MiniMax H3 Image im Test: natives 4K, 16 Referenzbilder und Bild zu Video mit H3

Einblicke7 Min. Lesezeit
MiniMax H3 Image im Test: natives 4K, 16 Referenzbilder und Bild zu Video mit H3

MiniMax H3 Image gegen Seedream 5.5 mit denselben Prompts: Produkt, Porträt, Postertext, Nachtmarkt, dazu 4K-Details, 6-Bild-Komposition, Edits und Video.

Am 11. November hat MiniMax H3 Image veröffentlicht, ein Geschwistermodell seines Videomodells MiniMax H3. Das Versprechen im offiziellen Blogbeitrag ist unverblümt: natives 4K, bis zu 16 Referenzbilder in einer Anfrage und ein einziges Modell für Generieren und Bearbeiten. Ungewöhnlicher ist, dass die Gewichte offen auf Hugging Face liegen.

ZOOOP hat MiniMax H3 Image heute in den KI-Bildgenerator aufgenommen. Bevor es live ging, habe ich es und Seedream 5.5 durch dieselben Prompts geschickt und dann eines der Ergebnisse an H3 Video weitergegeben, um zu sehen, ob ein Standbild daraus sofort in Bewegung kommen kann.

Was MiniMax H3 Image ist

Es gibt nicht viele Einstellungen, aber jede ist großzügig. Prompts dürfen bis zu 32.000 Zeichen lang sein, genug für eine ganze Seite Storyboard-Notizen. Sie bekommen acht Seitenverhältnisse: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 und 9:16. Die Auflösung gibt es in nur zwei Stufen, 2K und 4K. In 4K misst die lange Seite rund 5.120 Pixel, ein 16:9-Bild kommt also mit 5120×2891 heraus.

Lassen Sie das Referenzfeld leer, ist es Text zu Bild. Legen Sie 1 bis 16 Bilder hinein, bearbeitet oder kombiniert es sie stattdessen. Was es nicht kann, ist ein transparenter Hintergrund: Für Sticker oder Icons, die sauber freigestellt sein müssen, brauchen Sie ein anderes Modell.

Beim Preis liegt die 2K-Option in der günstigeren Klasse, derselben wie Seedream 5.5. 4K kostet mehr.

So habe ich getestet

Das Vergleichsmodell ist Seedream 5.5. Es endet bei 2K, also liefen beide in 2K, je ein Bild pro Prompt:

  • Produktfoto: ein handgemachter, gesprenkelter Keramik-Kaffeebecher auf einer Leinentischdecke, daneben ein angebissenes Croissant und ein Rosmarinzweig, Morgenlicht, 4:3
  • Umgebungsporträt: ein älterer Bäcker mit mehlbestäubten Armen in einer Steinbäckerei im Morgengrauen, 3:4
  • Vintage-Reiseposter: die Überschrift „VISIT THE NORTHERN LIGHTS“, „Tromsø · Winter 2026“ am unteren Rand, eine kleine rote Hütte unter dem Polarlicht, 2:3
  • Luftaufnahme eines Nachtmarkts im Regen: Hunderte Laternen, dampfende Essensstände, Spiegelungen auf dem nassen Pflaster, Menschen unter Regenschirmen, 16:9

Dann kamen noch ein paar Extras dazu. Der Nachtmarkt lief noch einmal in 4K, was nur MiniMax H3 Image kann. Sechs Referenzbilder wurden zu einem Café-Schaufenster kombiniert, ein Corgi-Foto wurde in einen Schneetag verwandelt, und zum Schluss ging das Bild mit dem Kaffeebecher an H3 Video für einen 5-Sekunden-Clip.

Produktfotos und Porträts im Vergleich mit Seedream 5.5

Beide Becherbilder wären so verwendbar. Der Unterschied ist die Stimmung. MiniMax H3 Image hat sich für wärmeres Licht und ein großes Croissant nah an der Linse entschieden, mit der Bissstelle und den Krümeln direkt im Vordergrund. Das ist ein Werbelayout. Seedream 5.5 hat das Croissant auf einen kleinen Teller gelegt und nach hinten gerückt, der Tischdecke einen graugrünen Ton gegeben und das ganze Bild ruhiger gehalten.

Produktfoto von Kaffeebecher und Croissant im Vergleich

Links: H3 Image, rechts: Seedream 5.5

Beim Porträt ist der Abstand größer. H3 hat mir eine Szene mit Geschichte geliefert: eine alte Frau bei der Arbeit am Backtisch, ein Nudelholz neben der Hand, Mehl überall auf den Unterarmen, Brotregale hinter ihr und Fensterlicht, das von links hereinfällt. Seedream 5.5 hat daraus ein frontales Porträt gemacht, bei dem die Person direkt in die Kamera blickt, während die Bäckerei im Hintergrund verschwimmt. Für Markenstorytelling ist die H3-Version nützlicher. Wenn Sie nur ein sauberes Bild einer Person brauchen, ist das von Seedream völlig in Ordnung.

