正在整理你需要的资料…
文生图和多图编辑各占一套权重,显存吃紧时更难受。MiniMax 官方放出的开源权重模型一个检查点同时干两件事:可直出约 16MP、最多接受 16 张参考图,扩散转换器 33.1B 参数,转换器权重 66GB 加 VAE 2.3GB。
适合要在本地自建图像生成或编辑服务、且愿意配大显存的团队;官方同时提供 API 与提示词扩写技能,接进现成工作流更快。

下面是把仓库 README 逐节读完后归纳出的中文要点。
把一句想法、简报或一组参考图扩写成完整的 MiniMax-H3-Image 提示词,也能通过接口直接渲染,适配能读 SKILL.md 的 agent。
按能力与创意分类展示大量生成样例,覆盖多人场景、服装配色、机械爆炸图、信息图、风景与传统绘画等题材。
提供网页端与桌面端入口,以及国内外两个平台地址与 API 文档,含文生图、图像编辑与提示词扩展。
开源的图像生成与编辑模型,同一权重支持文生图与多图编辑,可直接输出约 16 MP 图像,最多接受 16 张参考图。
官方指南强调先说用途再讲版式与细节,用可见的颜色材质光线描述风格,网格要写成行列,需要无文字时直接说明。
模型以 MiniMax-H3-Image 社区许可协议发布,图像编辑模型同属该协议,单独的书面授权需通过申请表申请。
npx skills add https://github.com/MiniMax-AI/MiniMax-H3-Image --skill h3-image-prompt-writing| 主要语言 | Python | 许可 | NOASSERTION |
|---|---|---|---|
| 创建时间 | 2026-11-09 | 最近提交 | 2026-11-11 |
| 站内采集 | 2026-11-12 起,连续观察 7 天 | 最近一次 | 2026-11-18 |
MiniMax 官方的开源权重图像模型:一个检查点同时做文生图与多图编辑,直出 16MP,最多吃 16 张参考图。
这是今天唯一一个由模型厂商自己放到 GitHub 的图像生成模型,权重可以完整下载本地跑。技术上它是 MiniMax H3 家族去掉音频分支后的版本,文本提示与参考图分别由完整的 Qwen3-VL 文本编码器和图像 VAE 编码,全部 token 拼成一个序列交给单流扩散转换器,一次预测目标图像的潜变量。转换器是 33.1B 参数的稠密单流结构,50 层、隐藏维 5376、56 个注意力头,用的是 3D 多模态旋转位置编码,和 H3 的多模态转换器一致。规格上写得很具体:任意长宽比下直出约 16MP,不需要放大器,6 步采样完成;最多接受 16 张参考图,每张不超过 64MB、边长 128 到 8192;提示词最长 32000 字符,超过 4096 token 会被截断。仓库里还带了一个 h3-image-prompt-writing 技能,可以把一句想法扩写成完整提示词并直接调 MiniMax API 渲染出来。
最近 7 次采集
2026-11-12 206 ★ → 2026-11-18 411 ★ (累计 +205)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。