MiniMax, yerel 4K görsel üretimi ve düzenleme için açık ağırlıklı H3-Image modelini yayımladı

MiniMax, Hugging Face’te açık ağırlıklarla sunulan görsel üretme ve düzenleme modeli H3-Image’i yayımladı. MiniMax’e göre model, 16 megapiksellik (4K) görselleri yaklaşık 10 saniyede oluşturuyor, istemleri ve düzenlemeleri hassas biçimde uyguluyor ve en fazla 16 referans görseli kabul ediyor. Bunlar MiniMax’in iddialarıdır.

Model, MiniMax API, MiniMax Code ve Hailuo AI üzerinden kullanılabiliyor; lansman haftasında 16 MP ve üzeri görsel üretimlerinde %50 indirim uygulanıyor.

SGLang projesi, SGLang Diffusion’ın modeli ilk günden itibaren tam hassasiyetle desteklediğini; çoklu GPU çıkarımı ve DGX Spark, RTX PRO 6000, H200 ve B300 için tarifler sunduğunu belirtiyor. Projenin kendi ölçümlerine göre 4K görsel, DGX Spark’ta 85 saniyede, tek bir RTX PRO 6000’de 18,5 saniyede ve tek bir H200’de 10 saniyede oluşturuluyor (2K için sırasıyla 16, 3,4 ve 1,9 saniye). Proje, AdaLN’i önceden hesaplamanın 24,6 GiB VRAM tasarrufu sağladığını söylüyor.