MiniMax H3 Image testado: 4K nativo, 16 imagens de referência e imagem para vídeo com o H3

MiniMax H3 Image vs Seedream 5.5 com os mesmos prompts: produto, retrato, texto em pôster, mercado noturno, 4K, composição de 6 imagens, edição e vídeo.
Em 11 de novembro, a MiniMax lançou o H3 Image, irmão do seu modelo de vídeo MiniMax H3. A proposta no post oficial do blog é direta: 4K nativo, até 16 imagens de referência numa única solicitação e um só modelo para gerar e editar. O menos comum é que os pesos estão abertos no Hugging Face.
A ZOOOP adicionou o MiniMax H3 Image ao Gerador de Imagem com IA hoje. Antes de ele entrar no ar, rodei o modelo e o Seedream 5.5 com o mesmo conjunto de prompts, e depois passei um dos resultados para o H3 vídeo para ver se uma imagem dele já podia começar a se mexer.
O que é o MiniMax H3 Image
Não há muitas configurações, mas cada uma é generosa. Os prompts podem ter até 32.000 caracteres, o suficiente para uma página inteira de anotações de storyboard. São oito proporções: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 e 9:16. A resolução tem só dois níveis, 2K e 4K. Em 4K o lado maior tem cerca de 5.120 pixels, então uma imagem 16:9 sai em 5120×2891.
Deixe o campo de referência vazio e é texto para imagem. Coloque de 1 a 16 imagens e ele passa a editá-las ou combiná-las. O que ele não faz é fundo transparente, então para adesivos ou ícones que precisam de um recorte limpo, você vai precisar de outro modelo.
No preço, a opção 2K fica na faixa mais barata, a mesma do Seedream 5.5. O 4K custa mais.
Como eu testei
O modelo de comparação é o Seedream 5.5. Ele vai no máximo até 2K, então os dois rodaram em 2K, uma imagem por prompt cada:
- Foto de produto: uma caneca de café artesanal de cerâmica pontilhada sobre uma toalha de linho, ao lado de um croissant com uma mordida e um raminho de alecrim, luz da manhã, 4:3
- Retrato ambientado: uma padeira idosa com os braços cheios de farinha numa padaria de pedra ao amanhecer, 3:4
- Pôster de viagem vintage: o título "VISIT THE NORTHERN LIGHTS", "Tromsø · Winter 2026" na parte de baixo, uma pequena cabana vermelha sob a aurora, 2:3
- Vista aérea de um mercado noturno na chuva: centenas de lanternas, barracas de comida soltando vapor, reflexos na calçada molhada, pessoas sob guarda-chuvas, 16:9
Depois acrescentei alguns extras. O mercado noturno rodou de novo em 4K, coisa que só o MiniMax H3 Image consegue fazer. Seis imagens de referência foram combinadas numa vitrine de cafeteria, uma foto de corgi virou um dia de neve e, por fim, a imagem da caneca foi para o H3 vídeo para um clipe de 5 segundos.
Fotos de produto e retratos contra o Seedream 5.5
As duas imagens da caneca poderiam ser usadas do jeito que estão. A diferença é o clima. O MiniMax H3 Image foi de luz mais quente e um croissant grande perto da lente, com a parte cortada e os farelos bem em primeiro plano. É um layout de anúncio. O Seedream 5.5 pôs o croissant num pratinho e o levou para trás, deu à toalha um tom cinza-esverdeado e manteve o quadro todo mais calmo.

Esquerda: H3 Image, direita: Seedream 5.5
O retrato mostra uma diferença maior. O H3 me deu uma cena com história: uma senhora trabalhando na bancada, um rolo de massa perto da mão, farinha por todo o antebraço, prateleiras de pão atrás dela e a luz da janela entrando pela esquerda. O Seedream 5.5 fez um retrato frontal, com a padeira olhando direto para a câmera enquanto a padaria fica de fundo. Para contar a história de uma marca, a versão do H3 é mais útil. Se você só precisa de uma imagem limpa de uma pessoa, a do Seedream resolve muito bem.

Esquerda: H3 Image, direita: Seedream 5.5
Texto em pôster e uma grande cena noturna
O pôster é um teste de letreiramento. Os dois modelos acertaram o título, e também a linha "Tromsø · Winter 2026" embaixo. O MiniMax H3 Image, porém, enfiou embaixo do título uma linha extra escrita "Norway". Tromsø fica mesmo na Noruega, mas essa linha não estava no prompt. Se fosse o texto já aprovado por um cliente, esse tipo de improviso significa refazer.

Esquerda: H3 Image, direita: Seedream 5.5
Os dois se saíram lindamente no mercado noturno. As lanternas, o vapor e os reflexos no chão estão todos lá. O H3 enquadrou quase de cima para baixo, como um drone parado sobre a rua. O Seedream 5.5 inclinou o ângulo e deixou aparecer os prédios ao longe, o que dá mais profundidade. Aqui é empate. Depende de qual vista você quer.

Esquerda: H3 Image, direita: Seedream 5.5
O que o 4K realmente entrega
Rodei de novo o prompt do mercado noturno no MiniMax H3 Image em 4K, e o arquivo saiu em 5120×2891. Reduzida, a imagem parece mais ou menos igual à versão 2K. Dê zoom a 100% e você vê para que ela serve.

A imagem completa do mercado noturno em 4K, reduzida aqui
Recorte a barraca de macarrão à esquerda e tudo se sustenta: o vapor sobre as panelas, as fileiras de tigelas, os reflexos nos guarda-chuvas transparentes, nada embolado. As placas grandes, "拉麵 NOODLES" e "炒飯 FRIED RICE", estão bem letreiradas. É no texto pequeno que a coisa desanda. Os caracteres chineses pequenos ao lado da placa viram rabiscos sem sentido quando você dá zoom.

