首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >新一代图片模型 | MiniMax H3 Image使用体验 | 自部署

新一代图片模型 | MiniMax H3 Image使用体验 | 自部署

作者头像
夜梦星尘
发布于 2026-11-18 09:31:53
发布于 2026-11-18 09:31:53
960
举报

1. 前言

最近minimax发布了h3 image,算是正式对标字节的seedream了。一个闭源之神,一个开源之神(什么时候minimax能比过字节啊,现在的seedance太贵了qvq)。

官网文档:图片生成 – MiniMax 开放平台文档中心

HuggingFace:MiniMaxAI/MiniMax-H3-Image · Hugging Face

可以看到,minimax h3 image的生图速度很快(夜梦实测确实很快,5张参考图输入4K输出不到半分钟):

目前的价格如下(4K有折扣,没有折扣的话还是有点贵的),总体比GPT生图贵不少,但众所周知GPT生图噪点很多,而h3 image夜梦使用下来就比较干净。如果和国内seedream(5.0和5.5)比较的话,h3 image也稍差一些。虽说h3 image是开源的,但这次权重较大,即使量化完也不是普通家用显卡就能够部署的,所以夜梦给个80分吧(毕竟开源了,希望能够早日追上seedream =v=)。

MiniMax H3 Image是MiniMax最新发布的图片模型,模型参数如下:

组件

参数量

磁盘大小

精度

DiT 主干(扩散 transformer)

33.1B

66.28 GB

BF16

文本编码器(Qwen3-VL 完整编码器)

≈33B

66.7 GB

与 MiniMax-H3 视频模型共用

图像 VAE

≈0.6B

2.34 GB

FP32

附加:pdd_fused_heads

很小

12 MB

—

全量部署的话,需要约135G显存,在消费级显卡直接部署使用上是不现实的。如果采用INT8量化(虽然量化完的大小也不小就是了)部署。量化档位所需要的显存大致如下:

量化档

DiT

文本编码器

合计

原生 BF16

66.3 GB

66.7 GB

≈135 GB

FP8

≈33 GB

≈33 GB

≈66 GB

INT8

21 GB(剪枝+INT8 convrot)

25.28 GB(INT8 convrot)

≈47.4 GB(含 VAE fp16 1.17)

GGUF Q8 / Q6

≈34 / ≈26 GB

—

需配 TE Q4(≈17 GB)≈43–51 GB

这里夜梦到智川云租用了一台L20服务器,显存48GB,CPU架构为AMD EPYC 9354 32-Core Processor,vCPU核心数为14 核,内存为85 GB。价格每小时2.18元,超过50GB的数据盘每GB0.02元/时,和autodl一致。

2. 部署

夜梦这里采用INT8量化,因此需要数据盘60GB左右。部署得话可以让AI帮忙,夜梦这里使用的是ZCode+GLM-5.3-Flash,安装内容如下。

项目

大小

位置

DiTpruned_int8_convrot

21 GB

数据盘 ComfyUI/models/diffusion_models/

文本编码器 qwen3vl_32b_int8_convrot

25.28 GB

数据盘 ComfyUI/models/text_encoders/

VAEfp16

1.17 GB

数据盘 ComfyUI/models/vae/

必需合计

≈47.5 GB

提示词扩写器(可选,我们不用)

+7.34 GB

不下也行

ComfyUI 本体 + pip 依赖环境

≈8–10 GB

系统盘(智川云 默认 赠送30GB)

下载临时文件

峰值 = 最大单文件 25.28 GB(下载完改名,不重复占用)

数据盘

输出图

4MP PNG ≈8–15 MB/张

数据盘

安装总时长1小时(数据中心下东西就是快啊,太快了)。

3. 使用

使用很简单,直接让ai帮你连接服务器,然后操作就行。

4. 比较

以下是使用同款提示词进行的图片编辑生成,角色是终末地的提弗洛斯(提弗洛斯酱是可以成为妈妈的人啊),提示词如下(肯定还有更好的提示词,奈何夜梦没什么文化,实在是写不出了):

代码语言:javascript
复制
正面全身站立,身体略侧、重心落在一条腿上,左手抬到肩侧挥手打招呼,右手自然垂在身侧,双手空着不拿东西,神情轻松地微笑。七头身,头小、四肢修长。【脸】完全参照参考图:脸型、眼睛、眉毛都保持原样,脸颊素净、没有腮红。【头发】淡紫色长发扎成对称的双马尾,从耳后扎起、垂到小腿,发丝细软、一根根可辨,有柔和的缎面光泽,不要塑料感。【头饰与角】头顶黑银护目镜带、左右两块白色三角耳罩;只有两只黑色弯角,向后上方弯。【服装】黑白机能裙:白色印花泡泡袖、黑色皮束腰配红色圆扣、两层黑褶裙带银色包边与细链条、黑短裤、蕾丝系带大腿袜、黑白厚底战靴,双手戴黑手套。【尾巴】蓝钢色鳞片长龙尾,从腰后自然垂下、微微弯出弧度,尾尖不接触雪面,完整在画面内。【背景】干净的雪地,身后有一串靴印。【风格】3D 游戏实机模型渲染,赛璐璐色块加真实光影,有明确的受光面、投影与体积感,整体明亮通透。不要:真人感、浓妆、腮红、婴儿肥、2D 手绘、塑料头发、Q 版、多余角、其他人、文字水印、裁切犄角或靴子、手中拿书、尾巴拖地。

seedream 5.0 fast生成图片如下(夜梦比较喜欢这一版,感觉光影比较明亮,色彩也比较舒服):

seedream 5.5生成图片如下(夜梦压缩过了,头发有些灰):

h3 image官方api(中规中矩):

h3 image自部署(量化版本),测试下来,2K图片生成(3张参考图)约60秒,4K图片生成(3张参考图)约148秒。可以看出来对于面部的处理还是没有官方的好:

gpt(这还是提弗洛斯吗,软萌宝宝怎么变得这么御了):

5. 总结

以上比较仅供娱乐,大家选择自己喜欢的生图模型就好了=v=

总的来说,如果偶尔用用,直接用seedream就行,minimax现在的价格和seedream5.5和5.0flash差不多,夜梦觉得不大划算。如果喜欢gpt风格的,可以直接开通gpt的plus。当然,还有google的banana模型,夜梦这里没有测试,下次有机会的话,夜梦再试试~

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2026-11-17 ,如有侵权请联系 cloudcommunity@tencent.com 删除
目录
  • 1. 前言
  • 2. 部署
  • 3. 使用
  • 4. 比较
  • 5. 总结
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档