最大16枚を参照し、画像を生成・編集
MiniMaxは「MiniMax-H3-Image」のモデル重みをHugging Faceで公開しました。公式リポジトリによると、テキストからの画像生成と、1枚以上の参照画像を使った編集を同一のチェックポイントで扱います。
最大16枚の参照画像に対応し、複数の人物や物、背景などを指示に組み合わせる用途が考えられます。枚数上限はモデルの公式説明であり、利用するサービスや推論ツールが同じ上限を提供するとは限りません。
約1600万画素を直接生成
公式資料では、アップスケーラーを使わずに約1600万画素の画像を生成できると説明しています。例として正方形の4096×4096、横長の5472×3072などを挙げています。縦横比によってピクセル寸法は変わります。
推奨される動作範囲は約400万〜2000万画素で、最も良い結果はおおむね1600万画素付近とされています。品質や生成速度は指示や実行環境によって変わります。
ローカル実行に必要な容量
モデルカードの構成表では、画像モデル本体が約68.65 GB、テキストエンコーダーが約66.7 GBです。両方を新しく取得する構成なら公称値の合計は約135.35 GB。任意のプロンプト拡張モデル約17.9 GBも加えると約153.25 GBになります。これらはモデルファイルの小計で、実行時のVRAMや一時ファイルを含む必要空き容量とは異なります。
11月20日に配布元のmodel_index.jsonを開いて確かめると、text_encoder の参照先は MiniMaxAI/MiniMax-H3 の text_encoder でした。一方、画像モデル側のファイル一覧にも66.7 GB分が載っています。一覧を丸ごと取得する場合と、設定が参照する部品だけを取得する場合では転送量が違います。上の小計は後者の構成を見積もるための数字です。
配布元はSGLang、vLLM、Diffusers、ComfyUIなどを案内し、APIやアプリでの利用先も示しています。実際の動作条件や費用は利用する環境・サービスで確認してください。
独自ライセンスと地域・商用条件に注意
重みは独自のMiniMax-H3-Image Community License Agreementの下で提供されています。ライセンス上、EU、英国、韓国、米国は対象外地域に指定されており、対象地域外での利用には別途条件を確認する必要があります。
また、関連会社を含む年間換算売上が100万米ドルを超える場合、または第三者向けホストサービスを提供する場合には、事前の書面による許諾が必要と規定されています。商用利用、再配布、生成物の利用については利用前に原文を確認してください。
まとめ
重みが公開され、自分の環境で動かす選択肢が広がりました。ただし本体とは別にエンコーダーの容量が必要で、地域や商用の条件もあります。試す前に、容量とライセンス原文を確認しておくと安心です。
情報源
https://huggingface.co/MiniMaxAI/MiniMax-H3-Image
原文公開日:2026-11-10
https://github.com/MiniMax-AI/MiniMax-H3-Image
原文公開日:2026-11-10
https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/LICENSE
原文公開日:2026-11-10
出典は上記のリンクから確認できます。発表元の説明と、編集部による分析・試算は本文中で区別しています。