En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarTG: @ai_newz (эйай ньюз)→ original

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
MiniMax H3-Image genera 4K nativo en 16 segundos y abre sus pesos
Fuente: TG: @ai_newz (эйай ньюз). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @ai_newz (эйай ньюз) ↗
Editor jefe
APIunos 0,07 $ por imagen 4K en Standard, con un 50 % de descuento de lanzamiento
Dato clave #2El modelo tiene 33,1B de parámetros y pesa unos 135 GB con el codificador y el VAE
Dato clave #3En tarjetas de 24 GB, las capas se descargan a la RAM mediante SGLang

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.

Historia

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.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…