MiniMax H3 Image 是開放權重的圖像模型,可直接生成 4096 × 4096 像素的正方形 4K 圖,單次最多接受 16 張參考圖。MiniMax 國際 API 的標準版常規價範例約為每張 0.069 美元。多出的像素讓全景裁成特寫、分鏡改成海報時有更多餘裕。我們用同一位女偵探測試角色圖、三鏡頭分鏡、雙語海報和局部換色。
MiniMax H3 Image 是什麼?
這是基於 H3 的靜態圖像模型,支援文字生圖、參考圖生成與圖片編輯。可以先用文字生成咖啡館,再用人物、室內空間和文件袋三張參考圖製作進門分鏡,或上傳原圖改變髮夾顏色。MiniMax 已開放權重,也透過開放平台、MiniMax Code 與海螺提供線上服務。
| 項目 | MiniMax API 規格 |
|---|---|
| 輸入 | 文字生圖用提示詞。參考生成與編輯可搭配 1 至 16 張圖 |
| 尺寸 | 1K、2K、4K 像素面積級距,自訂上限 2,000 萬像素 |
| 長寬比 | 1:3 至 3:1 |
| 輸出 | 每次 1 至 10 張,JPEG、PNG、WebP |
| 版本 | Standard 與 Highspeed 的 API 參數與限制相同 |
三項主要功能
原生 4K 給裁切留空間
4K 指的是像素面積。正方形為 4096 × 4096,像素數約為正方形 2K 的四倍。16:9 橫圖是 5472 × 3072,3:4 直圖是 3552 × 4736。先按用途選畫幅,再核對匯出的尺寸。
為每張參考圖指定用途
分別指定人物的臉與服裝、道具形狀、房間配置。編輯時上傳原圖,說明要改哪裡和要保留什麼。MiniMax 的編輯 API 目前透過文字描述編輯區域,未提供像素級遮罩。
標準版與高速版怎麼選
兩版參數相同。高速版的圖片輸入和圖片輸出 token 單價各為標準版兩倍。比較時固定提示詞、比例和參考圖,記錄等待時間及費用。
MiniMax H3 Image 一張圖要多少錢?
依 2026 年 11 月 12 日查閱的國際 API 定價,文字輸入、圖片輸入、圖片輸出每百萬 token 的費率,標準版依序為 2.30、1.50、3.80 美元,高速版為 2.30、3.00、7.60 美元。提示詞增強計入文字輸入。下表是常規價範例,輸出為正方形,編輯用參考圖為 1K。實際按 token 用量計費。
| 任務 | 輸出級距 | 標準版(美元/張) | 高速版(美元/張) |
|---|---|---|---|
| 文字生圖 | 1K | 0.02179 | 0.03529 |
| 文字生圖 | 2K | 0.02333 | 0.03622 |
| 文字生圖 | 4K | 0.06879 | 0.13001 |
| 編輯,1 張參考圖 | 2K | 0.02658 | 0.04576 |
| 編輯,1 張參考圖 | 4K | 0.07312 | 0.13673 |
| 編輯,3 張參考圖 | 4K | 0.07914 | 0.15407 |
首發優惠適用兩版,交付圖至少有 1,660 萬像素時,整筆請求費用減半。方形 4K 文字生圖範例為標準版 0.03439、高速版 0.06501 美元。活動至 2026 年 11 月 17 日 16:00 UTC 截止。
按常規價,以標準版先做 20 張 2K 草圖,再用一張參考圖做 5 次 4K 編輯,共約 0.83 美元。留下 5 張時,每張可用圖約 0.17 美元。本機執行需計入硬體、算力和部署。MiniMax 提供權重與部署說明,ComfyUI 支援生圖與編輯。記憶體用量受精度、元件卸載、輸出尺寸和參考圖數影響,權重適用 MiniMax 社群授權。
MiniMax H3 Image 圖片生成實測
1. 用同一條提示詞生成 2K 與 4K 角色圖
畫一張日韓漫畫風格的女偵探角色設定圖,3:4 直幅,單人正面全身,從頭到鞋都入鏡。她約 22 歲,冷靜警覺,直視鏡頭。齊下巴黑短髮,右側太陽穴上方別橘色長方形髮夾,左眼下一顆小痣。穿有暖橘寬翻領的深海軍藍短風衣、米白高領衫、深藍直筒褲和黑短靴。雙手空著並自然垂在兩側。以深藍為主,橘色只用於髮夾及翻領,採用乾淨線條、清楚的賽璐珞陰影和柔和均勻的正面光。純淺灰背景,只畫一人。
2K 級距 · 56 秒
4K 級距 · 67 秒
MiniMax 公告中的方形 4K 模型推理耗時低於 10 秒。這裡的 56 與 67 秒是兩個級距各一次的生成等待時間,缺少測試入口、版本與計時起迄紀錄。兩張展示 JPG 都為 1760 × 2368,與官方 3:4 的 2K 尺寸相同。4K 的實際交付尺寸與細節仍需原檔核對。
兩張都保留右側橘髮夾、橘翻領和米白高領。第一張髮長、單痣與短風衣較貼近提示詞。第二張風衣較長,左眼下多一點,以下兩組分鏡共用這張圖。
2. 三個鏡頭的人物、場景與道具能接上嗎?