A barraca de macarrão à esquerda do original em 4K, recortada a 100%, com a placa no canto superior esquerdo
Então o 4K serve para cenas realistas que você pretende ampliar ou recortar depois, como tirar vários posts para redes sociais de um único plano aberto. Não conte com ele para acertar texto pequeno. Ele também não é muito mais lento que o 2K. Nesta rodada, o H3 levou cerca de 28 a 50 segundos por imagem em 2K e cerca de 28 a 61 segundos em 4K. O Seedream 5.5 em 2K levou de 24 a 35 segundos, um pouco mais rápido.
Seis imagens em uma, mais uma edição
O MiniMax H3 Image aceita até 16 imagens de referência, enquanto o Seedream 5.5 aceita até 10. Usei seis e pedi uma vitrine de cafeteria: os primeiros itens arrumados sobre um balcão de madeira, a bicicleta vermelha do moodboard estacionada do lado de fora da vitrine e os três pôsteres pendurados na parede do fundo.

As seis imagens de referência, da esquerda para a direita: lata de chá e sachês, caneca e croissant, robô de feltro, bule branco, moodboard, três pôsteres ilustrados
Os dois colocaram as seis, e as flores da lata de chá, o robô e os pôsteres batem com as referências. A diferença está no posicionamento. O H3 levou a bicicleta para dentro da loja e a encostou numa mesa. O Seedream 5.5 fez o que foi pedido e a deixou na calçada, do lado de fora. Neste teste, o H3 não seguiu as instruções espaciais de uma composição com várias imagens, então confira suas composições quando ficarem prontas. No tempo, o H3 levou 51 segundos nesta e o Seedream, 39.

Esquerda: H3 Image, direita: Seedream 5.5
Na edição, testei o pedido mais comum no Editar Imagem: uma foto de celular de um corgi com as patas apoiadas num balcão ao lado de uma garrafa amarela, transformada num dia de neve sem mexer no cachorro nem na garrafa. Os dois conseguiram, e a pose do corgi e a garrafa ficaram no lugar. O H3 colocou mais neve e um tom mais frio, enquanto o Seedream manteve mais do calor do original. Qualquer um dos dois serve. O H3 levou cerca de 71 segundos nesta edição, mais lento do que em texto para imagem.

Da esquerda para a direita: a foto original, a edição com neve do H3 Image, a edição com neve do Seedream 5.5
Da imagem ao vídeo com o H3
O MiniMax H3 Image vem da mesma família do modelo de vídeo MiniMax H3, então, para fechar, passei a imagem da caneca para o H3 vídeo como quadro inicial: 480p, 5 segundos, com o prompt "o vapor sobe, aproximação lenta da câmera, uma mão entra pela direita e pega o croissant". Na ZOOOP, isso é o Quadro Inicial / Final com só o quadro inicial preenchido.
As três coisas aconteceram. O vapor sobe, a câmera se aproxima e uma mão entra pela direita e levanta o croissant com um movimento natural. Mas há um erro de continuidade. O croissant mordido volta a ficar inteiro quando é levantado, o que dá para ver comparando o primeiro quadro com os dois últimos. O modelo lembrou do croissant e esqueceu da mordida. Você pode tentar repetir "com uma mordida" no prompt do vídeo, ou simplesmente começar de um quadro com o croissant intacto.

Cinco quadros do clipe do H3 vídeo em ordem cronológica, da esquerda para a direita; nos dois últimos o croissant está inteiro de novo
O vídeo levou cerca de 171 segundos para ser gerado.
Qual usar
Escolha o MiniMax H3 Image quando precisar de 4K, de imagens realistas grandes que você vai ampliar e recortar, ou de muitas referências de uma vez. As fotos de produto e os retratos dele têm um forte senso de lugar e se parecem mais com ensaios publicitários reais e fotos documentais.
Para fundos transparentes, edições estáveis da mesma imagem rodada após rodada ou objetos colocados exatamente onde você pediu, o Seedream 5.5 é a aposta mais segura. Foi o único que colocou a bicicleta no lugar certo desta vez. Para layouts cheios de texto, como cardápios e infográficos, nenhum dos dois é a primeira escolha; vá de GPT Image 2.6.
Mais uma coisa útil: o que você criar pode ir direto para o H3 vídeo como quadro inicial. Para testar, abra o MiniMax H3 Image, rode algumas em 2K para achar uma direção e mude para 4K quando gostar do que estiver vendo.
Perguntas frequentes
Quantas imagens de referência o MiniMax H3 Image aceita?
Até 16. Sem imagem é texto para imagem; com imagens, ele as edita ou combina. O Seedream 5.5 aceita até 10.
O MiniMax H3 Image gera fundos transparentes?
Não. Para adesivos, ícones ou recortes de produto com fundo transparente, use o Seedream 5.5.
Qual o tamanho das imagens em 4K?
O lado maior tem cerca de 5.120 pixels, então 16:9 sai em 5120×2891. Tanto o 2K quanto o 4K oferecem as oito proporções.
Dá para rodar o MiniMax H3 Image localmente?
Os pesos são públicos no Hugging Face, então você pode baixá-los e rodá-los por conta própria; confira as notas oficiais para os requisitos de hardware. Na ZOOOP não há nada para configurar: abra a página do modelo e escreva um prompt.
Como o H3 Image e o H3 vídeo funcionam juntos?
Primeiro crie uma imagem, depois passe-a para o H3 vídeo como quadro inicial e descreva como a cena deve se mover. Detalhes podem mudar no vídeo, como aqui o croissant, que perdeu a marca da mordida quando foi levantado.





