MiniMax H3 Image a prueba: 4K nativo, 16 imágenes de referencia y de imagen a video con H3

MiniMax H3 Image vs Seedream 5.5 con los mismos prompts: producto, retrato, texto en póster, mercado nocturno, 4K, 6 imágenes en una, edición y video.
El 11 de noviembre, MiniMax lanzó H3 Image, hermano de su modelo de video MiniMax H3. La promesa de la entrada oficial del blog es directa: 4K nativo, hasta 16 imágenes de referencia en una sola solicitud y un único modelo para generar y editar. Lo menos habitual es que los pesos están publicados abiertamente en Hugging Face.
ZOOOP añadió hoy MiniMax H3 Image al Generador de imágenes con IA. Antes de que saliera, lo pasé junto con Seedream 5.5 por la misma serie de prompts, y luego le di uno de los resultados a H3 video para ver si una imagen fija suya podía empezar a moverse de inmediato.
Qué es MiniMax H3 Image
No tiene muchos ajustes, pero cada uno es generoso. Los prompts pueden llegar a 32.000 caracteres, suficiente para una página entera de notas de storyboard. Tienes ocho relaciones de aspecto: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 y 9:16. La resolución tiene solo dos niveles, 2K y 4K. En 4K el lado largo mide unos 5.120 píxeles, así que una imagen 16:9 sale a 5120×2891.
Deja vacío el espacio de referencia y es texto a imagen. Pon entre 1 y 16 imágenes y, en su lugar, las edita o las combina. Lo que no puede hacer es un fondo transparente, así que para stickers o iconos que necesitan un recorte limpio tendrás que usar otro modelo.
En precio, la opción 2K está en el rango más barato, el mismo que Seedream 5.5. La 4K cuesta más.
Cómo lo probé
El modelo de comparación es Seedream 5.5. Llega como máximo a 2K, así que los dos corrieron a 2K, una imagen por prompt cada uno:
- Foto de producto: una taza de café de cerámica moteada hecha a mano sobre un mantel de lino, junto a un cruasán con un mordisco y una ramita de romero, luz de mañana, 4:3
- Retrato ambientado: una panadera mayor con los brazos llenos de harina en una panadería de piedra al amanecer, 3:4
- Póster de viaje vintage: el titular "VISIT THE NORTHERN LIGHTS", "Tromsø · Winter 2026" en la parte de abajo, una pequeña cabaña roja bajo la aurora, 2:3
- Toma aérea de un mercado nocturno bajo la lluvia: cientos de farolillos, puestos de comida humeantes, reflejos en el pavimento mojado, gente con paraguas, 16:9
Después añadí algunos extras. El mercado nocturno se repitió en 4K, algo que solo MiniMax H3 Image puede hacer. Seis imágenes de referencia se combinaron en un escaparate de cafetería, una foto de un corgi se convirtió en un día nevado y, por último, la imagen de la taza pasó a H3 video para un clip de 5 segundos.
Fotos de producto y retratos frente a Seedream 5.5
Las dos imágenes de la taza se podrían usar tal cual. La diferencia es el ambiente. MiniMax H3 Image optó por una luz más cálida y un cruasán grande cerca del objetivo, con su cara cortada y las migas en primerísimo plano. Es una composición de anuncio. Seedream 5.5 puso el cruasán en un platito y lo llevó al fondo, dio al mantel un tono gris verdoso y mantuvo todo el cuadro más tranquilo.

Izquierda: H3 Image, derecha: Seedream 5.5
El retrato muestra una diferencia mayor. H3 me dio una escena con una historia dentro: una anciana trabajando en la mesa, un rodillo junto a la mano, harina por todos los antebrazos, estantes de pan detrás y la luz de la ventana entrando por la izquierda. Seedream 5.5 lo convirtió en un retrato frontal, con la panadera mirando de frente a la cámara mientras la panadería queda en segundo plano. Para contar la historia de una marca, la versión de H3 es más útil. Si solo necesitas una imagen limpia de una persona, la de Seedream está perfectamente bien.

Izquierda: H3 Image, derecha: Seedream 5.5
Texto en el póster y una gran escena nocturna
El póster es una prueba de rotulación. Los dos modelos escribieron bien el titular, y también la línea "Tromsø · Winter 2026" de abajo. MiniMax H3 Image, eso sí, coló debajo del titular una línea extra que dice "Norway". Tromsø de verdad está en Noruega, pero esa línea no estaba en el prompt. Si fuera el texto ya aprobado por un cliente, esa clase de improvisación obliga a rehacerlo.

Izquierda: H3 Image, derecha: Seedream 5.5
Los dos resolvieron el mercado nocturno de maravilla. Los farolillos, el vapor y los reflejos en el suelo están ahí. H3 lo tomó casi en vertical, como un dron suspendido sobre la calle. Seedream 5.5 inclinó el ángulo y dejó ver los edificios al fondo, lo que le da más profundidad. Aquí hay empate. Depende de la vista que quieras.

Izquierda: H3 Image, derecha: Seedream 5.5
Lo que de verdad te da el 4K
Volví a ejecutar el prompt del mercado nocturno en MiniMax H3 Image a 4K, y el archivo salió a 5120×2891. Reducida, se ve más o menos igual que la versión 2K. Haz zoom al 100 % y verás para qué sirve.

La imagen completa del mercado nocturno en 4K, reducida aquí
Recorta el puesto de fideos de la izquierda y todo aguanta: el vapor sobre las ollas, las filas de cuencos, los reflejos en los paraguas transparentes, nada se emborrona. Los letreros grandes, "拉麵 NOODLES" y "炒飯 FRIED RICE", están rotulados con limpieza. Donde falla es en el texto pequeño. Los caracteres chinos pequeños junto al letrero resultan ser un galimatías cuando haces zoom.