女偵探拿文件袋進店、在窗邊坐下,把袋子放到桌上,再低頭看封口。A 組只用人物參考,有三個景別和一張偏差樣圖。B 組加入咖啡館和文件袋,有三個景別及六格分鏡。共用提示詞寫單痣和短風衣,參考圖卻是雙點及較長的風衣。下文以人物參考圖核對造型,中景和近景依各自展示尺寸比較。
咖啡館參考圖:日韓漫畫風的空室內全景。店端設玻璃門,連窗與深藍卡座在一側,吧台在過道對面。入口數來第二扇窗旁有深色圓桌,上方是橘色半球吊燈。文件袋參考圖:正面的 A4 直式棕色牛皮紙袋,在淺灰背景上閉合,深藍細繩繞住上下兩枚橘色圓扣。
咖啡館參考
文件袋參考
共用提示詞:生成 16:9 日韓漫畫分鏡,以深藍和暖橘為主。沿用女偵探參考圖的臉,齊下巴黑髮、右側橘色髮夾、左眼下單顆小痣、暖橘寬翻領的深藍短風衣與米白高領。玻璃門在店的一端,窗和深藍卡座與吧台隔著過道相對。第二扇窗邊有深色圓桌和橘色半球吊燈。A4 直式棕色牛皮紙袋閉合,深藍細繩繞住上下橘扣。
每次在共用提示詞後加一條鏡頭描述。
- 全景。從吧台側朝玻璃門拍。偵探右手拿袋進門,畫面帶到第二扇窗旁的桌和吊燈。
- 中景。從過道朝卡座拍。她坐在第二扇窗邊,用右手把袋放平,圓扣朝上。取景含窗框、卡座和吊燈。
- 近景。從圓桌斜前方拍。橘扣和藍繩在前景,她低頭看封口,臉、翻領、窗框和卡座都入鏡。
A 組 · 僅人物參考 · 全景(5472 × 3072)
B 組 · 人物、場景與道具參考 · 全景(5472 × 3072)
A 組 · 僅人物參考 · 中景(5472 × 3072)
B 組 · 人物、場景與道具參考 · 中景(2720 × 1536)
A 組 · 僅人物參考 · 近景(5472 × 3072)
B 組 · 人物、場景與道具參考 · 近景(2720 × 1536)
A 組偏差樣例
B 組六格分鏡
兩組都認得出黑短髮、橘髮夾與深藍外套。B 組近景的左眼下雙點更貼近人物圖。A 組中景和近景出現肩袢與袖扣,另有一張下著變樣。兩組全景都在右手拿袋,也把吧台與卡座放在過道兩側。B 組中近景的雙扣連繩更像道具圖,全景仍多了橫繩,桌位還要靠同機位畫面核對。剪接前先看近景裡會被放大的細節,避免由橫繩切到縱繩時看起來像換了道具。
3. 海報上的中英文能排對嗎?
將 B 組近景改成 4:5 直式放映海報。保留藍橘配色、窗邊卡座、暖橘吊燈、右側單髮夾、左眼下雙點和橘色寬翻領。讓偵探的臉與袋子雙扣清楚可見。上下留深藍排字區,上方依序放大字「THE SEALED FILE」和約一半大小的「密封档案」,下方依序放「11月14日」和「DOORS 8 PM」。僅排這四行。
原圖 · B 組近景
成圖 ·《密封档案》
四行文字逐行核對都吻合,英文片名最大。橫圖改直式後,髮夾、左眼下雙點、窗邊卡座和雙橘扣仍能辨認。
4. 只改髮夾顏色,其他地方會跟著變嗎?
把第二張角色圖中右側橘色髮夾改成霧面銀色。保留長方形輪廓與位置,以及臉、髮型、服裝、姿勢、背景和光線。
編輯前 · 橘色髮夾
編輯後 · 銀色髮夾
顏色成功換成銀色,輪廓、位置、眼下雙點、翻領及站姿大致保留。髮夾的亮帶讓霧面感偏弱,背景也略偏粉灰。

















