MiniMax-H3-Image: 6스텝으로 16MP 이미지 생성, 편집까지 통합한 오픈소스 DiT

텍스트 프롬프트로 이미지를 생성하거나 기존 이미지를 편집하는 기능을 하나의 체크포인트로 통합한 모델이다. MiniMax H3 계열의 DiT 아키텍처를 기반으로 하며, 오디오 레이어를 제거한 순수 이미지 생성 특화 구조를 갖는다. 텍스트 인코더로는 Qwen3-VL을 그대로 활용하여 창의적 의도를 시각적 세계로 구체화한다.

1 / 8

최대 16메가픽셀 해상도의 이미지를 업스케일러 없이 직접 생성한다. 4096x4096부터 21:9 비율의 6272x2688까지 다양한 화면비를 지원하며, 6스텝 샘플링만으로 추론이 완료된다. 분류기 없는 가이던스 없이도 높은 수준의 디테일과 사실감을 유지하며, 기존 방식 대비 계산 비용을 효율적으로 관리한다.

최대 16장의 참조 이미지를 받아 편집 작업에 활용할 수 있다. SGLang, vLLM-Omni, Diffusers, ComfyUI 등 주요 추론 프레임워크를 지원하며 NVIDIA 및 AMD 가속기 모두에서 구동 가능하다. 로컬 배포 시 68.65GB 용량의 BF16 가중치가 필요하며, 선택적으로 프롬프트 확장 모델을 함께 사용할 수 있다.

오픈소스 모델 중 가장 강력한 지시 추종 능력을 갖춘 것으로 평가된다. API를 통해 텍스트 생성, 이미지 편집, 프롬프트 확장을 직접 호출할 수 있으며, 웹 앱 및 데스크톱 클라이언트도 제공한다. 정밀한 제어와 빠른 생성 속도를 요구하는 크리에이터 및 개발자에게 적합하다.