MiniMax H3-Image开源：21秒出16MP图，但有人觉得它比不过Qwen

MiniMax 把 H3-Image 的开放权重放出来了。

HuggingFace、ModelScope、GitHub 三处同步上线：

有人在 Reddit 上说“这辈子都是 MiniMax 粉丝了”，但评论区没这么整齐。

模型体积不小。完整版 68.65 GB，int8 量化版 21 GB。Comfy-Org 也放出了适配 ComfyUI 的 INT8 ConvRot 格式，地址在这里。有网友开脑洞，说这模型跟 MiniMax 的视频模型 DiT block 一样大，int8 版尺寸也吻合，怀疑是拿视频模型直接转的。

一位用 5090 的用户试了 int8 版，跑默认的文生图工作流，16 兆像素的图 21 秒出完。他的初步结论是：速度够用，提示词跟随还不错，现实感强，出图种类也多。但问题在清晰度。16MP 的图看着像低分辨率图被放大过，有颗粒感，不锐利。他用多轮流程在调，想把锐度找回来。顺手提了一句图像编辑功能看着不错，提示词简单的情况下跟得挺好。

社区里也有不同的声音。

一位网友测了几种风格化场景，让模型出《上古卷轴5》风格截图，出来是带雪的普通 3D 感；让出《第二人生》截图，出来是粗糙的 2D 数码绘画。他说这两类需求 MOSS、Qwen 2.1 和 Krea 2 都能做对。还试了让模型画狼女爬行，三条腿。

另一位说 IP 知识严重退化，参考生图相似度基本没了。同一张参考图，H3 视频模型能保持人物特征，图片模型不行。他猜测 H3-Image 可能基于 FL2VA 版本，而不是保留主体更好的 REF2VA。

跟 Qwen Image 2.1 的对比也有分歧。有人说多参考编辑明显不如 QI 2.1，立刻有人反驳，说 H3 确实能做出自己想要的编辑，用 Qwen 反而要来回争论。还有人觉得比 Krea 2 差。

显卡门槛是另一个现实问题。68 GB 完整版大部分人跑不动，有人问会不会有小显存版本，回复是“等等应该会有 8 到 16 GB 的量化版”。

目前看下来，H3-Image 的速度和文生图基础质量得到了一些正面反馈，但风格理解、参考图一致性、高分辨率真实清晰度这几块口碑不稳定。有用户怀疑 ComfyUI 的实现有问题，也有人觉得这就是视频模型转图片模型的代价。到底是个别实现问题还是模型本身定位，得等更多量化版本和实测出来才知道。