MiniMax H3 Image：4K 图像生成与最多 16 张参考图编辑
了解 MiniMax H3 Image 的 4K 面积档位、最多 16 张参考图编辑、Highspeed 和 Context-IR 提示词预审，以及生产工作流中的访问与成本边界。
EvoLink Team产品团队文章目录
对开发商品图工具和营销素材工作流的团队而言，这次值得关注的是围绕同一个创作任务提供了更多控制：组织源素材、确定交付画布，再生成候选图供审核。EvoLink 用户可以把这些能力作为选型条件，与统一 API 网关中现有的图像模型进行比较，同时单独确认 H3 Image 的接入状态。
MiniMax 直连采用同步请求，支持可选的逐张流式返回，默认使用 4K 面积档位。EvoLink 路由采用异步任务，自动画幅或比例画幅默认 2K，本轮接入标准版。下文介绍的 Highspeed、独立 Context-IR 和逐张流式返回属于供应商能力，不包含在本轮 EvoLink 接入中。
这次发布有哪些重点？
H3 Image 既可以根据文字生成新图，也可以接收参考图和编辑指令。主要控制能力如下：
| 能力 | 支持范围 | 对工作流的意义 |
|---|---|---|
| 多参考图 | 编辑时输入 1–16 张图片 | 将产品、人物、场景和视觉方向分别交代清楚 |
| 灵活画布 | 1K/2K/4K 面积档位，自定义输出最高 2000 万像素 | 为不同版位和交付尺寸准备素材 |
| 批量生成 | 单次 1–10 张，可逐张流式返回 | 其余图片仍在生成时，先审核已完成的候选图 |
| 提示词可查看 | 返回每张图片实际使用的提示词 | 检查简短指令被扩展成了怎样的画面描述 |
| 提示词预处理 | Context-IR 可只返回增强提示词，不出图 | 在文生图之前先审核扩写后的需求 |
| 模型版本 | 标准版和 Highspeed | 在同一组任务上比较，再决定默认版本 |
让更多创作要求进入同一张图片
最多 16 张参考图，为团队留出了区分不同素材用途的空间。产品广告可以分别提供商品、目标地点和风格参考；角色项目则可以独立指定人物身份、服装和环境。
以一款护肤品的场景图为例，商品正面照可以说明包装和瓶身比例，另一张照片交代希望放置商品的空间，再用视觉参考表达光线与色调。文字指令则说明哪些元素必须保留、哪些环境需要改变。这里的价值在于让不同来源的要求都有明确位置，审核时也能逐项追溯。
例如，可以这样组织编辑任务：用第二张图片中的柴犬替换第一张图片里的猫，并要求保留背景。它展示了“指定来源、指定变化、指定保留项”的任务表达方式；商品、人物和场景组合可以沿用这个思路组织需求。实际效果仍要由自己的素材验证。
产品任务应先检查商品本身：形状、包装、标签和比例。角色任务则需要比较候选图中的身份、衣着和配饰。多参考图提供的是更多上下文，输出能否保留正确细节，仍需用实际素材验证。
4K 画布可以适应不同投放版式
| 画幅 | 2K 档位 | 4K 档位 | 可用于规划的交付版式 |
|---|---|---|---|
| 1:1 | 2048 × 2048 | 4096 × 4096 | 方形商品展示与社交图片 |
| 16:9 | 2720 × 1536 | 5472 × 3072 | 横版广告与视频首帧 |
| 9:16 | 1536 × 2720 | 3072 × 5472 | 竖版社交素材与视频首帧 |
| 3:1 | 3552 × 1184 | 7104 × 2368 | 超宽横幅 |
表中的版式用途是创作规划示例。
同一档位因此可以对应不同版位，但不同版位仍需要分别设计构图。商品页首图、横幅广告和竖版社交图片，即使像素面积相近，也需要不同的取景和留白。
输出文件也有可选项：默认 JPG，并支持 PNG、WEBP。JPEG 和 WEBP 可设置压缩程度，默认值为 95；PNG 不受该压缩参数影响。这控制的是交付文件的压缩，不是模型的画质或速度档位。需要透明底的应用仍要注意：H3 Image 当前不支持透明背景，选择 PNG 不会改变这一点。
先审核扩写后的提示词，再生成图片
revised_prompt 返回每张图片实际使用的提示词，方便团队同时检查原始指令与扩写后的视觉描述。例如，品牌 brief 可能只写“暖色调的浴室商品图”，审核者却还需要确定镜头距离、商品位置和背景元素。查看扩写描述可以帮助团队发现这些解释是否符合创作方向；它提供的是文字层面的检查依据，最终图片是否兑现要求，还需要看输出。
