MiniMax 发布 H3-Image：一款支持原生 4K 图像生成与编辑的开放权重模型

MiniMax 在 Hugging Face 上发布了 H3-Image，这是一款开放权重的图像生成与编辑模型。MiniMax 表示，该模型可在约 10 秒内生成 1600 万像素（4K）图像，能精准遵循提示并进行编辑，最多可接受 16 张参考图像。这些均为 MiniMax 的说法。

该模型可通过 MiniMax API、MiniMax Code 和 Hailuo AI 使用；发布首周，生成 1600 万像素及更大尺寸图像可享受 5 折优惠。

SGLang 项目表示，SGLang Diffusion 从模型发布首日起便支持全精度运行，并提供多 GPU 推理，以及适用于 DGX Spark、RTX PRO 6000、H200 和 B300 的配置方案。根据该项目自己的测量结果，在 DGX Spark 上生成一张 4K 图像需 85 秒，在单张 RTX PRO 6000 上需 18.5 秒，在单张 H200 上需 10 秒（2K 图像分别需 16 秒、3.4 秒和 1.9 秒）。该项目称，预计算 AdaLN 可节省 24.6 GiB 显存。