Umgebungsporträt eines älteren Bäckers im Vergleich

Links: H3 Image, rechts: Seedream 5.5

Postertext und eine große Nachtszene

Das Poster ist ein Schrifttest. Beide Modelle haben die Überschrift richtig geschrieben, und die Zeile „Tromsø · Winter 2026“ unten ebenfalls. MiniMax H3 Image hat allerdings eine zusätzliche Zeile mit „Norway“ unter die Überschrift geschmuggelt. Tromsø liegt tatsächlich in Norwegen, aber diese Zeile stand nicht im Prompt. Wäre das der freigegebene Text eines Kunden, hieße diese Art von Improvisation: noch einmal machen.

Vintage-Reiseposter im Vergleich

Links: H3 Image, rechts: Seedream 5.5

Den Nachtmarkt haben beide wunderschön umgesetzt. Die Laternen, der Dampf und die Spiegelungen auf dem Boden sind alle da. H3 hat ihn fast senkrecht von oben aufgenommen, wie eine Drohne, die über der Straße schwebt. Seedream 5.5 hat den Winkel gekippt und die Gebäude in der Ferne mit ins Bild genommen, was mehr Tiefe gibt. Nennen wir es unentschieden. Es kommt darauf an, welche Ansicht Sie wollen.

Luftaufnahme eines Nachtmarkts im Regen im Vergleich

Links: H3 Image, rechts: Seedream 5.5

Was 4K wirklich bringt

Ich habe den Nachtmarkt-Prompt noch einmal mit MiniMax H3 Image in 4K laufen lassen, und die Datei kam mit 5120×2891 heraus. Verkleinert sieht sie ungefähr aus wie die 2K-Version. Zoomen Sie auf 100 %, sehen Sie, wofür sie da ist.

Das vollständige 4K-Bild des Nachtmarkts

Das vollständige 4K-Bild des Nachtmarkts, hier verkleinert

Schneiden Sie den Nudelstand links heraus, und alles hält stand: der Dampf über den Töpfen, die Reihen von Schüsseln, die Spiegelungen auf den durchsichtigen Regenschirmen, nichts davon verschwimmt. Die großen Schilder, „拉麵 NOODLES“ und „炒飯 FRIED RICE“, sind sauber beschriftet. Bei kleinem Text bricht es ein. Die kleinen chinesischen Schriftzeichen neben dem Schild entpuppen sich beim Hineinzoomen als Kauderwelsch.

Ein Ausschnitt aus dem 4K-Original

Der Nudelstand links im 4K-Original, in 100 % ausgeschnitten, mit dem Schild oben links

4K eignet sich also für realistische Szenen, die Sie später vergrößern oder beschneiden wollen, etwa um mehrere Social-Media-Posts aus einer Totalen zu ziehen. Verlassen Sie sich nicht darauf, dass es kleinen Text richtig hinbekommt. Es ist auch nicht viel langsamer als 2K. In dieser Runde brauchte H3 in 2K etwa 28 bis 50 Sekunden pro Bild und in 4K etwa 28 bis 61 Sekunden. Seedream 5.5 lag in 2K bei 24 bis 35 Sekunden, ein wenig schneller.

Sechs Bilder in einem, dazu eine Bearbeitung

MiniMax H3 Image akzeptiert bis zu 16 Referenzbilder, Seedream 5.5 bis zu 10. Ich habe sechs verwendet und um ein Café-Schaufenster gebeten: die ersten Gegenstände auf einer Holztheke aufgereiht, das rote Fahrrad aus dem Moodboard vor dem Fenster geparkt und die drei Poster an der Rückwand aufgehängt.

Die sechs Referenzbilder

Die sechs Referenzbilder, von links nach rechts: Teedose und Teebeutel, Becher und Croissant, Roboterspielzeug aus Filz, weiße Teekanne, Moodboard, drei illustrierte Poster

Beide haben alle sechs untergebracht, und die Blumen auf der Teedose, der Roboter und die Poster passen zu den Referenzen. Der Unterschied liegt in der Platzierung. H3 hat das Fahrrad in den Laden geholt und an einen Tisch gelehnt. Seedream 5.5 hat getan, was verlangt war, und es draußen auf dem Gehweg gelassen. In diesem Test hat H3 die räumlichen Anweisungen in einer Komposition aus mehreren Bildern nicht befolgt, prüfen Sie Ihre Kompositionen also, sobald sie fertig sind. Zur Dauer: H3 brauchte dafür 51 Sekunden, Seedream 39.

