MiniMax H3 Image в тесте: нативное 4K, 16 референсов и видео из картинки с H3

Аналитика6 мин чтения
MiniMax H3 Image в тесте: нативное 4K, 16 референсов и видео из картинки с H3

MiniMax H3 Image и Seedream 5.5 на одних промптах: товар, портрет, текст постера, ночной рынок, затем детали в 4K, композит из 6 фото, правки и видео.

11 ноября MiniMax выпустила H3 Image — «сестру» своей видеомодели MiniMax H3. Подача в официальном блоге прямолинейная: нативное 4K, до 16 референсных изображений в одном запросе и одна модель и для генерации, и для редактирования. Менее привычно другое: веса выложены в открытый доступ на Hugging Face.

ZOOOP сегодня добавил MiniMax H3 Image в Генератор изображений. Перед запуском я прогнал её и Seedream 5.5 через один и тот же набор промптов, а потом отдал один из результатов видеомодели H3, чтобы посмотреть, сможет ли кадр из неё сразу ожить.

Что такое MiniMax H3 Image

Настроек немного, но каждая щедрая. Промпт может быть длиной до 32 000 символов — хватит на целую страницу заметок к раскадровке. Есть восемь соотношений сторон: 21:9, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 и 9:16. У разрешения всего две ступени, 2K и 4K. В 4K длинная сторона около 5120 пикселей, так что изображение 16:9 выходит размером 5120×2891.

Оставьте слот референсов пустым — получится генерация изображения из текста. Добавьте от 1 до 16 изображений — и модель будет их редактировать или объединять. Чего она не умеет, так это прозрачного фона, так что для стикеров или иконок, которым нужна чистая обтравка, понадобится другая модель.

По цене вариант 2K находится в более дешёвой категории, той же, что и Seedream 5.5. 4K стоит дороже.

Как я тестировал

Модель для сравнения — Seedream 5.5. Её максимум — 2K, поэтому обе работали в 2K, по одному изображению на промпт:

  • Предметная съёмка: керамическая кружка ручной работы в крапинку на льняной скатерти, рядом надкушенный круассан и веточка розмарина, утренний свет, 4:3
  • Средовой портрет: пожилой пекарь с руками в муке в каменной пекарне на рассвете, 3:4
  • Винтажный туристический постер: заголовок «VISIT THE NORTHERN LIGHTS», внизу «Tromsø · Winter 2026», маленький красный домик под северным сиянием, 2:3
  • Аэросъёмка ночного рынка под дождём: сотни фонариков, дымящиеся прилавки с едой, отражения на мокрой мостовой, люди под зонтами, 16:9

Потом я добавил несколько дополнительных тестов. Ночной рынок прошёл ещё раз в 4K, что умеет только MiniMax H3 Image. Шесть референсных изображений объединились в одну витрину кофейни, фото корги превратилось в снежный день, и под конец изображение с кружкой отправилось в видеомодель H3 за 5-секундным роликом.

Предметная съёмка и портреты против Seedream 5.5

Оба изображения с кружкой можно использовать как есть. Разница — в настроении. MiniMax H3 Image выбрала более тёплый свет и большой круассан у самого объектива, с разрезом и крошками прямо на переднем плане. Это рекламная компоновка. Seedream 5.5 положила круассан на маленькую тарелку и отодвинула назад, придала скатерти серо-зелёный оттенок и сделала весь кадр спокойнее.

Предметная съёмка кружки и круассана, сравнение

Слева: H3 Image, справа: Seedream 5.5

С портретом разрыв больше. H3 выдала сцену с историей: пожилая женщина работает за столом, у руки скалка, предплечья в муке, позади полки с хлебом, а слева падает свет из окна. Seedream 5.5 сделала прямой портрет: пекарь смотрит точно в камеру, а пекарня растворяется на фоне. Для сторителлинга бренда версия H3 полезнее. Если нужен просто чистый снимок человека, вариант Seedream вполне подойдёт.

Средовой портрет пожилого пекаря, сравнение

Слева: H3 Image, справа: Seedream 5.5

Текст на постере и большая ночная сцена

Постер — проверка на леттеринг. Обе модели правильно написали заголовок, а заодно и строку «Tromsø · Winter 2026» внизу. Однако MiniMax H3 Image вставила под заголовок лишнюю строку «Norway». Тромсё действительно в Норвегии, но этой строки в промпте не было. Будь это согласованный с клиентом текст, такая самодеятельность означала бы переделку.

Винтажный туристический постер, сравнение

Слева: H3 Image, справа: Seedream 5.5

С ночным рынком обе справились прекрасно. Фонарики, пар и отражения на земле — всё на месте. H3 сняла почти строго сверху, как дрон, зависший над улицей. Seedream 5.5 наклонила ракурс и показала здания вдали, что даёт больше глубины. Здесь ничья. Всё зависит от того, какой вид вам нужен.

Аэросъёмка ночного рынка под дождём, сравнение

Слева: H3 Image, справа: Seedream 5.5

Что на самом деле даёт 4K

Я снова прогнал промпт с ночным рынком на MiniMax H3 Image в 4K, и файл вышел размером 5120×2891. В уменьшенном виде он выглядит примерно как версия 2K. Увеличьте до 100% — и станет понятно, зачем он нужен.

Полное изображение ночного рынка в 4K

Полное изображение ночного рынка в 4K, здесь в уменьшенном виде

Вырежьте лапшичную слева — и всё держится: пар над кастрюлями, ряды мисок, отражения на прозрачных зонтах, ничего не слилось в кашу. Большие вывески, «拉麵 NOODLES» и «炒飯 FRIED RICE», написаны чисто. Ломается всё на мелком тексте. Маленькие китайские иероглифы рядом с вывеской при увеличении оказываются абракадаброй.

