MiniMax H3 Image Diuji: 4K Native, 16 Gambar Referensi, dan Gambar ke Video dengan H3

MiniMax H3 Image vs Seedream 5.5 dengan prompt sama: produk, potret, teks poster, pasar malam, lalu detail 4K, komposit 6 gambar, edit, dan video.
Pada 11 November, MiniMax merilis H3 Image, saudara dari model video MiniMax H3. Janji di postingan blog resminya lugas: 4K native, hingga 16 gambar referensi dalam satu permintaan, dan satu model untuk membuat sekaligus mengedit. Yang kurang lazim, bobot (weights) modelnya dibuka untuk umum di Hugging Face.
ZOOOP menambahkan MiniMax H3 Image ke Pembuat Gambar AI hari ini. Sebelum dirilis, saya menjalankannya bersama Seedream 5.5 dengan rangkaian prompt yang sama, lalu memberikan salah satu hasilnya ke H3 video untuk melihat apakah gambar diam darinya bisa langsung bergerak.
Apa itu MiniMax H3 Image
Pengaturannya tidak banyak, tapi masing-masing longgar. Prompt bisa sepanjang 32.000 karakter, cukup untuk satu halaman penuh catatan storyboard. Ada delapan rasio aspek: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3, dan 9:16. Resolusinya hanya dua tingkat, 2K dan 4K. Di 4K sisi panjangnya sekitar 5.120 piksel, jadi gambar 16:9 keluar di 5120×2891.
Biarkan slot referensi kosong dan itu teks ke gambar. Masukkan 1 hingga 16 gambar, maka model ini akan mengedit atau menggabungkannya. Yang tidak bisa ia lakukan adalah latar belakang transparan, jadi untuk stiker atau ikon yang butuh potongan bersih, Anda perlu model lain.
Soal harga, opsi 2K masuk kelompok murah, sama dengan Seedream 5.5. 4K lebih mahal.
Cara saya mengujinya
Model pembandingnya Seedream 5.5. Maksimalnya 2K, jadi keduanya berjalan di 2K, satu gambar per prompt untuk masing-masing:
- Foto produk: cangkir kopi keramik buatan tangan bermotif bintik di atas taplak linen, di samping croissant yang sudah digigit sekali dan setangkai rosemary, cahaya pagi, 4:3
- Potret lingkungan: seorang pembuat roti lanjut usia dengan lengan berlumur tepung di toko roti berdinding batu saat fajar, 3:4
- Poster wisata vintage: judul utama "VISIT THE NORTHERN LIGHTS", "Tromsø · Winter 2026" di bagian bawah, kabin merah kecil di bawah aurora, 2:3
- Foto udara pasar malam di tengah hujan: ratusan lampion, kios makanan yang mengepul, pantulan di trotoar basah, orang-orang di bawah payung, 16:9
Lalu saya menambahkan beberapa uji ekstra. Pasar malam dijalankan lagi di 4K, yang hanya bisa dilakukan MiniMax H3 Image. Enam gambar referensi digabung menjadi satu jendela kedai kopi, foto corgi diubah menjadi hari bersalju, dan terakhir gambar cangkir kopi dikirim ke H3 video untuk klip 5 detik.
Foto produk dan potret vs Seedream 5.5
Kedua gambar cangkir bisa langsung dipakai apa adanya. Bedanya di suasana. MiniMax H3 Image memilih cahaya yang lebih hangat dan croissant besar dekat lensa, dengan sisi gigitan dan remah-remahnya tepat di latar depan. Itu tata letak iklan. Seedream 5.5 menaruh croissant di piring kecil dan mendorongnya ke belakang, memberi taplak semburat hijau keabu-abuan, dan membuat seluruh frame lebih tenang.

Kiri: H3 Image, kanan: Seedream 5.5
Potret menunjukkan selisih yang lebih besar. H3 memberi saya adegan yang bercerita: seorang nenek bekerja di meja, rol adonan di dekat tangannya, tepung di sekujur lengan bawahnya, rak roti di belakangnya, dan cahaya jendela masuk dari kiri. Seedream 5.5 membuatnya potret lurus dari depan, si pembuat roti menatap langsung ke kamera sementara toko rotinya memudar di latar. Untuk brand storytelling, versi H3 lebih berguna. Kalau Anda hanya butuh gambar orang yang bersih, milik Seedream sudah sangat cukup.

