MiniMax выпускает H3-Image — модель с открытыми весами для нативной генерации и редактирования изображений в 4K

MiniMax выпустила модель для генерации и редактирования изображений с открытыми весами на Hugging Face. По словам MiniMax, она создаёт изображения размером 16 мегапикселей (4K) примерно за 10 секунд, точно следует запросам и редактирует изображения, а также принимает до 16 референсных изображений. Это заявления MiniMax.

Модель доступна через API MiniMax, MiniMax Code и Hailuo AI; в течение недели после запуска действует скидка 50% на генерацию изображений размером 16 Мп и более.

Проект SGLang сообщает, что SGLang Diffusion поддерживал модель с первого дня в полной точности вычислений, обеспечивая инференс на нескольких GPU и предлагая инструкции для DGX Spark, RTX PRO 6000, H200 и B300. По собственным замерам проекта, генерация изображения в 4K занимает 85 секунд на DGX Spark, 18,5 секунды на одной RTX PRO 6000 и 10 секунд на одном H200 (для 2K — 16, 3,4 и 1,9 секунды соответственно). В проекте сообщают, что предварительное вычисление AdaLN экономит 24,6 ГиБ видеопамяти.