MiniMax가 11월 11일 텍스트로 그림을 만들고 참고 이미지를 편집하는 H3-Image를 오픈 가중치로 공개했다. 개발자와 창작자는 가중치를 내려받아 자체 도구와 작업 흐름에 맞게 활용하거나, MiniMax API로 4K 이미지를 생성할 수 있다.
1. 생성과 편집을 한 모델로 제공
H3-Image는 텍스트 설명만으로 이미지를 만드는 기능과 참고 이미지를 바탕으로 새 결과물을 만드는 기능을 함께 제공한다. 한 번의 편집 요청에는 참고 이미지를 1~16장 넣을 수 있어, 여러 자료를 조합하는 작업에도 쓸 수 있다.
모델 카드, 모델 정보와 사용법을 정리한 문서에는 빈 방과 여러 가구 사진을 합쳐 거실을 만드는 사례가 실려 있다. 글로 새 장면을 지시하는 데서 나아가, 이미 가진 시각 자료를 새 결과물에 반영하는 작업까지 겨냥한다.
모델은 4096×4096 크기의 이미지를 확대 처리 없이 직접 생성한다고 모델 카드에 안내돼 있다. 실용 범위는 약 400만~2000만 픽셀이고, 대체로 1600만 픽셀 부근에서 가장 좋은 결과를 낸다는 설명이다. 이미지를 완성하는 계산 과정을 6회로 줄인 구성이다.
2. 회사 발표 기준 4K 생성에 10초 미만
회사 발표 기준 4096×4096, 약 1600만 픽셀의 이미지 생성 시간은 10초 미만이며, 주류 대안 대비 속도는 최대 5배다. 별도로 회사는 표준 모드의 속도가 주류 대안의 1.5~2배, 고속 모드는 3~4배라고 설명했다.
요금은 회사 발표 기준 비교 가능한 주류 서비스의 50~70% 수준이다. 출시 주간에는 4K 이상 요청에 표준 요금의 50% 할인을 제공한다고 밝혔다. 회사는 생성 속도와 가격을 함께 내세워 고해상도 이미지를 일상적인 제작 작업에 쓰도록 유도하고 있다.
3. 원하는 화면 비율과 크기를 선택
API에서는 가로·세로 크기를 직접 지정하거나 화면 비율과 면적 단계를 이용할 수 있다. 아래 크기는 같은 API에서 각 면적 단계, 이미지 전체 크기를 구간으로 고르는 설정을 선택했을 때 안내된 값이다. 비율과 크기를 조합하면 결과물의 방향과 구도를 작업에 맞춰 정할 수 있다.
표: 화면 비율별 API 출력 크기
조건: MiniMax-H3-Image API, 화면 비율별 2K·4K 면적 단계 출력 설정
단위: 픽셀
| 화면 비율 | 2K 가로 | 2K 세로 | 4K 가로 | 4K 세로 |
|---|---|---|---|---|
| 1:1 | 2048 | 2048 | 4096 | 4096 |
| 4:3 | 2368 | 1760 | 4736 | 3552 |
| 3:4 | 1760 | 2368 | 3552 | 4736 |
| 16:9 | 2720 | 1536 | 5472 | 3072 |
| 9:16 | 1536 | 2720 | 3072 | 5472 |
| 3:1 | 3552 | 1184 | 7104 | 2368 |
| 1:3 | 1184 | 3552 | 2368 | 7104 |
같은 면적 단계라도 화면 비율에 따라 가로와 세로 길이가 달라진다. 4K 단계는 가로 길이를 고정하는 설정이 아니라 이미지 전체 면적을 정하는 설정이다.
텍스트 생성과 이미지 편집은 각각 별도 API 주소로 요청한다. 문서의 텍스트 생성 요청 본문 예시는 다음과 같다.
payload = {
"model": "MiniMax-H3-Image",
"prompt": "An orange cat lying on a windowsill basking in the sun, warm afternoon light, film texture",
"size": "2720x1536",
"n": 1,
"response_format": "url",
}API는 짧은 요청을 장면 전체를 묘사하는 상세한 문장으로 늘리는 프롬프트 확장, 요청문을 상세 묘사로 늘리는 기능을 기본 적용하며, 실제 사용한 문장을 응답에 돌려준다. 이미지 편집에는 이 확장이 항상 적용된다.
직접 가로·세로를 지정하는 방식과 화면 비율·면적 단계를 지정하는 방식은 한 요청에 섞을 수 없다.
4. 자체 배포는 모델 저장 공간과 운영이 필요
Hugging Face 모델 카드에 따르면 공개된 이미지 모델 파일은 68.65GB다. 텍스트를 모델이 처리할 형태로 바꾸는 텍스트 인코더, 문장을 모델 입력값으로 바꾸는 구성 요소는 별도 저장소의 MiniMax-H3에서 받아야 하며 66.7GB다. 프롬프트 확장기를 로컬에서 쓰려면 선택 구성 요소인 17.9GB 모델도 추가된다.
MiniMax는 SGLang과 vLLM-Omni를 배포 도구로 안내한다. diffusers와 ComfyUI도 선택지에 포함된다.
고해상도 생성은 세부 표현을 늘리는 대신 계산량이 커진다. API는 모델 파일을 직접 운영하는 수고를 덜어 주고, 로컬 배포는 자체 환경에 맞춘 활용 여지를 주는 대신 저장 공간과 가속기 운영 부담을 가져온다.
모델은 MiniMax-H3-Image Community License Agreement에 따라 제공된다.
H3-Image는 4K 생성과 다중 이미지 편집을 오픈 가중치로 가져왔으며, 선택의 핵심은 API 편의성과 자체 배포의 통제력 사이의 균형이다.