多模态“源神”!MiniMax开源SOTA生图模型,原生4K,一张两毛

林知秋行业资讯📡 量子位2026-11-1387 阅读💛 121 收藏
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

多模态“源神”!MiniMax开源SOTA生图模型,原生4K,一张两毛

「CAD拆解」

Jay发自 凹非寺 量子位|公众号QbitAI

坏,真让MiniMax给多模态玩明白了😭。

继开源视频旗舰H3广受好评后,最新的图像模型——H3-Image,再次席卷全网。

热度最高的是「CAD拆解」,丢一张参考图,H3-Image能给你小手办直接开盒了。。。

还有给宇树机器狗CAD了的。

总之就是万物可拆解,还能给你把零件标好。

我自己也实测了一下,你还别说,真有点东西啊……

除此之外,海外网友测下来,其他类型的复杂生图任务也是能Handle住的,比如——游戏。

这这这,你不说,我还以为是GPT编程做出来的呢😭。

如果只是做点电商用的简单资产,就更轻松了。

但我没想到的是,这家伙居然是个文理双全??

保证智商的前提下,H3-Image的审美,也有点东西。

对了,还有件事。

这种质量的图像生成模型,你跟我说居然是开源的???

那还说啥了。

我宣布,MiniMax就是多模态领域的「源神」(bushi)。

告别塑料「美商」

过去我们一提到AI生图,脑子里第一个反应:油光满面,皮肤光滑得像剥了壳的鸡蛋,眼神呆滞,伪人感极重。

总之就是一股浓浓的「AI味」。

GPT Image 2在这方面进步非常大,但用多了后,恐怖谷效应依然涌上心头。

这次的H3-Image,我感觉,应该是基本解决这个问题了。

生成完我都懵了,不是兄弟,这谁看得出来是AI啊??

最重要的是人脸,毛孔、雀斑、甚至绒毛都给你画出来了。

此外,像镜子上的水泽和灰尘,闪光灯打在镜头上形成的光晕,这些细节也处理得非常离谱,真就跟小某书首页刷到的一样。

即便从仰视角度也能看出不少面部细节,就比如下面这张桌子即ins照片的时尚杂志封面,你仔细看人物的眼神,和微妙的面部肌肉牵引,都是非常符合现实社交逻辑的。

这也是我测H3-Image时最大的一个感受,很多我丢给老模型做过的提示词,H3-Image都能给出全新诠释。

确实世界知识比较丰富。

至于人脸之外的主体,就更是手拿把掐了。

比如,把里约热内卢的城市地标,做成一个立体纸雕风格的旅行手帐。

微缩景观、光影厚度,hmm,总感觉有股Fable 5宣传片的味道。

而且果然又露出了小鸡脚!

你看左下角这手,看到没,它给大拇指关节附近加了几颗痣!!

放大看根本不会露馅,手指上的皮肤纹理、关节褶皱,甚至指甲边缘的自然光泽与质感,都还原得一清二楚。

有意思。

我觉得,H3-Image之所以AI味这么少,可能很大程度上就取决于这些刻意为之的「瑕疵」。

任何人类主观创造的作品,必然充斥着随机性,过分追求完美反而不符合人类大脑接收信息的习惯。

但这也不禁让我有点发怵。

我一直固执地以为,审美不是机器能学会的东西。

现在看来,似乎只要能把其中的Trick摸清楚,很多人类引以为傲的品质,可能真的没那么神秘……

再给大家看个demo吧,我拿H3-Image搓了个法国旅游海报。

咋说呢,我真不太好意思评价,鄙人的艺术素养已经完全看不出来门道了。

唉。

SOTA级智力

还是整点我自己能搞得明白的任务。

就多模态模型而言,我一直有两个评判标准——美商和智商。

美商就是上面测的,比较玄乎,只能聊聊主观感受。

但智商就可以说道说道了。

比如H3-Image就有一项非常特殊的技能点——世界理解能力。

你可以拿它生成CAD图纸。

是的,就是你给它一张产品的外观图,它能自动推演出标准的正交三视图——

正视图、侧视图、俯视图,一个不差。

家人们,我瘫软了😭😭。

这还不算完。

除了CAD外,你还能让这个模型「爆炸」开。

让H3-Image画个机械拆解的爆炸图,它能精准遵循机械的装配逻辑,把零件给你分层清晰地炸开,甚至连组件引线都给你标上。

这背后,无疑需要对三维几何、空间关系的深刻理解。

当然,对于这类功能属性明显的图片,指令遵循能力也是非常重要的,光「画」其实难度不是很大,主要是考验模型规划、推理的能力。

不然的话,根本搞不明白用户一大堆提示词说的是些啥。

当然了,真要打严肃生产力场景的话,标准肯定是要拉很高的,商业用途必须准确传达信息。

所以除空间理解外,文本排版这个维度,也非常重要。

所以呢,我又干了这么一件事——

生成了一张高数期末考卷。

十多秒就生成出来了。

极限符号、复杂积分式……这种高密度的学术排版,居然一个字符都没乱码。

想必是太简单了,所以我又想出一个天才提示词:

完成这份试卷。

打开一看,我仿佛看到椅子爆炸——

什么叫图像生成模型的微积分水平比我强???

凭借鄙人勉强结业的高数知识储备,我大概看了一下,发现答案居然是对的,还有解题步骤!??

