Erste Schritte

MiniMax H3 Image im Test: 4K-Bildgenerierung und API-Preise

Vergleiche Standard und Highspeed, die Wartezeit für Figurenentwürfe und die Kontinuität in drei Storyboard-Einstellungen mit MiniMax H3 Image.

MiniMax H3 Image ist ein Bildmodell mit offenen Gewichten. Es erzeugt quadratische 4K-Bilder mit 4096 × 4096 Pixeln und akzeptiert bis zu 16 Referenzbilder pro Anfrage. Laut internationalem API-Preisbeispiel kostet ein solches Bild mit Standard regulär rund 0,069 US-Dollar. Die Auflösung bietet Spielraum für Ausschnitte und Posterformate. Wir haben Figurenblätter, drei Café-Einstellungen, ein zweisprachiges Poster und das Umfärben einer Haarspange getestet.

Was ist MiniMax H3 Image?

Das H3-basierte Standbildmodell erzeugt Bilder aus Text oder Referenzen und bearbeitet vorhandene Bilder. Erstelle etwa erst das Café und verwende dann Figurenblatt, Café und Umschlag als Referenzen für die Eingangsszene. Für eine neue Haarspangenfarbe lade das Ausgangsbild hoch und beschreibe die Änderung. MiniMax hat die Gewichte veröffentlicht und bietet das Modell über die API-Plattform, MiniMax Code und Hailuo an.

ParameterOffizielle API-Spezifikation
EingabeText, bei referenzbasierter Generierung und Bearbeitung mit 1 bis 16 Bildern
AusgabegrößePixel-Flächenstufen 1K, 2K, 4K. Freie Abmessungen bis 20 Megapixel
Seitenverhältnis1:3 bis 3:1
Ausgabe1 bis 10 Bilder pro Anfrage, JPEG, PNG oder WebP
VersionenStandard und Highspeed haben dieselben Parameter und Grenzen

Drei wichtige Funktionen

Natives 4K erleichtert Ausschnitte

4K bezeichnet eine Pixel-Flächenstufe. Das Quadrat mit 4096 × 4096 hat etwa viermal so viele Pixel wie das 2K-Quadrat. 16:9 im Querformat ergibt 5472 × 3072, 3:4 im Hochformat 3552 × 4736. Wähle das Verhältnis passend zur Verwendung und prüfe den Export.

Jede Referenz bekommt eine Aufgabe

Bestimme, welches Bild Gesicht und Kleidung, welches die Form der Requisite und welches die Raumaufteilung vorgibt. Gib beim Bearbeiten an, was sich ändern und was erhalten bleiben soll. In der aktuellen Bearbeitungs-API beschreibst du die Region per Text. Pixelmasken sind derzeit nicht verfügbar.

Standard oder Highspeed

Bei Highspeed kosten Eingabe- und Ausgabetoken für Bilder jeweils doppelt so viel wie bei Standard. Vergleiche vor einem engen Abgabetermin Wartezeit und Kosten mit demselben Prompt, Seitenverhältnis und denselben Referenzen.

Was kostet ein Bild mit MiniMax H3 Image?

Laut internationaler API-Preisliste vom 12. November 2026 kosten eine Million Text-Eingabetoken, Bild-Eingabetoken und Bild-Ausgabetoken bei Standard 2,30, 1,50 und 3,80 US-Dollar, bei Highspeed 2,30, 3,00 und 7,60 US-Dollar. Prompt-Erweiterung zählt zur Texteingabe. Die Beispiele verwenden quadratische Ausgaben und 1K-Referenzen. Abgerechnet wird der tatsächliche Verbrauch.

AufgabeAusgabeStandard (USD/Bild)Highspeed (USD/Bild)
Text zu Bild1K0.021790.03529
Text zu Bild2K0.023330.03622
Text zu Bild4K0.068790.13001
Bearbeitung mit 1 Referenz2K0.026580.04576
Bearbeitung mit 1 Referenz4K0.073120.13673
Bearbeitung mit 3 Referenzen4K0.079140.15407

Bis zum 17. November 2026 um 16:00 UTC gibt es bei beiden Versionen 50 % Rabatt auf die gesamte Anfrage, wenn das gelieferte Bild mindestens 16,6 Megapixel hat. Text zu quadratischem 4K kostet im Beispiel 0,03439 USD bei Standard und 0,06501 USD bei Highspeed. Regulär kosten 20 2K-Entwürfe und fünf 4K-Bearbeitungen mit je einer Referenz bei Standard etwa 0,83 USD. Bei fünf verwendbaren Bildern sind das rund 0,17 USD pro Bild.