El puesto de fideos de la izquierda del original en 4K, recortado al 100 %, con el letrero arriba a la izquierda
Así que el 4K sirve para escenas realistas que piensas ampliar o recortar después, como sacar varias publicaciones para redes de un solo plano general. No cuentes con él para acertar con el texto pequeño. Tampoco es mucho más lento que el 2K. En esta ronda, H3 tardó unos 28 a 50 segundos por imagen en 2K y unos 28 a 61 segundos en 4K. Seedream 5.5 en 2K tardó de 24 a 35 segundos, algo más rápido.
Seis imágenes en una, más una edición
MiniMax H3 Image acepta hasta 16 imágenes de referencia, mientras que Seedream 5.5 admite hasta 10. Usé seis y pedí un escaparate de cafetería: los primeros objetos colocados sobre un mostrador de madera, la bicicleta roja del moodboard aparcada fuera del escaparate y los tres pósteres colgados en la pared del fondo.

Las seis imágenes de referencia, de izquierda a derecha: lata de té y bolsitas, taza y cruasán, robot de fieltro, tetera blanca, moodboard, tres pósteres ilustrados
Los dos metieron las seis, y las flores de la lata de té, el robot y los pósteres coinciden con las referencias. Donde se diferencian es en la colocación. H3 metió la bici dentro de la tienda y la apoyó en una mesa. Seedream 5.5 hizo lo que se le pidió y la dejó en la acera, fuera. En esta prueba H3 no siguió las indicaciones espaciales de una composición con varias imágenes, así que revisa tus composiciones cuando salgan. En tiempo, H3 tardó 51 segundos en esta y Seedream 39.

Izquierda: H3 Image, derecha: Seedream 5.5
Para la edición, probé la petición más habitual en Editar imagen: una foto de móvil de un corgi con las patas apoyadas en un mostrador junto a una botella amarilla, convertida en un día nevado sin tocar al perro ni la botella. Los dos lo lograron, y la postura del corgi y la botella se quedaron como estaban. H3 puso más nieve y un tono más frío, mientras que Seedream conservó más la calidez del original. Cualquiera de las dos sirve. H3 tardó unos 71 segundos en esta edición, más que en texto a imagen.

De izquierda a derecha: la foto original, la edición nevada de H3 Image, la edición nevada de Seedream 5.5
De imagen a video con H3
MiniMax H3 Image viene de la misma familia que el modelo de video MiniMax H3, así que para terminar le di la imagen de la taza a H3 video como fotograma inicial: 480p, 5 segundos, con el prompt "el vapor sube, lento acercamiento de cámara, una mano entra por la derecha y toma el cruasán". En ZOOOP eso es Fotograma inicial / final con solo el fotograma inicial.
Pasaron las tres cosas. El vapor sube, la cámara se acerca y una mano entra por la derecha y levanta el cruasán con un movimiento natural. Hay un fallo de continuidad, eso sí. El cruasán mordido vuelve a estar entero cuando lo levantan, como se ve al comparar el primer fotograma con los dos últimos. El modelo recordó el cruasán y olvidó el mordisco. Puedes probar a repetir "con un mordisco" en el prompt del video, o simplemente partir de un fotograma con el cruasán intacto.

Cinco fotogramas del clip de H3 video en orden cronológico, de izquierda a derecha; en los dos últimos el cruasán vuelve a estar entero
El video tardó unos 171 segundos en generarse.
Cuál usar
Elige MiniMax H3 Image cuando necesites 4K, imágenes realistas grandes que vas a ampliar y recortar, o muchas referencias a la vez. Sus fotos de producto y sus retratos tienen un fuerte sentido del lugar y se parecen más a sesiones publicitarias reales y a fotos documentales.
Para fondos transparentes, ediciones estables de la misma imagen ronda tras ronda u objetos colocados exactamente donde pediste, Seedream 5.5 es la apuesta más segura. Fue el único que puso la bicicleta en el sitio correcto esta vez. Para composiciones con mucho texto, como menús e infografías, ninguno es la primera opción; ve a GPT Image 2.6.
Una cosa más que viene bien: lo que crees puede ir directo a H3 video como fotograma inicial. Para probarlo, abre MiniMax H3 Image, haz algunas en 2K para encontrar una dirección y cambia a 4K cuando te guste lo que ves.
Preguntas frecuentes
¿Cuántas imágenes de referencia acepta MiniMax H3 Image?
Hasta 16. Sin imagen es texto a imagen; si añades imágenes, las edita o las combina. Seedream 5.5 acepta hasta 10.
¿MiniMax H3 Image puede crear fondos transparentes?
No. Para stickers, iconos o recortes de producto sobre fondo transparente, usa Seedream 5.5.
¿Qué tamaño tienen las imágenes 4K?
El lado largo mide unos 5.120 píxeles, así que 16:9 sale a 5120×2891. Tanto 2K como 4K ofrecen las ocho relaciones de aspecto.
¿Puedo ejecutar MiniMax H3 Image en local?
Los pesos son públicos en Hugging Face, así que puedes descargarlos y ejecutarlos tú mismo; consulta las notas oficiales para los requisitos de hardware. En ZOOOP no hay nada que configurar: abre la página del modelo y escribe un prompt.
¿Cómo funcionan juntos H3 Image y H3 video?
Primero crea una imagen, luego pásala a H3 video como fotograma inicial y describe cómo debe moverse la escena. Algunos detalles pueden cambiar en el video, como aquí el cruasán, que perdió el mordisco al levantarlo.





