本文へ移動
YOBITSUGI AIメディア
AI ニュース人が監修しながらAIを活用して執筆

MiniMax H3-Image、4K画像を10秒未満で 重みも公開

執筆・監修: 佐々木 航公開 更新 4 分で読めます

共有XFacebookLINEはてブ

4096×4096画素、約1,600万画素の画像を、10秒かからずに作れるといいます。中国のMiniMaxは11月11日、画像のモデル「MiniMax H3-Image」を公開し、モデルの重みもHugging Faceで公開しました。文章から画像を作る使い方と、手持ちの画像を参照して作り直す使い方を、1つのモデルでこなします。同じ日に、画像づくりの道具ComfyUIも、手元のGPUで動かす形とAPIで呼ぶ形の両方で対応しました。

H3-Imageは、同社の動画のモデルH3から音声の部分を除いた作りです。画像を作る本体は330億パラメーターで、文章の読み取りにはH3と同じQwen3-VLの部品を使います。生成は6回の手順で終わるように詰めてあり、手順の数や、指示にどれだけ従わせるかの強さは決まった値です。

大きな画像を、拡大せずに作る

項目値
4K(4096×4096)を作る時間10秒未満
出力の大きさ(拡大なし)約1,600万画素4096×4096(1:1)〜6272×2688(21:9)
参照できる画像16枚まで
指示の長さ4,096トークンまで
生成の手順6回で固定
画像を作る本体330億パラメーター重みのファイルは約69GB

速さはMiniMaxの説明で、主な他社の最大5倍です。比べた相手の名前は書かれていません。

多くの画像のモデルは100万〜400万画素ほどで作り、大きな画像は後から拡大しますが、H3-Imageはどの縦横比でも約1,600万画素の大きさで直接作ります。参照の画像をつなぐと、指示の中で「<Picture 1>」「<Picture 2>」のように番号で呼び分けられます。

使える場所と、料金

APIはMiniMaxの開発者向けの基盤から使え、速い版の「H3-Image-Highspeed」もあります。MiniMaxによると、通常の版は主な他社の1.5〜2倍、速い版は3〜4倍の速さで、料金は他社の同じような提供の50〜70%です。公開の週は、4K以上の画像の生成が通常の半額です。APIで作れる大きさは、65万〜2,000万画素です。

重みを使えば、自分のGPUで動かすこともできます。MiniMaxはvLLM-Omni、SGLang、diffusers、ComfyUIを挙げ、動作を確かめたGPUとして、NVIDIAのH200やRTX PRO 6000 Blackwell、AMDのInstinct MI350Xを示しています。ただ、画像を作る本体が約69GB、文章を読む部品が約67GBもあります。家庭用のGPU 1枚で気軽に動かせる大きさとは言えません。ComfyUIでは、重みを落とさずにAPIで呼ぶPartner Nodesの形も選べます。

重みのライセンスの注意

重みは自由に使えるライセンスではなく、MiniMax独自の「MiniMax-H3-Image Community License」です。日本の企業が気をつけたい条件は、次のとおりです。

  • 対象の地域から外れる国がある: EU、英国、韓国、米国は、ライセンスの対象の地域ではありません。作った画像を、対象の地域の外で使ったり見せたりすることも、認められていません。
  • 売上が年100万ドルを超える会社は、事前の許可が要る: 他社にサービスとして提供する場合も同じです。
  • 製品に名前を出す: 商用の製品やサービスで使うときは、画面に「MiniMax-H3-Image」と目立つように示します。
  • ほかのAIの学習に使えない: 作った画像を、ほかのAIのモデルを良くするために使うことは禁じています。

読み取れること

4Kを10秒未満で作れる重み公開のモデルは、印刷物や大きな画面の素材を作る人には魅力があります。とはいえ、作った画像を米国やEUで見せられないという条件は、海外に顧客や拠点がある会社には重い制約です。社内の試作にとどめるのか、海外向けの広告や製品の素材にも使うのかで、選べるかどうかが分かれます。

速さと料金の数字は、比べた相手の名前が書かれていないMiniMaxの説明です。自分で試すなら、まずComfyUIのPartner NodesかAPIで、普段の指示を何本か流して比べるのが手軽だと考えます。

YOBITSUGI AIで使えるか

現時点では、MiniMax H3-ImageはYOBITSUGI AIからは使えません。

出典

共有XFacebookLINEはてブ