MiniMax lanza H3-Image, un modelo de pesos abiertos para generar y editar imágenes 4K de forma nativa

MiniMax lanzó H3-Image, un modelo de generación y edición de imágenes con pesos abiertos en Hugging Face. MiniMax afirma que genera imágenes de 16 megapíxeles (4K) en unos 10 segundos, sigue las indicaciones y realiza ediciones con precisión, y admite hasta 16 imágenes de referencia. Estas son afirmaciones de MiniMax.

Está disponible a través de la API de MiniMax, MiniMax Code y Hailuo AI, con un 50 % de descuento en generaciones de 16 MP o más durante la semana de lanzamiento.

El proyecto SGLang afirma que SGLang Diffusion ofreció compatibilidad con el modelo desde el primer día a precisión completa, con inferencia multi-GPU y recetas para DGX Spark, RTX PRO 6000, H200 y B300. Según sus propias mediciones, generar una imagen 4K lleva 85 segundos en una DGX Spark, 18,5 segundos en una RTX PRO 6000 y 10 segundos en una H200 (2K: 16, 3,4 y 1,9 segundos). Afirma que precalcular AdaLN ahorra 24,6 GiB de VRAM.