Komposition eines Café-Schaufensters aus sechs Bildern im Vergleich

Links: H3 Image, rechts: Seedream 5.5

Zum Bearbeiten habe ich die häufigste Anfrage in Bild bearbeiten ausprobiert: ein Handyfoto eines Corgis, der die Pfoten neben einer gelben Flasche auf eine Theke gestützt hat, verwandelt in einen Schneetag, Hund und Flasche unangetastet. Beide haben es geschafft, die Haltung des Corgis und die Flasche blieben, wo sie waren. H3 hat den Schnee dicker aufgetragen und ist kälter geworden, während Seedream mehr von der Wärme des Originals behalten hat. Beide sind brauchbar. H3 brauchte für diese Bearbeitung etwa 71 Sekunden, länger als bei Text zu Bild.

Corgi-Foto, bearbeitet zu einer Schneeszene

Von links nach rechts: das Originalfoto, die Schneebearbeitung von H3 Image, die Schneebearbeitung von Seedream 5.5

Vom Bild zum Video mit H3

MiniMax H3 Image stammt aus derselben Familie wie das Videomodell MiniMax H3, also habe ich zum Abschluss das Bild mit dem Kaffeebecher als Startbild an H3 Video gegeben: 480p, 5 Sekunden, mit dem Prompt „Dampf steigt auf, langsamer Push-in, eine Hand greift von rechts ins Bild und nimmt das Croissant“. Auf ZOOOP ist das Start- / Endbild, bei dem nur das Startbild ausgefüllt ist.

Alle drei Dinge sind passiert. Der Dampf steigt auf, die Kamera fährt heran, und eine Hand kommt von rechts und hebt das Croissant mit natürlich wirkender Bewegung an. Es gibt allerdings einen Anschlussfehler. Das angebissene Croissant ist wieder ganz, sobald es hochgehoben wird, was Sie sehen, wenn Sie das erste Bild mit den letzten beiden vergleichen. Das Modell hat sich das Croissant gemerkt und den Biss vergessen. Sie könnten versuchen, „einmal angebissen“ im Video-Prompt zu wiederholen, oder einfach mit einem Bild mit unberührtem Croissant beginnen.

Fünf Bilder aus dem Bild-zu-Video-Clip

Fünf Bilder aus dem H3-Videoclip in zeitlicher Reihenfolge, von links nach rechts; in den letzten beiden ist das Croissant wieder ganz

Die Generierung des Videos dauerte etwa 171 Sekunden.

Welches Sie nehmen sollten

Nehmen Sie MiniMax H3 Image, wenn Sie 4K brauchen, große realistische Bilder, die Sie vergrößern und beschneiden, oder viele Referenzen auf einmal. Seine Produktfotos und Porträts haben ein starkes Gespür für den Ort und sehen eher nach echten Werbeshootings und Reportagefotos aus.

Für transparente Hintergründe, stabile Bearbeitungen desselben Bildes über mehrere Runden oder Gegenstände genau dort, wo Sie sie haben wollten, ist Seedream 5.5 die sicherere Wahl. Es war diesmal das einzige, das das Fahrrad an die richtige Stelle gesetzt hat. Für textlastige Layouts wie Menüs und Infografiken ist keines von beiden die erste Wahl; nehmen Sie stattdessen GPT Image 2.6.

Noch etwas Praktisches: Was Sie erstellen, kann direkt als Startbild an H3 Video gehen. Um es auszuprobieren, öffnen Sie MiniMax H3 Image, machen ein paar Durchgänge in 2K, um eine Richtung zu finden, und wechseln zu 4K, sobald Ihnen gefällt, was Sie sehen.

Häufig gestellte Fragen

Wie viele Referenzbilder nimmt MiniMax H3 Image?

Bis zu 16. Ohne Bild ist es Text zu Bild; fügen Sie Bilder hinzu, bearbeitet oder kombiniert es sie. Seedream 5.5 nimmt bis zu 10.

Kann MiniMax H3 Image transparente Hintergründe erzeugen?

Nein. Für Sticker, Icons oder freigestellte Produkte auf transparentem Hintergrund nehmen Sie Seedream 5.5.

Wie groß sind die 4K-Bilder?

Die lange Seite misst etwa 5.120 Pixel, 16:9 kommt also mit 5120×2891 heraus. Sowohl 2K als auch 4K bieten alle acht Seitenverhältnisse.

Kann ich MiniMax H3 Image lokal ausführen?

Die Gewichte sind öffentlich auf Hugging Face, Sie können sie also herunterladen und selbst ausführen; die Hardwareanforderungen stehen in den offiziellen Hinweisen. Auf ZOOOP müssen Sie nichts einrichten: Öffnen Sie die Modellseite und schreiben Sie einen Prompt.

Wie arbeiten H3 Image und H3 Video zusammen?

Erstellen Sie zuerst ein Bild, geben Sie es dann als Startbild an H3 Video und beschreiben Sie, wie sich die Szene bewegen soll. Details können sich im Video verschieben, wie hier beim Croissant, das beim Hochheben seine Bissspur verloren hat.

Teilen

Mehr entdecken

Alle anzeigen