Kiri: H3 Image, kanan: Seedream 5.5
Teks poster dan adegan malam yang besar
Poster adalah uji huruf. Kedua model menulis judul utama dengan benar, begitu juga baris "Tromsø · Winter 2026" di bawah. Namun MiniMax H3 Image menyelipkan baris tambahan bertuliskan "Norway" di bawah judul. Tromsø memang di Norwegia, tapi baris itu tidak ada di prompt. Kalau ini teks yang sudah disetujui klien, improvisasi semacam itu berarti harus diulang.

Kiri: H3 Image, kanan: Seedream 5.5
Keduanya menggarap pasar malam dengan indah. Lampion, uap, dan pantulan di tanah semuanya ada. H3 mengambilnya hampir tegak lurus ke bawah, seperti drone yang melayang di atas jalan. Seedream 5.5 memiringkan sudutnya dan membiarkan gedung-gedung di kejauhan terlihat, sehingga terasa lebih dalam. Anggap yang ini seri. Tergantung sudut pandang mana yang Anda inginkan.

Kiri: H3 Image, kanan: Seedream 5.5
Apa yang sebenarnya Anda dapat dari 4K
Saya menjalankan prompt pasar malam lagi di MiniMax H3 Image pada 4K, dan filenya keluar di 5120×2891. Saat diperkecil, tampilannya kurang lebih sama dengan versi 2K. Perbesar ke 100% dan Anda akan melihat gunanya.

Gambar pasar malam 4K utuh, diperkecil di sini
Potong kios mi di sebelah kiri dan semuanya tetap tajam: uap di atas panci, deretan mangkuk, pantulan di payung transparan, tidak ada yang luntur menyatu. Papan besar "拉麵 NOODLES" dan "炒飯 FRIED RICE" ditulis rapi. Teks kecil yang jadi titik lemahnya. Karakter Mandarin kecil di samping papan ternyata tidak bermakna begitu diperbesar.

Kios mi di sebelah kiri gambar asli 4K, dipotong pada 100%, dengan papan nama di kiri atas
Jadi 4K cocok untuk adegan realistis yang ingin Anda perbesar atau potong nanti, seperti mengambil beberapa postingan media sosial dari satu foto lebar. Jangan berharap teks kecilnya benar. 4K juga tidak jauh lebih lambat dari 2K. Di putaran ini, H3 butuh sekitar 28 sampai 50 detik per gambar di 2K dan sekitar 28 sampai 61 detik di 4K. Seedream 5.5 di 2K butuh 24 sampai 35 detik, sedikit lebih cepat.
Enam gambar jadi satu, plus satu edit
MiniMax H3 Image menerima hingga 16 gambar referensi, sedangkan Seedream 5.5 hingga 10. Saya memakai enam dan meminta jendela kedai kopi: beberapa barang pertama ditata di atas meja kayu, sepeda merah dari mood board diparkir di luar jendela, dan tiga poster digantung di dinding belakang.

Enam gambar referensi, dari kiri ke kanan: kaleng teh dan kantong teh, cangkir dan croissant, mainan robot dari kain flanel, teko putih, mood board, tiga poster ilustrasi
Keduanya memasukkan keenamnya, dan bunga di kaleng teh, robot, serta poster semuanya cocok dengan referensi. Bedanya di penempatan. H3 membawa sepeda ke dalam kedai dan menyandarkannya ke meja. Seedream 5.5 mengikuti permintaan dan membiarkannya di trotoar luar. Dalam pengujian ini H3 tidak mengikuti instruksi posisi dalam komposit multi-gambar, jadi periksa komposit Anda setelah jadi. Soal waktu, H3 butuh 51 detik untuk yang ini dan Seedream 39 detik.