Фрагмент оригинала в 4K

Лапшичная в левой части оригинала 4K, фрагмент в масштабе 100%, вывеска слева вверху

Так что 4K подходит для реалистичных сцен, которые вы собираетесь потом увеличивать или кадрировать, например нарезать несколько постов для соцсетей из одного широкого кадра. Рассчитывать, что мелкий текст выйдет верно, не стоит. И 4K ненамного медленнее 2K. В этом раунде H3 тратила на изображение около 28–50 секунд в 2K и около 28–61 секунды в 4K. Seedream 5.5 в 2K укладывалась в 24–35 секунд, чуть быстрее.

Шесть изображений в одно, плюс правка

MiniMax H3 Image принимает до 16 референсных изображений, а Seedream 5.5 — до 10. Я взял шесть и попросил витрину кофейни: первые несколько предметов разложены на деревянной стойке, красный велосипед с мудборда припаркован за окном, а три постера висят на задней стене.

Шесть референсных изображений

Шесть референсных изображений слева направо: жестяная банка чая и чайные пакетики, кружка и круассан, войлочная игрушка-робот, белый заварочный чайник, мудборд, три иллюстрированных постера

Обе включили все шесть, и цветы на банке, робот и постеры совпадают с референсами. Различие — в расстановке. H3 закатила велосипед в кофейню и прислонила его к столу. Seedream 5.5 сделала как просили и оставила его на тротуаре за окном. В этом тесте H3 не выполнила пространственные указания в композите из нескольких изображений, так что проверяйте свои композиты, когда они готовы. По времени H3 потратила на это 51 секунду, Seedream — 39.

Композит витрины кофейни из шести изображений, сравнение

Слева: H3 Image, справа: Seedream 5.5

Для правки я попробовал самый частый запрос в инструменте Редактировать изображение: снимок корги на телефон, который стоит лапами на стойке рядом с жёлтой бутылкой, превратить в снежный день, не трогая собаку и бутылку. Обе справились: поза корги и бутылка остались на месте. H3 насыпала снега гуще и сделала картинку холоднее, а Seedream сохранила больше тепла оригинала. Годится любая. На этой правке H3 потратила около 71 секунды — медленнее, чем на генерацию из текста.

Фото корги, превращённое в снежную сцену

Слева направо: исходное фото, снежная правка H3 Image, снежная правка Seedream 5.5

От изображения к видео с H3

MiniMax H3 Image из того же семейства, что и видеомодель MiniMax H3, поэтому под конец я отдал изображение с кружкой видеомодели H3 в качестве начального кадра: 480p, 5 секунд, промпт «поднимается пар, медленный наезд камеры, справа появляется рука и берёт круассан». На ZOOOP это режим Начальный / конечный кадр, где заполнен только начальный кадр.

Случились все три вещи. Пар поднимается, камера наезжает, а справа появляется рука и поднимает круассан естественным движением. Но есть одна ошибка непрерывности. Надкушенный круассан, когда его берут, снова становится целым — это видно, если сравнить первый кадр с двумя последними. Модель запомнила круассан и забыла про укус. Можно попробовать повторить в промпте для видео «надкушенный» или просто начать с кадра, где круассан целый.

Пять кадров из ролика «изображение в видео»

Пять кадров из ролика H3 по порядку слева направо; на двух последних круассан снова целый

Генерация видео заняла около 171 секунды.

Что выбрать

Выбирайте MiniMax H3 Image, когда вам нужно 4K, большие реалистичные изображения, которые вы будете увеличивать и кадрировать, или много референсов за раз. У её предметных снимков и портретов сильное ощущение места, и они больше похожи на настоящие рекламные съёмки и документальные фото.

Для прозрачного фона, стабильных правок одной и той же картинки раунд за раундом или предметов, расставленных ровно там, где вы просили, надёжнее Seedream 5.5. В этот раз только она поставила велосипед в нужное место. Для макетов с обилием текста, вроде меню и инфографики, ни одна из них не лучший выбор; берите лучше GPT Image 2.6.

И ещё одна удобная вещь: всё, что вы сделаете, можно сразу отправить в видеомодель H3 как начальный кадр. Чтобы попробовать, откройте MiniMax H3 Image, сделайте несколько вариантов в 2K, чтобы нащупать направление, а когда результат понравится, переключайтесь на 4K.

Частые вопросы

Сколько референсных изображений принимает MiniMax H3 Image?

До 16. Без изображения это генерация из текста; добавьте изображения — и модель будет их редактировать или объединять. Seedream 5.5 принимает до 10.

Умеет ли MiniMax H3 Image делать прозрачный фон?

Нет. Для стикеров, иконок или вырезанных товаров на прозрачном фоне используйте Seedream 5.5.

Какого размера изображения в 4K?

Длинная сторона около 5120 пикселей, так что 16:9 выходит размером 5120×2891. И 2K, и 4K предлагают все восемь соотношений сторон.

Можно ли запустить MiniMax H3 Image локально?

Веса выложены на Hugging Face, так что их можно скачать и запустить самостоятельно; требования к железу смотрите в официальных заметках. На ZOOOP ничего настраивать не нужно: откройте страницу модели и напишите промпт.

Как H3 Image и видеомодель H3 работают вместе?

Сначала сделайте изображение, затем передайте его видеомодели H3 как начальный кадр и опишите, как должна двигаться сцена. В видео детали могут меняться — как здесь, где круассан, когда его подняли, потерял след от укуса.

Поделиться

Читайте также

Смотреть все