Des images 4K et seize références pour H3-Image, le modèle de MiniMax

Annoncé pour générer des images 4K en dix secondes, H3-Image accepte seize références. Sa licence limite le déploiement des poids dans l’UE.

Les poids de H3-Image sont téléchargeables sur Hugging Face, mais leur utilisation dépend du territoire. La licence publiée par MiniMax exclut de son autorisation standard l’Union européenne, le Royaume-Uni, la Corée du Sud et les États-Unis. Les organisations qui souhaitent y déployer le modèle peuvent demander un accord distinct. Une autorisation préalable est également requise pour proposer un service hébergé à des tiers ou lorsque le chiffre d’affaires annualisé de l’utilisateur et de ses sociétés affiliées dépasse un million de dollars.

Dans une clarification publiée sur Hugging Face, MiniMax indique que son API reste accessible mondialement, avec les contrôles qu’il applique sur sa propre infrastructure. Le modèle est aussi proposé dans MiniMax Code et Hailuo AI. Cette distinction entre service hébergé et déploiement des poids conditionne l’accès à ce nouveau générateur d’images. Générer et retoucher avec le même modèle

Un même jeu de poids prend en charge la génération depuis un texte et la modification d’images. Pour l’édition, l’API accepte entre une et seize références, que la consigne peut désigner individuellement. Dans l’un des exemples publiés avec le modèle, une pièce vide et neuf photographies de meubles servent à composer un salon. D’autres exemples transforment un rendu 3D neutre en scène photographique ou changent le point de vue d’une carte de jeu.

La préparation de la consigne fait partie du parcours. L’API développe par défaut le texte fourni en une description détaillée, et renvoie la version effectivement utilisée pour chaque image. Cette reformulation peut être désactivée en génération depuis un texte. Elle s’applique systématiquement aux demandes d’édition, selon la documentation. Une « 4K » définie par la surface de l’image

Le palier « 4K » correspond ici à une surface cible proche de 16,8 MP, adaptée au ratio choisi. La documentation de l’API donne ainsi 4 096 × 4 096 en carré, 5 472 × 3 072 en paysage 16:9 et 3 552 × 4 736 en portrait 3:4. Des dimensions personnalisées sont possibles jusqu’à une surface de 20 MP, dans les proportions prises en charge.

D’après MiniMax, le modèle produit directement ces grandes images. La génération s’effectue en six étapes de calcul. Les fichiers peuvent être livrés en JPEG, PNG ou WebP. Les fonds transparents et les retouches guidées par un masque font partie des fonctions absentes de l’API au lancement. Dix secondes annoncées, des coûts liés à la requête

Dans son annonce, MiniMax revendique une génération en moins de dix secondes pour une image carrée de 4 096 × 4 096. Le temps dépend toutefois de l’infrastructure et de la configuration. La recette de déploiement SGLang rapporte, par exemple, environ 85 secondes pour une génération de 4 736 × 3 552 sur une machine DGX Spark, avec le modèle déjà chargé et hors transfert réseau ou enregistrement du fichier.

Deux variantes sont proposées dans l’API, Standard et Highspeed. La grille tarifaire facture les jetons du texte, des images de référence et de l’image produite. Pour une génération carrée de 4 096 × 4 096 sans référence, elle donne un exemple à environ 0,069 dollar en Standard et 0,130 dollar en Highspeed, avant promotion. Ces montants illustrent des requêtes et varient avec la consommation réelle.

Une remise de 50 % sur le coût total s’applique aux images livrées d’au moins 16,6 MP, jusqu’au 17 novembre à 17 heures, heure de Paris. Le même exemple en Standard passe ainsi à environ 0,034 dollar pendant l’offre.