MiniMax lance H3 Image : 16 références, 4K et des prompts jusqu'à 32 000 caractères

Si vous avez déjà réalisé une série d'images pour un même projet, vous savez à quel point c'est pénible. La première génération est excellente, mais dès la troisième, le visage du héros change, la veste n'a plus la même couleur et l'arrière-plan vit sa vie. On règle généralement ce problème avec un enchaînement de références, de LoRA, d'inpainting et d'assemblage manuel dans un éditeur. MiniMax propose une autre approche : donner au modèle davantage de données d'entrée et un long cahier des charges.

Ce qui vient d'être lancé

MiniMax a ouvert un accès anticipé à H3 Image sur sa plateforme Hailuo AI. Il s'agit d'un modèle pour images statiques qui, d'après la description, hérite de la « discipline spatiale » du générateur vidéo de la même entreprise. Les modèles vidéo sont depuis longtemps entraînés à suivre ce qui se trouve où et comment cela se déplace. Il est logique que la même logique aide aussi dans une image unique.

Selon les caractéristiques annoncées :

• jusqu'à 16 images de référence dans une seule requête ;
• formats de 21:9 (panorama cinématographique) à 9:16 (vertical pour les stories et les shorts) ;
• export natif en 1K, 2K et 4K ;
• encodeur de texte intégré avec un contexte allant jusqu'à 32 000 caractères.

Pourquoi 16 références

Imaginez que vous réalisiez une bannière publicitaire pour des baskets. Auparavant, vous pouviez fournir au modèle une seule photo du produit et une ambiance du type « comme sur cette image ». Désormais, en théorie, on peut soumettre des photos des baskets sous trois angles, le visage et la pose du mannequin, une référence d'éclairage, la palette de la marque, un exemple d'arrière-plan et le logo. Tout cela part dans une seule requête, et non dans une chaîne de cinq étapes avec des pertes à chacune.

Pour un product manager, cela ressemble à un raccourcissement du pipeline. Pour un développeur qui intègre la génération dans son service, c'est la possibilité de construire l'interface autour d'un « ensemble de matériaux » plutôt qu'autour d'« une image et d'un champ de texte ». Plus le modèle est capable de maintenir de cohérence, moins il faut retoucher à la main.

Une réserve : le nombre de références annoncé ne signifie pas que le modèle prend en compte les 16 avec la même qualité. En pratique, dans les systèmes multi-références, ce sont souvent les premières images ou les plus visibles qui « gagnent », tandis que les petits détails se perdent. Pour l'instant, personne ne l'a vérifié publiquement.

Prompt long et 4K

Une fenêtre de contexte de 32 000 caractères représente plus d'une dizaine de pages de texte. Pour une image, ce volume paraît excessif, mais l'intention est claire. On peut décrire la scène comme un scénario : qui se tient à gauche, qui à droite, ce qu'ils tiennent en main, quelle inscription figure sur l'enseigne et dans quelle police. L'auteur du post sur la chaîne Telegram affirme que le modèle « devrait bien analyser » les schémas complexes de placement des acteurs et la typographie. Mais c'est une attente, pas un résultat de tests.

Le 4K natif est lui aussi important. Sans upscaler, aucune couche supplémentaire de détails « inventés » n'apparaît, et le texte comme les petits éléments disposent de plus de pixels pour être correctement rendus. Pour l'impression, les grands écrans et le recadrage d'un plan large, c'est significatif.

Ce que l'on ignore encore

La source est une courte annonce, et beaucoup d'éléments importants n'y figurent pas :

• pas de benchmarks ni de comparaison avec d'autres générateurs d'images ;
• aucune indication sur l'existence d'une API ni sur sa date ;
• ni tarifs ni limites de requêtes ;
• on ignore comment le modèle gère le cyrillique dans la typographie ;
• l'accès est anticipé, donc files d'attente, restrictions et instabilité sont possibles.

Des formulations comme « la compréhension du prompt sera apparemment très bonne » sont un pronostic prudent, et non un fait confirmé.

Que faire concrètement

Si vous produisez du contenu visuel ou un outil pour cela, il vaut la peine de monter un petit test. Prenez votre tâche réelle : un héros qui doit rester reconnaissable sur cinq images, ou une maquette avec du texte sur une enseigne. Fournissez 4 à 8 références, et non une seule, puis comparez le résultat avec ce que vous obtenez aujourd'hui. Testez séparément un long prompt structuré : fonctionne-t-il mieux qu'un prompt court, ou le modèle commence-t-il à ignorer la fin ?

Si vous êtes product manager ou fondateur, surveillez l'arrivée de l'API. C'est elle qui déterminera si H3 Image devient une brique de votre produit ou reste un onglet de plus, bien joli, dans le service de quelqu'un d'autre. Pour l'instant, c'est la promesse d'un outil puissant pour la génération cohérente, et il faut la vérifier à la main, pas sur la foi d'une annonce.