一时间无语凝噎。

当然,老本行,资产生成也不能少。

现在不是流行Coding吃掉一切吗,Astra降维3D,Opus 5.5降维视频。

但我一直觉得,很多都是宣传口径,这些跟文本八杆子打不着的任务,我干嘛要用文本模型?

只能说确实纯文本领域资源多,发展比较快就是了。

从第一性原理出发,我还是比较相信垂直模型这条路,各领域训各自的,天花板会更高,成本也更现实。

而且像H3-Image这种垂直模型,本身就是天选专精啊,完全不矛盾,非常适合接入Harness,让Agent直接Tool Call。

这也是最近开始出现的趋势吧,不一定非得单个模型降维一切,通过通用模型去串联各个垂直模型,总效用更高。

如果光是生成用来展示的资产的话,比如下面这种恐龙玩具,垂直图像模型明显是更优解,没必要Computer Use半天。

毕竟如今的图像模型,光影、几何等基本物理常识已经不再是问题。

小零食啥的也是没问题,且看我如何让中国辣条走向全球。

甚至3D游戏画面也能生成,倒反天罡了属于是😭。

一段长文本的战术指令下去——什么掩体、火力压制、侧翼包抄,它能立刻给你构建出一个具有真实纵深感和合理遮挡关系的3D战斗场景。

严密遵循游戏术语,几乎可以直接用到概念设计里。

这我还蹬个啥Astra Ultra啊,反正都是看个demo,生成几张图片不就完事了。

(bushi)

多模态「源神」

基本上就这些,除此之外呢,作为一个旗舰图像模型,H3-Image还放出了一些小福利。

最重要的,H3-Image直接把分辨率干到了16MP(4096×4096像素),也就是原生4K。

泪目了家人们,我终于不用GPT生完图后,又丢给Nano Banana优化半天了🥹。

而且4K生成也巨快,这么大的图,我用网页端体感就10-20秒。

虽然但是,谁不想在等GPT磨洋工的时候,美美来上一把贪吃蛇呢(bushi)。

扯远了。

除了这些,H3还有一个比较特别的参数——

支持最多16张参考图输入。

就能装巨多,完美主义者福音,在角色一致性、复杂分镜连续性上,给了创作者前所未有的自由。

4K日常创作,真正普及了。

结果就是,你可以随手扔几张参考图,再喝口水……

就能拿到这种质量的装修效果图。

这还要啥Blender啊😭。

但我万万没想到的是。

H3-Image,竟然是开源的???

继之前开源SOTA级视频模型H3之后,MiniMax再次出手,又给全球开发者送上了一个可自由定制的SOTA底座。

多模态源神,不必多言。

当然了,就算你没心思折腾部署,API调用也是白菜价。

只有主流竞品的50%到70%,首周16MP请求还能再打五折(站起来蹬啊兄弟们!!)。

测到这,我突然有种预感——

多模态生成,可能正在迎来属于自己的Coding时刻。

过去AI生图在商业端常常「沦为玩具」,主要就是因为细节经不起推敲、塑料感太严重了,谁是甲方看到都不乐意啊。

但如今,H3-Image做到了三件事——

去AI味、可泛化的审美、逻辑。

当这些条件被满足,多模态的应用市场,绝对不逊色于编程。

从高精度工业包装设计、商业插画,到多语言的跨境营销物料,图像模型的出现,能大幅压缩传统工作流的周期。

再叠加上刚刚说的这些buff:速度+开源+低价……

这会是个怎样的未来,难以想象。

但最后,咱们还是把视线移回如今的AI圈吧。

当全球AI公司的目光几乎全部聚焦于纯文本时,MiniMax,仍然把很大一部分精力放在多模态世界。

这也是这家公司一直以来的特点了,从一开始就押注多模态,如今终于迎来涌现。

都说多模态对AGI不重要,Coding才有商业模式……

但我一直觉得,如果AI的定义只容得下文本,这个未来,未免也太无趣了。

从改写视频生成格局的H3,到如今在逻辑、结构与审美上全面突破的H3-Image。

国产开源这把野火,彻底开始向多模态领域——

蔓延。

版权所有,未经授权不得以任何形式转载及使用,违者必究。
MiniMax
Jay
  • 机器人接管酒店洗衣!双脑协同+RSI,顶级Astra驾驶员来了2026-11-11
  • “AI毁了我的计算机学位”2026-11-09
  • MIT神作被锤:Astra爆改Qwen权重?就吹吧!2026-11-05
  • Linux内核被挖出948个漏洞!OpenAI花120万美元找到的2026-11-05

相关阅读

文章评论(12)

青柠微凉3 天前

路过

回复
龙文博3 天前

作者写得真不错,学到了不少。

回复
雪影3 天前

点赞,必须点赞

回复
郭超3 天前

不错不错,已加入书签。

回复
林拾贝3 天前

整理得太全面了,省了我不少时间。

回复
杨丽华3 天前

点赞,必须点赞

回复
三分糖去冰3 天前

不错不错,已加入书签。

回复
墨沐雨3 天前

整理得太全面了,省了我不少时间。

回复
月沐雨2 天前

看标题就点进来了,内容果然没让人失望。

回复
龙文博2 天前

点赞,必须点赞

回复
星寻梦2 天前

有没有更详细的教程,期待后续。

回复
三分糖去冰2 天前

看完了,收获满满,期待更多更新。

回复