
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。
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)。
使用很简单,直接让ai帮你连接服务器,然后操作就行。
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):
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):

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~