MiniMax запустила H3 Image: 16 референсов, 4K и промпты до 32 000 символов

Если вы хоть раз делали серию картинок для одного проекта, знаете, как это больно. Первая генерация получается отличной, а на третьей у героя меняется лицо, у куртки другой цвет, а фон живёт своей жизнью. Обычно это лечат связкой из референсов, LoRA, inpainting и ручной склейки в редакторе. MiniMax предлагает другой подход: дать модели побольше входных данных и длинное техзадание.

Что именно выпустили

MiniMax открыла ранний доступ к H3 Image на своей платформе Hailuo AI. Это модель для статичных картинок, и, судя по описанию, она наследует «пространственную дисциплину» у видеогенератора той же компании. Видеомодели давно приучены следить за тем, где что стоит и как это движется. Логично, что та же логика должна помогать и в одиночном кадре.

По заявленным характеристикам:

• до 16 референсных изображений в одном запросе;
• аспекты от 21:9 (кинематографичная панорама) до 9:16 (вертикаль для сторис и шортсов);
• нативный экспорт в 1K, 2K и 4K;
• встроенный текстовый энкодер с контекстом до 32 000 символов.

Зачем 16 референсов

Представьте, что вы делаете рекламный баннер для кроссовок. Раньше вы могли дать модели одну фотографию продукта и одно настроение «как на этой картинке». Теперь теоретически можно подать фото кроссовок с трёх ракурсов, лицо и позу модели, референс освещения, палитру бренда, пример фона и логотип. Всё это уходит в один запрос, а не в цепочку из пяти шагов с потерями на каждом.

Для продакта это выглядит как сокращение пайплайна. Для разработчика, который встраивает генерацию в свой сервис, это возможность строить интерфейс вокруг «набора материалов», а не вокруг «одной картинки и текстового поля». Чем больше модель способна удерживать согласованным, тем меньше вам нужно допиливать руками.

Оговорка: заявленное количество референсов ещё не означает, что модель одинаково хорошо учитывает все 16. На практике у мультиреференсных систем часто «побеждают» первые или самые заметные изображения, а мелкие детали теряются. Пока этого никто публично не проверил.

Длинный промпт и 4K

Контекстное окно в 32 000 символов — это больше десятка страниц текста. Для картинки такой объём кажется избыточным, но смысл понятен. Можно описать сцену как сценарий: кто стоит слева, кто справа, что в руках, какая надпись на вывеске и каким шрифтом. Автор поста в Telegram-канале прямо говорит, что модель «должна хорошо парсить» сложные схемы расстановки актёров и типографику. Но это ожидание, а не результат тестов.

Нативное 4K тоже важно. Без апскейлера не появляется лишний слой «додуманных» деталей, а текст и мелкие элементы получают больше пикселей для нормальной отрисовки. Для печати, больших экранов и кропа из широкого кадра это существенно.

Чего пока не известно

Источник — короткий анонс, и многие важные вещи в нём не названы:

• нет бенчмарков и сравнения с другими генераторами картинок;
• не сказано, будет ли API и когда;
• не указаны цены и лимиты на запросы;
• непонятно, как модель справляется с кириллицей в типографике;
• доступ пока ранний, то есть возможны очереди, ограничения и нестабильность.

Формулировки вроде «понимание промпта, похоже, будет очень хорошим» — это осторожный прогноз, а не подтверждённый факт.

Что делать на практике

Если вы делаете визуальный контент или инструмент для него, стоит завести небольшой тест. Возьмите свою реальную задачу: героя, который должен узнаваться в пяти кадрах, или макет с текстом на вывеске. Подайте 4–8 референсов, а не один, и сравните результат с тем, что вы получаете сейчас. Отдельно проверьте длинный структурированный промпт: работает ли он лучше короткого или модель начинает игнорировать конец.

Если вы продакт или основатель, следите за появлением API. Именно от него зависит, станет ли H3 Image частью вашего продукта или останется ещё одной красивой вкладкой в чужом сервисе. Пока же это заявка на сильный инструмент для консистентной генерации, и проверять её нужно руками, а не по анонсу.