这两天 AI 圈刷屏的一句话是「GPT is cooked」。让人上头的是 MiniMax 在 11 月 10 日深夜开源的图像模型 H3-Image:33.1B 参数,一套权重同时干文生图、参考图生成和改图。它原生直出约 16MP(4096×4096),采样压到 6 步,最多能塞 16 张参考图。开源没几天,Artificial Analysis 榜单更新,它在文生图和图像编辑两项都排到开放权重第一,这个榜是按用户成对偏好投票算的。智东西万联SD-WAN魔搭社区美港探案机器之心

听着该冲了。但先别下权重。
先想清楚走哪条路
网页档,零成本。 海螺 AI 和 MiniMax Code 里都能直接用。有实测者说,没订 M Plan 套餐也给了 10 次免费生成。先把这 10 次花在同一个问题上:它能不能干你手上那个活。智东西土著哥聊AI
API 档,几毛钱一张。 价格只有主流竞品的 50%–70%,发布首周 16MP 请求还能再打五折,单张生图或改图也就是几毛钱的开销,眼下还有限时折扣。但接口有几个坑:返回的是图片链接、24 小时就过期得自己下载存好,一次最多生成 10 张,参考图宽高要落在 128–8192 像素、长短边比不超 4:1,赶时间把型号换成 MiniMax-H3-Image-Highspeed。量子位游戏那点事Tiktok住宅专线
本地档,才是真要算的账。 完整跑起来一套约 135GB,主权重之外还要拉 Qwen3-VL 文本编码器约 66.7GB、可选的提示词扩写模型约 17.9GB。官方仓 100 个文件、合计 204GB,社区已经把它压到 9 个文件 125GB,最小可跑的三件套只要 29.4GB。魔搭给的方案是剪枝减约 39% 参数、平均 3bit 混合量化,24GB 显存 + 8GB 内存就能跑,不用 offload。LGZ夜若幽魂魔搭社区

「10 秒」得分入口听
官方口径是高速版 10 秒内出 4K,速度可达市面主流的 5 倍。实测差得挺开:在海螺官网生成 4 张 4K,等了约 1 分钟。换成 MiniMax Code 这类要先推理拆解的 Agent,4K 平均 1 分钟一张,首次生成还要更慢。本地自己跑又是另一套数:RTX 4090 上 2048×2048 的单参考图编辑,工作流 26.35 秒、采样峰值显存 22,975MiB,而这只是单次观察,测通的也只有 4MP 加一张参考图。同一个模型,换个入口,等待时间能差好几倍。想要「改一版看一版」的手感,就别让 Agent 在前面慢慢想。美港探案智东西土著哥聊AI夜若幽魂

两个不写在标题里的坑
它吃详细的提示词。 你给它的提示语越详细、画面结构拆得越狠,跑出来的 4K 大图就越惊艳。反过来,官方接口会自动把短提示扩写,本地部署则要自己配上那个可选的扩写模型,否则出图效果会和官方演示有差距。卡尔的AI沃茨万联SD-WAN
开源不等于随便商用。 H3-Image 用的是自定义社区许可:年化收入超 100 万美元、或向第三方提供托管服务,都要事先拿到书面授权,适用地域不含欧盟、英国、韩国和美国,也不能拿模型或它的输出去改进别的 AI 模型。真要在境内面向公众提供生图服务,还得履行备案手续、给 AI 生成内容打上标识。LGZ万联SD-WAN
那到底该不该换
强的地方很具体:给它一张产品外观图,它能自动推演出正视图、侧视图、俯视图的标准三视图,一个不差。中文文字渲染也稳,约 100 个汉字加 15g、92°C、2 分 30 秒这类数字单位全部准确生成,图标和文字没错位。模特换装连测三轮,人物样貌、发型、妆容和样衣都咬得住。量子位智东西土著哥聊AI

弱的地方也很具体:不给详细描述时审美偏保守,实测下来的结论是「能用但不够大胆」,创意海报跟 GPT-Image 2.6 还有差距。也有人认为它质量和一致性不如 Qwen-Image 2.1。日本创作者 Mankyu 提到,纯二维插画里大幅改人物角度或姿势时,想死死锁住原有笔触画风依然有些吃力。孙大圣游戏那点事
所以判断标准很简单:手上的活是「要求多、要一致、中文字不能错」——商品图、设定图、分镜、信息图,现在就该上手,先把那 10 次免费花掉。要的是「一句话给我惊艳」的创意稿,先别换。至于 135GB 的权重,等你确认要长期干这件事再下。