
MiniMax-H3-Image: qué afirmaba la publicación de lanzamiento y qué lanzó realmente vLLM-Omni
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 221 tok/s
Tres afirmaciones llegaron junto con MiniMax-H3-Image, y vale la pena separarlas porque tienen cantidades muy distintas de papeleo detrás. El modelo es un transformer de difusión de flujo único de 33,1B que genera y edita imágenes a aproximadamente dieciséis megapíxeles, destilado a seis pasos de muestreo sin classifier-free guidance, y sus pesos llegaron a Hugging Face el 10 de noviembre de 2026 a las 14:50 UTC. La publicación que lo anunció decía que el modelo era el modelo de pesos abiertos número uno para edición de imágenes en Artificial Analysis, que el soporte de NVIDIA Vera Rubin para MiniMax-H3-Image se estaba incorporando a vLLM-Omni, y que la generación nativa en 4K se ejecutaba en 0,87 segundos. La primera se sostiene, pero solo dentro de una cohorte de pesos abiertos y solo dentro de una banda de confianza de diez puestos de ancho; la segunda describe papeleo que apunta a un modelo diferente y que se cerró sin fusionarse; la tercera es un número real medido asociado a un lienzo de una cuarta parte del tamaño que implica su frase.
Nada de eso hace que el modelo sea peor. Hace que el anuncio sea más difícil de usar, porque un lector que tomara los tres al pie de la letra planificaría un pipeline 4K en torno a una cifra de latencia que corresponde a una de 4 megapíxeles.
El número de 0.87 segundos está en el repositorio, y está asociado a un lienzo de 2048 píxeles.
La propia receta de vLLM-Omni para MiniMax-H3-Image incluye una tabla de latencia medida en ocho configuraciones de GPU, y el valor que sobrevive al contacto con la publicación de lanzamiento es este: en cuatro H200 con paralelismo de secuencia Ulysses en las cuatro, una solicitud de texto a imagen de 2048×2048 tarda 0,88 segundos, y una edición de 2048×2048 tarda 1,35 segundos. Son medianas de tres solicitudes tras un calentamiento, con concurrencia uno y una semilla fija, medidas de extremo a extremo en el lado del cliente.
La misma fila mide la solicitud más grande que probaron los autores —4736×3552, que son 16,8 megapíxeles y lo más parecido en la tabla a una placa 4K— en 3,84 segundos. Así que la versión honesta de la afirmación sobre la velocidad es que una imagen de 4 megapíxeles tarda alrededor de nueve décimas de segundo en un nodo de cuatro GPU, y la imagen de 16 megapíxeles para la que está diseñado el modelo tarda alrededor de cuatro. La cifra de 0,87 está dentro del ruido de medición de la de 0,88; lo que cambió fue el lienzo, no el modelo.
Lo que hace que esto sea más que una queja por redondeo es que las solicitudes inferiores a 2048×2048 en realidad no se ejecutan a su tamaño nominal. La ruta de servicio genera cualquier tamaño menor en un lienzo de al menos 2048×2048 con la misma relación de aspecto y luego reduce la escala con Lanczos en el dispositivo. Por eso 1024×1024 cuesta 0,77 segundos y 2048×2048 cuesta 0,88: son la misma cantidad de trabajo con una cantidad distinta de redimensionamiento posterior. La receta expone el límite inferior como min_generation_area, ajustable de 32² a 4096² píxeles, así que un despliegue que realmente necesite miniaturas económicas tiene que habilitarlas explícitamente.
El resto de la tabla es la parte útil para cualquiera que esté dimensionando hardware:
• Cuatro H200, Ulysses SP 4 — 81,3 GiB de pico por GPU, 0,88 s para una imagen de 2048², 3,84 s a 4736×3552, 1,35 s para una edición de 2048².
• Cuatro H200, paralelismo tensorial DiT de 4 — 36,2 GiB por GPU, 1,00 s y 4,01 s, y las ediciones quedan dentro de 38,3 dB PSNR de la referencia de paralelismo de secuencia.
• Cuatro H200, TP 2 × SP 2 — 52,2 GiB por GPU, 1,09 s y 4,07 s, 37,1 dB frente a la misma referencia.