Kiri: H3 Image, kanan: Seedream 5.5
Untuk edit, saya mencoba permintaan paling umum di Sunting Gambar: foto ponsel seekor corgi dengan kaki depan bertumpu di meja dapur di samping botol kuning, diubah menjadi hari bersalju dengan anjing dan botol dibiarkan apa adanya. Keduanya berhasil, dan pose corgi serta botolnya tidak berubah. H3 menaburkan salju lebih tebal dan nuansanya lebih dingin, sementara Seedream mempertahankan lebih banyak kehangatan foto aslinya. Keduanya bisa dipakai. H3 butuh sekitar 71 detik untuk edit ini, lebih lambat dibanding teks ke gambar.

Dari kiri ke kanan: foto asli, edit salju H3 Image, edit salju Seedream 5.5
Dari gambar ke video dengan H3
MiniMax H3 Image berasal dari keluarga yang sama dengan model video MiniMax H3, jadi sebagai penutup saya memberikan gambar cangkir kopi ke H3 video sebagai frame awal: 480p, 5 detik, dengan prompt "uap naik, kamera perlahan maju, sebuah tangan masuk dari kanan dan mengambil croissant". Di ZOOOP, itu adalah Bingkai Awal / Akhir dengan hanya frame awal yang diisi.
Ketiga hal itu terjadi. Uap naik, kamera maju, dan sebuah tangan masuk dari kanan lalu mengangkat croissant dengan gerakan yang tampak alami. Tapi ada satu kesalahan kontinuitas. Croissant yang sudah digigit kembali utuh begitu diangkat, yang bisa Anda lihat dengan membandingkan frame pertama dengan dua frame terakhir. Model mengingat croissant-nya dan lupa gigitannya. Anda bisa mencoba mengulang "sudah digigit sekali" di prompt video, atau mulai saja dari frame dengan croissant yang belum disentuh.

Lima frame dari klip video H3 berurutan waktu, dari kiri ke kanan; di dua frame terakhir croissant kembali utuh
Video ini butuh sekitar 171 detik untuk dibuat.
Mana yang dipakai
Pilih MiniMax H3 Image saat Anda butuh 4K, gambar realistis besar yang akan diperbesar dan dipotong, atau banyak referensi sekaligus. Foto produk dan potretnya punya rasa tempat yang kuat dan lebih mirip pemotretan iklan sungguhan dan foto dokumenter.
Untuk latar belakang transparan, edit berulang yang stabil pada gambar yang sama, atau objek yang ditempatkan persis di tempat yang Anda minta, Seedream 5.5 pilihan yang lebih aman. Hanya ia yang menaruh sepeda di tempat yang benar kali ini. Untuk tata letak padat teks seperti menu dan infografis, keduanya bukan pilihan pertama; gunakan GPT Image 2.6.
Satu hal lagi yang praktis: apa pun yang Anda buat bisa langsung dikirim ke H3 video sebagai frame awal. Untuk mencobanya, buka MiniMax H3 Image, jalankan beberapa di 2K untuk menemukan arah, lalu beralih ke 4K setelah Anda suka hasilnya.
Pertanyaan umum
Berapa banyak gambar referensi yang bisa diterima MiniMax H3 Image?
Hingga 16. Tanpa gambar, ini teks ke gambar; tambahkan gambar dan model akan mengedit atau menggabungkannya. Seedream 5.5 menerima hingga 10.
Bisakah MiniMax H3 Image membuat latar belakang transparan?
Tidak. Untuk stiker, ikon, atau potongan produk dengan latar transparan, gunakan Seedream 5.5.
Seberapa besar gambar 4K-nya?
Sisi panjangnya sekitar 5.120 piksel, jadi 16:9 keluar di 5120×2891. 2K dan 4K sama-sama menyediakan kedelapan rasio aspek.
Bisakah saya menjalankan MiniMax H3 Image secara lokal?
Bobot modelnya publik di Hugging Face, jadi Anda bisa mengunduh dan menjalankannya sendiri; cek catatan resmi untuk kebutuhan perangkat kerasnya. Di ZOOOP tidak ada yang perlu disiapkan: buka halaman model dan tulis prompt.
Bagaimana H3 Image dan H3 video bekerja sama?
Buat gambar dulu, lalu berikan ke H3 video sebagai frame awal dan jelaskan bagaimana adegannya harus bergerak. Detail bisa bergeser di video, seperti croissant di sini yang kehilangan bekas gigitannya saat diangkat.





