MiniMax merilis H3-Image, model berbobot terbuka untuk pembuatan dan pengeditan gambar 4K secara native

MiniMax merilis H3-Image, model pembuatan dan pengeditan gambar dengan bobot terbuka di Hugging Face. MiniMax menyatakan model ini merender gambar 16 megapiksel (4K) dalam sekitar 10 detik, mengikuti prompt dan melakukan pengeditan secara presisi, serta menerima hingga 16 gambar referensi. Semua ini merupakan klaim MiniMax.

Model ini tersedia melalui API MiniMax, MiniMax Code, dan Hailuo AI, dengan diskon 50% untuk pembuatan gambar berukuran 16 MP atau lebih selama pekan peluncuran.

Proyek SGLang menyatakan bahwa SGLang Diffusion telah mendukung model ini sejak hari pertama dengan presisi penuh, inferensi multi-GPU, serta panduan untuk DGX Spark, RTX PRO 6000, H200, dan B300. Berdasarkan pengukurannya sendiri, gambar 4K memerlukan waktu 85 detik di DGX Spark, 18,5 detik di satu RTX PRO 6000, dan 10 detik di satu H200 (2K: 16, 3,4, dan 1,9 detik). Proyek tersebut menyatakan bahwa prapenghitungan AdaLN menghemat 24,6 GiB VRAM.