• Dos H200, Ulysses SP 2 — 94,6 GiB por GPU, 1,48 s y 6,82 s. Esta es la configuración que necesita casi toda la tarjeta.
• Un H200 con el codificador de texto descargado: 73,4 GiB, 3,18 s y 12,39 s para los mismos dos tamaños.
Una H200 con descarga por capas tanto del DiT como del codificador de texto — 14,7 GiB, 8,30 s y 12,85 s.
Las dos últimas filas son las interesantes comercialmente, porque son lo que te ofrece una sola tarjeta alquilada. Con 14,7 GiB, el modelo cabe cómodamente y tarda ocho segundos en algo que un nodo de cuatro GPU hace en menos de uno: una proporción de aproximadamente nueve a uno en latencia para una proporción de aproximadamente cuatro a uno en hardware. Los perfiles de offload están limitados por las copias de host a dispositivo, por lo que su latencia apenas crece con el tamaño de la imagen: la diferencia entre una solicitud de 2048² y una de 16,8 MP en la ruta DLO de una sola GPU es de 8,30 segundos frente a 12,85. Si tu carga de trabajo son imágenes grandes y tienes una tarjeta, el offload no es el desastre que sugiere la latencia bruta.

Por qué la primera imagen cuesta más de lo que sugieren los pesos del modelo
El checkpoint que la gente descarga no es lo que se ejecuta. El repositorio de 68.65 GB contiene el transformer de difusión BF16, pero servirlo también requiere el codificador de texto Qwen3-VL completo extraído de MiniMax-H3 —un segundo artefacto de unos 66.7 GB—, además de un VAE de 0.58B, y el propio recuento de parámetros de la receta suma los tres hasta 67B. Ese es el número que hay detrás de la cifra de 73.4 GiB en una sola GPU con el codificador de texto residente, y detrás de la disposición residente de dos GPU que necesita 94.6 GiB por tarjeta.
La consecuencia es un problema aritmético para el día del lanzamiento. Un modelo de imagen de 16 megapíxeles cuyos pesos llegan como dos grandes descargas y cuyo despliegue rápido más económico son cuatro GPU de centro de datos no es un proyecto de fin de semana, y los frameworks que afirman tener soporte desde el primer día están afirmando soporte para el pipeline, no para tu escritorio. La receta es explícita sobre qué hardware se midió realmente y cuál solo se configuró: H200, RTX PRO 6000 Blackwell con dos y cuatro tarjetas, y MI325X y MI350X están marcados como verificados, mientras que las recetas de H100, B200 y B300 son solo de configuración. La receta separada para una única RTX 4090 existe y está etiquetada como despliegue comunitario en lugar de uno cualificado por el proveedor.
La afirmación de Vera Rubin apunta al modelo de vídeo, y el pull request fue cerrado.
Esta es la afirmación que más investigación requirió, porque el trabajo es real y su forma no es la que describía la publicación. Hay una pull request en vLLM-Omni con el número 10108, abierta el 10 de noviembre de 2026 a las 11:10 UTC, titulada «[Doc] Añadir receta de MiniMax-H3 Rubin y resultados de inferencia». Aporta 1.972 líneas repartidas en cuatro archivos, documenta una receta sin conexión para cuatro GPU en hardware NVIDIA VR NVL72 con 286.524 MiB por tarjeta en un host aarch64, e informa mediciones reales: una solicitud de texto a vídeo de 1344×768, cinco segundos y 24 FPS tardó 19,811 segundos de mediana con atención TRTLLM y ejecución eager, frente a 110,039 segundos con SDPA. Las variantes de primer/último fotograma clave y de referencia mixta registraron 21,535 y 21,461 segundos.
Todas esas tareas son de vídeo. T2VA, FL2VA y Ref2VA son nombres de tareas de MiniMax-H3, no de MiniMax-H3-Image, y la propia descripción de la solicitud de extracción indica que la guía existente de MiniMax-H3 carecía de un entorno Rubin cualificado. El índice de recetas del repositorio coincide: MiniMax-H3-Image tiene recetas para H200, H100, B200, B300, RTX PRO 6000, MI325X y MI350X, Intel Arc Pro B70, Ascend Atlas, RTX 4090 y MUSA, y nada para Rubin.