Beim lokalen Betrieb zählen Hardware, Rechenaufwand und Einrichtung. MiniMax stellt Gewichte und Installationshinweise bereit. ComfyUI bietet Generierungs- und Bearbeitungsabläufe. Speicherbedarf hängt von Präzision, Auslagerung, Ausgabegröße und Referenzanzahl ab. Für die Gewichte gilt die MiniMax Community License.

Bildtests mit MiniMax H3 Image

1. Figurenblätter in 2K und 4K mit demselben Prompt

Zeichne eine etwa 22-jährige Detektivin im japanisch-koreanischen Comicstil, frontal von Kopf bis Fuß in 3:4. Sie schaut ruhig und wachsam zur Kamera. Kinnlanges schwarzes Haar, rechts über der Schläfe eine rechteckige orange Haarspange, unter dem linken Auge ein Muttermal. Kurzer dunkelblauer Trenchcoat mit breiten warmorangen Aufschlägen, cremefarbener Rollkragen, gerade dunkelblaue Hose und schwarze Stiefeletten. Arme locker, Hände leer. Klare Linien, flächige Schatten, weiches Frontlicht, hellgrauer Hintergrund. Orange nur an Spange und Aufschlägen. Eine Person.

2K · 56 Sekunden

Kinnlanges Haar, ein Muttermal und kurzer Mantel

4K · 67 Sekunden

Zwei Punkte unter dem linken Auge und längerer Mantel

MiniMax gibt für quadratisches 4K weniger als 10 Sekunden Inferenzzeit an. Hier wurde je Stufe einmal die gesamte Wartezeit gemessen. Zugang, Version und Messgrenzen wurden nicht erfasst. Beide gezeigten JPGs messen 1760 × 2368, entsprechend dem offiziellen 2K-Format für 3:4. Zur Prüfung der tatsächlichen 4K-Lieferung ist die Originaldatei nötig. Beide zeigen Spange rechts, orange Aufschläge und hellen Rollkragen. Bild eins trifft Haar, Muttermal und Mantellänge besser. Bild zwei dient beiden Gruppen als Referenz.

2. Bleiben Figur, Raum und Requisite über drei Einstellungen hinweg konsistent?

Die Detektivin betritt das Café mit einem Umschlag, setzt sich ans Fenster, legt ihn auf den Tisch und prüft den Verschluss. A verwendet nur die Figur und zeigt eine Abweichung. B nutzt zusätzlich Café und Umschlag und zeigt sechs Storyboard-Bilder. Beide haben Totale, Halbnahe und Nahaufnahme. Der Prompt verlangt einen Punkt und einen kurzen Mantel, die Referenz zeigt zwei Punkte und einen längeren Mantel. Für die Figur gilt die Referenz als Maßstab. Bei Halbnaher und Nahaufnahme unterscheiden sich die Bildgrößen.

Café: Leeres Manga-Café mit Glastür am Ende, dunkelblauen Sitzbänken am Fenster, Theke gegenüber und einem Gang dazwischen. Am zweiten Fenster stehen ein dunkler runder Tisch und darüber eine orange Halbkugelleuchte. Umschlag: Verschlossener A4-Kraftpapierumschlag im Hochformat vor Hellgrau, frontal, mit zwei orangefarbenen Knöpfen und einer dünnen dunkelblauen Schnur.

Café-Referenz

Fensterbänke gegenüber der Theke und Leuchte über dem Tisch

Umschlag-Referenz

Zwei orange Verschlussknöpfe mit blauer Schnur

Gemeinsamer Prompt: Manga-Storyboard 16:9, dunkelblau und warmorange. Referenzgesicht, kinnlanges schwarzes Haar, Spange rechts, ein Muttermal links unter dem Auge, kurzer dunkelblauer Mantel mit orangen Aufschlägen und heller Rollkragen. Glastür, Bänke am Fenster, Theke gegenüber, Tisch und Leuchte am zweiten Fenster. Verschlossener A4-Kraftpapierumschlag mit zwei orangen Knöpfen und blauer Schnur.

