11 月 10 日周二，MiniMax 正式发布并开源新一代图像生成模型 H3 Image，主打最高 1600 万像素（4096×4096）的 4K 图像生成，官方称最快约 10 秒即可完成，同时支持精准理解提示词、图像编辑以及最多 16 张参考图输入。相比之下，H3 Image 能够直接生成 4096×4096 的 4K 图像，生成时间缩短至 10 至 20 秒，官方宣传的最快速度约为 10 秒。根据 Hugging Face 公布的技术资料，H3 Image 采用 331 亿参数的稠密扩散 Transformer（DiT），共有 50 层，沿用 MiniMax H3 的 Qwen3-VL 文本编码器，并结合图像 VAE 处理参考图片和生成图像。