提示词长度上限为 32,000 个字符，但关闭增强时，仅约前 4096 个 token 生效。两者不能当成相同的输入容量。对需要自行维护完整提示词的团队，关闭增强后仍应控制指令长度，把主体、必须保留的细节和交付构图写清楚。
一次生成多稿，完成一张审核一张
同一份商品 brief 可以先生成一组候选，检查商品是否正确、构图是否有文案空间、背景是否适合品牌，再决定保留哪张继续制作。批量参数提供的是一次获取多个结果的能力；如果需要明确不同的创意方向，团队仍应分别组织需求，不能假定同一批次会自动覆盖预设的十种方案。
哪些生产工作流值得优先评估？
以下场景用于评估这些能力，不代表已经完成的模型实测。
商品场景图与营销素材变体
商品团队可以把商品照片作为固定输入，再分别尝试不同空间、光线和构图。一次活动通常需要方形展示图、横版横幅和竖版社交图，H3 Image 的参考图编辑与画幅设置为这些交付提供了共同的起点。
评估时应先看瓶身、鞋型、包装或其他关键结构是否保留，再看场景是否合适。若任务必须准确呈现包装小字或品牌标识，应把它们单独列入验收，不能从“支持 4K”推导出文字必然正确。还应检查不同画幅中的商品比例和留白，判断是否真的减少了后续修图工作。
角色、场景与概念探索
对于游戏概念、角色设定或故事场景，团队可以分别提供人物、服装和环境参考，再用文本说明它们之间的关系。例如，同一角色进入新的地点时，哪些外观要素需要保留，哪些灯光与环境可以改变。
这类任务的验收重点是参考素材之间的关系：人物是否拿着正确的道具、衣着是否混用了其他图片的元素、场景中的位置是否符合要求。多图输入便于表达这些条件，但人物一致性、复杂空间关系和连续多轮修改表现都需要实际验证。
先审核静态图，再进入视频制作
当目标是商品短片或角色视频时，可以先把 H3 Image 用于首帧候选：确认主体、布景和构图后，再交给独立的图生视频模型。这样可以在投入视频生成前，先审核静态画面。
标准版、Highspeed 与开源动向
MiniMax-H3-Image 或 MiniMax-H3-Image-Highspeed。两者使用相同参数和限制，可以用同一组素材、画幅和输出要求评估；独立 Context-IR 服务仅支持标准版。选择生产默认版本前，应在同一组任务上比较标准版与 Highspeed 的完成时间、合格率和单张合格素材成本。Highspeed 的名称本身不能说明固定的速度倍率或画质排名。
自部署需要可下载的权重和适用的模型许可证；能够通过 API 使用，并不代表已获得自部署所需的文件和授权。选择自部署前应确认部署条件，通过 API 使用时则分别确认账号权限与费用。
开发者需要确认的访问与成本信息
MiniMax 直连 API 支持通过文字生成图片，或结合文字与参考图进行编辑，并可逐张返回完成结果。接入时使用所选渠道的请求格式与结果处理方式。
成本方面，供应商报告输入与输出 token 用量，其中包含参考图用量，以及提示词增强费用折算的文本 token；生成计费只统计成功图片。评估一项商品图任务时，应把参考图输入、提示词处理、生成输出，以及为达到验收标准而追加的请求一起记录，才能算出每张合格素材的成本。token 用量示例不能代替 H3 Image 的实际单价，也不能从两个不同任务的用量推导出固定的编辑涨价倍数。
常见问题
MiniMax H3 Image 和 H3 图生视频是一回事吗？
不是。H3 Image 输出静态图片；H3 图生视频把图片作为输入，进入独立的视频生成流程。
4K 档位是否总是输出 4096 像素宽的图片？
不是。4K 对应目标像素面积，实际尺寸由宽高比决定。4K 档位的 16:9 输出为 5472 × 3072。
H3 Image 能生成透明 PNG，或按蒙版局部编辑吗？
H3 Image 当前不支持透明背景和蒙版局部编辑。PNG 是可选输出格式，但不代表支持透明背景。
Highspeed 版本和标准版有什么区别？
两者使用相同参数和限制。选择生产默认版本前，应以同一组需求比较延迟和画质，不能仅凭 Highspeed 的名称假定固定的速度倍率或画质优势。
Context-IR 会生成图片吗？
不会，它返回增强后的提示词。对于文生图，可以审核后关闭增强，再提交生成；图片编辑始终启用增强。