  1. Totale von der Theke zur Tür. Die Detektivin kommt mit dem Umschlag in der rechten Hand herein. Tisch und Lampe am zweiten Fenster zeigen.
  2. Halbnahe vom Gang zur Bank. Sie legt den Umschlag rechts auf den Tisch, Knöpfe nach oben. Fensterrahmen, Bank und Leuchte zeigen.
  3. Nahaufnahme schräg vor dem Tisch. Knöpfe und Schnur im Vordergrund. Gesicht und Aufschläge beim Blick nach unten, Fenster und Bank am Rand.

A · Nur Figur · Totale (5472 × 3072)

Detektivin steht am Fenster, Umschlag rechts

B · Figur, Café und Umschlag · Totale (5472 × 3072)

Detektivin kommt in den Mittelgang

A · Nur Figur · Halbnahe (5472 × 3072)

Ein Knopf des flach liegenden Umschlags sichtbar

B · Figur, Café und Umschlag · Halbnahe (2720 × 1536)

Beide Knöpfe mit Schnur unter der Lampe sichtbar

A · Nur Figur · Nahaufnahme (5472 × 3072)

Punkte unter beiden Augen, quer gebundene Schnur

B · Figur, Café und Umschlag · Nahaufnahme (2720 × 1536)

Zwei Punkte links und senkrechte Schnur

Abweichung in A

Zwei Spangen auf der Gegenseite, freie Beine, Umschlag steht

Sechs Bilder in B

Tisch, Licht und Umschlag wiederholen sich, oben rechts kommt die Figur ohne Umschlag herein

Beide Gruppen erhalten schwarzes Haar, orange Aufschläge und hellen Rollkragen. Bs Nahaufnahme trifft die Punkte besser, A ergänzt Schulterlaschen und Ärmelknöpfe. In beiden Totalen ist der Umschlag rechts, Theke und Bank liegen gegenüber. B trifft den Verschluss im mittleren und nahen Bild besser, in der Totalen bleibt eine Querschnur. Die Tischposition muss aus derselben Kameraposition geprüft werden. Achte vor dem Schnitt darauf, ob der Umschlag durch die Schnur plötzlich wie eine andere Requisite wirkt.

3. Stimmen die chinesischen und englischen Posterzeilen?

Mache aus Bs Nahaufnahme ein vertikales 4:5-Kinoposter. Erhalte Bank, Lampe, rechte Spange, zwei Punkte und orange Aufschläge. Gesicht und Knöpfe sichtbar. Dunkelblaue Textflächen oben und unten. Oben groß und schmal „THE SEALED FILE“, halb so groß „密封档案“. Unten „11月14日“ und „DOORS 8 PM“. Nur diese vier Zeilen.

Vorlage · Bs Nahaufnahme

Detektivin prüft den Umschlagverschluss

Fertiges Poster

Hochformatposter mit zweisprachigem Titel, Datum und Uhrzeit

Alle vier Zeilen stimmen, der englische Titel ist am größten. Spange, Punkte, Sitzbank und beide Verschlussknöpfe bleiben erkennbar.

4. Was ändert sich beim Umfärben der Haarspange?

Ändere auf dem zweiten Figurenblatt die rechte orange Spange zu mattem Silber. Form, Position, Gesicht, Haare, Kleidung, Pose, Hintergrund und Licht erhalten.

Vorher · Orange

Rechteckige orange Spange rechts

Nachher · Silber

Silberne Spange an derselben Stelle, orange Aufschläge

Form, Position, Punkte, Aufschläge und Haltung blieben weitgehend erhalten. Ein heller Glanzstreifen schwächt den matten Eindruck, und der Hintergrund wirkt leicht rosagrau.

Storyboard in Arcloop planen

Teilen

Entdecken Sie mehr

Shotliste erstellen: 108 KI-Kamera-Prompts

Shotliste erstellen: 108 KI-Kamera-Prompts

Filmmusik und Ton für KI-Kurzfilme gestalten: Von Story-Beats zur Praxis mit Seed Audio

Filmmusik und Ton für KI-Kurzfilme gestalten: Von Story-Beats zur Praxis mit Seed Audio

Bessere Cover für KI-Kurzfilme gestalten und generieren

Bessere Cover für KI-Kurzfilme gestalten und generieren

MiniMax H3 Videos verlängern

MiniMax H3 Videos verlängern