af dem førstevalget; gå til GPT Image 2.6 i stedet.
En ting mere, der er praktisk: alt, hvad du laver, kan gå direkte videre til H3-video som startbillede. For at prøve det skal du åbne MiniMax H3 Image, køre et par stykker i 2K for at finde en retning og så skifte til 4K, når du kan lide det, du ser.
Ofte stillede spørgsmål
Hvor mange referencebilleder kan MiniMax H3 Image tage?
Op til 16. Uden billede er det tekst til billede; tilføjer du billeder, redigerer eller kombinerer den dem. Seedream 5.5 tager op til 10.
Kan MiniMax H3 Image lave gennemsigtige baggrunde?
Nej. Til klistermærker, ikoner eller friskårne produkter på gennemsigtig baggrund skal du bruge Seedream 5.5.
Hvor store er 4K-billederne?
Den lange side er cirka 5.120 pixels, så 16:9 kommer ud i 5120×2891. Både 2K og 4K tilbyder alle otte aspektforhold.
Kan jeg køre MiniMax H3 Image lokalt?
Vægtene er offentlige på Hugging Face, så du kan downloade og køre dem selv; tjek de officielle noter for hardwarekrav. På ZOOOP er der intet at sætte op: åbn modelsiden, og skriv en prompt.
Hvordan arbejder H3 Image og H3-video sammen?
Lav først et billede, giv det så til H3-video som startbillede, og beskriv, hvordan scenen skal bevæge sig. Detaljer kan ændre sig i videoen, som croissanten her, der mistede sit bidmærke, da den blev løftet op.





