MiniMax lança o H3-Image, um modelo de pesos abertos para geração e edição nativa de imagens em 4K

A MiniMax lançou o H3-Image, um modelo de geração e edição de imagens com pesos abertos no Hugging Face. Segundo a MiniMax, ele renderiza imagens de 16 megapixels (4K) em cerca de 10 segundos, segue prompts e edita com precisão, além de aceitar até 16 imagens de referência. Essas são alegações da MiniMax.

O modelo está disponível pela API da MiniMax, pelo MiniMax Code e pelo Hailuo AI, com 50% de desconto nas gerações de 16 MP ou mais durante a semana de lançamento.

O projeto SGLang diz que o SGLang Diffusion oferecia suporte ao modelo desde o primeiro dia, com precisão total, inferência em várias GPUs e receitas para DGX Spark, RTX PRO 6000, H200 e B300. Segundo suas próprias medições, uma imagem em 4K leva 85 segundos em um DGX Spark, 18,5 segundos em uma RTX PRO 6000 e 10 segundos em uma H200 (em 2K: 16, 3,4 e 1,9 segundos). O projeto afirma que o pré-cálculo de AdaLN economiza 24,6 GiB de VRAM.