MiniMax H3-Image genera 4K nativo en 16 segundos y abre sus pesos
MiniMax ha convertido su modelo de vídeo H3 en H3-Image, un generador de imágenes que dibuja 4096×4096 nativos en seis pasos, sin escalado. En modo Standard tarda 16 segundos, en Highspeed unos 10, mientras que Nano Banana 2.1 tardó 50 en la misma prueba. Acepta prompts de hasta 32 000 caracteres y hasta 16 referencias. Los pesos y el código son abiertos, y ComfyUI ya tiene plantillas.
Procesado por IA desde TG: @ai_newz (эйай ньюз); editado por Hamidun News
Durante años, la mayoría de los generadores de imágenes vivieron con un compromiso: el modelo dibuja en una resolución menor y luego un escalador añade detalles «verosímiles». Para las vistas previas basta. Para impresión, banners y maquetas grandes, ya no. MiniMax propone otro camino: H3-Image genera 4096×4096 directamente, sin un paso aparte de ampliación.
Qué es este modelo
H3-Image surgió del modelo de vídeo H3, que MiniMax adaptó para fotogramas estáticos. Por dentro hay un transformador de difusión de 33,1 mil millones de parámetros. Genera la imagen en seis pasos, lo cual es muy poco para un modelo de este tamaño.
Otros dos parámetros importan en la práctica. El prompt puede tener hasta 32 000 caracteres, es decir, cabe en él un briefing completo: descripción de la marca, distribución del encuadre, requisitos de estilo. Se pueden pasar hasta 16 referencias, por ejemplo un personaje, un producto, una paleta y ejemplos de composición. Para los equipos de producto esto se parece más a una herramienta de trabajo que a un juguete: la guía de marca se puede poner directamente en la solicitud.
Velocidad y precio
Según los datos del anuncio, generar 4K a partir de texto tarda unos 10,3 segundos en Highspeed y 16 segundos en Standard. Nano Banana 2.1 con thinking medium tardó 50 segundos en la misma prueba. La comparación debe leerse con una salvedad. El modo thinking añade tiempo de razonamiento antes de dibujar, por lo que la diferencia no puede atribuirse por completo a la velocidad de la generación en sí. La publicación no indica en qué hardware se midió, así que conviene volver a comprobar las cifras con tus propias tareas.
A través de la API, una imagen 4K en Standard cuesta unos 0,07 $, y ahora mismo hay un 50 % de descuento de lanzamiento. Hasta el 23 de noviembre inclusive, fal ofrece de 3 a 5 generaciones gratuitas. Es suficiente para probar rápidamente tus prompts sin desplegar nada por tu cuenta.
Ejecución local: pesada, pero posible
Los pesos son abiertos y el código está en GitHub. Pero junto con el codificador y el VAE hay que descargar unos 135 GB. Para tarjetas gráficas de 24 GB, SGLang propone descargar parte de las capas a la memoria RAM. Funciona, pero la velocidad caerá de forma notable, y las cifras del anuncio no corresponden a esa configuración. ComfyUI ya tiene plantillas listas, así que no hará falta montar el pipeline a mano.
La comunidad ya ha publicado una LoRA de dos pasos para acelerar. Cuánto degrada la calidad aún no está claro, y hay que comprobarlo por separado.
Qué hacer con esto
Si estás desarrollando un producto con generación de imágenes, lo más barato que puedes hacer ahora es esto: toma de 10 a 20 de tus prompts reales, incluidos los largos y los que llevan referencias, y pásalos por las generaciones gratuitas de fal. Fíjate en lo que suele fallar en tareas aplicadas: detalles pequeños, texto dentro de la imagen, mantener al personaje a partir de las referencias. El 4K nativo solo tiene sentido si la mejora de detalle se ve sin escalado.
Para la ejecución local, calcula de antemano el disco y la memoria. 135 GB, la descarga a RAM y una velocidad desconocida en una tarjeta de consumo pueden comerse todo el ahorro frente a la API. También conviene leer la licencia en Hugging Face antes de integrarlo en un producto comercial.
El cambio general es claro: la resolución 4K y el contexto largo para el prompt se convierten en el mínimo básico, y la velocidad de seis pasos hace que esta generación sea apta para escenarios interactivos. El resto lo mostrarán las comparativas independientes.
- 12 nov 2026Agentes de IA revisaron más de 2000 artículos de ICML 2026 y hallaron errores que los revisores pasaron por alto
- 12 nov 2026Ocho países, OpenAI y Anthropic prometen un «interruptor de emergencia» para los modelos de IA, pero sin plazos ni sanciones
- 12 nov 2026Hugging Face advierte: una ola de hackeos podría hacer que la IA de código abierto sea menos abierta
- 12 nov 2026OpenAI construyó Control Room: un interruptor de emergencia para modelos que escaparon del entorno aislado
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué es este modelo?
H3-Image surgió del modelo de vídeo H3, que MiniMax adaptó para fotogramas estáticos. Por dentro hay un transformador de difusión de 33,1 mil millones de parámetros. Genera la imagen en seis pasos, lo cual es muy poco para un modelo de este tamaño. Otros dos parámetros importan en la práctica. El prompt puede tener hasta 32 000 caracteres, es decir, cabe en él un briefing completo: descripción de la marca, distribución del encuadre, requisitos de estilo.
¿Qué se sabe sobre Velocidad y precio?
Según los datos del anuncio, generar 4K a partir de texto tarda unos 10,3 segundos en Highspeed y 16 segundos en Standard. Nano Banana 2.1 con thinking medium tardó 50 segundos en la misma prueba. La comparación debe leerse con una salvedad. El modo thinking añade tiempo de razonamiento antes de dibujar, por lo que la diferencia no puede atribuirse por completo a la velocidad de la generación en sí.
¿Qué se sabe sobre Ejecución local: pesada, pero posible?
Los pesos son abiertos y el código está en GitHub. Pero junto con el codificador y el VAE hay que descargar unos 135 GB. Para tarjetas gráficas de 24 GB, SGLang propone descargar parte de las capas a la memoria RAM. Funciona, pero la velocidad caerá de forma notable, y las cifras del anuncio no corresponden a esa configuración. ComfyUI ya tiene plantillas listas, así que no hará falta montar el pipeline a mano. La comunidad ya ha publicado una LoRA de dos pasos para acelerar.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.