Luego se cerró el pull request. Se abrió a las 11:10 UTC del 10 de noviembre y se cerró a las 12:05 del mismo día, sin fusionarse, después de que el revisor automatizado pidiera al autor un comentario de autorrevisión. Su autor fue sincero sobre los límites en la propia descripción: el arranque de HTTP falló con las versiones nightly de vLLM probadas, la receta registra esos fallos en lugar de afirmar que hay compatibilidad con HTTP, y la inferencia con una revisión base más reciente figuraba en «no ejecutada». Un listado del directorio de main tomado hoy no tiene ninguna receta Rubin para ninguno de los dos modelos MiniMax.
Así que la afirmación correcta es que un colaborador redactó y midió una receta de Rubin para MiniMax-H3 —el modelo de vídeo— y el borrador no llegó a integrarse. Si llega soporte, llegará como un archivo fusionado dentro del índice de recetas, y eso es lo que hay que vigilar, no una publicación en redes sociales. Mientras tanto, los frameworks de «día uno» de MiniMax-H3-Image son los que tienen commits de fusión detrás: la pull request de soporte del modelo de vLLM-Omni se fusionó el 11 de noviembre a las 07:32 UTC, y la pull request de la receta correspondiente se fusionó el 10 de noviembre a las 14:53 —aproximadamente diecisiete horas antes, lo que demuestra lo laxamente que se está aplicando «día uno» a la documentación.
![A headless-Chromium screenshot of the vllm-project/vllm-omni pull request #10108, '[Doc] Add MiniMax-H3 Rubin recipe and inference results', opened by Lishunyang12, showing one commit, 4 files changed and +1,972 lines, and a visible contributor-intent questionnaire whose answers describe documenting a Rubin recipe with measured inference results. The pull request is closed and unmerged.](https://cms.orcarouter.ai/api/media/file/3-3995.png)
La afirmación sobre la arena es cierta y mucho más limitada de lo que suena
Artificial Analysis gestiona dos tablas relevantes, una clasificación de texto a imagen de image-arena y una clasificación de edición de imágenes, ambas con puntuaciones Elo, intervalos de confianza y recuentos de muestras, y MiniMax-H3-Image aparece en las dos. En la tabla de edición, AA-Image-Editing v2.1, ocupa el duodécimo puesto con 1.138 de Elo, dentro de una banda de clasificación que va del octavo al decimoséptimo, con aproximadamente 3.200 muestras, a 26,54 USD por cada mil imágenes. Su variante más rápida, MiniMax-H3-Image Highspeed, está un puesto por detrás, con 1.134, en una banda del noveno al vigésimo. El propio comentario de la tabla destaca al modelo como la entrada de pesos abiertos mejor clasificada, por delante de Fibo 2.0 con 1.085 y Qwen-Image-2.1 con 1.084. Por lo tanto, la afirmación de la publicación de lanzamiento es precisa tal como está formulada —el número uno entre los modelos de pesos abiertos para edición de imágenes— y la cifra que la respalda es real, votada y comprobable públicamente.

Lo que la frase omite es el tamaño de la diferencia y la amplitud del intervalo. El líder de esa tabla es GPT Image 2.6 Sunburst con 1.210 Elo sobre unas 6.400 muestras, con GPT Image 2.6 Flare en 1.206 y GPT Image 2.5 Sunburst en 1.201 — aproximadamente setenta Elo por encima de MiniMax-H3-Image, lo que en términos de Elo es una separación sustancial y probablemente duradera, no ruido. La franja del octavo al decimoséptimo puesto es la otra mitad de la historia: con este número de muestras, el modelo podría ser verosímilmente octavo o decimoséptimo, y su propia variante Highspeed queda dentro del mismo solapamiento. «Mejor modelo de pesos abiertos para edición» y «cercano al mejor modelo de edición» son afirmaciones diferentes, y solo la primera está respaldada.
Texto a imagen es donde la afirmación se vuelve más endeble. En AA-Image-T2I v2.1, el modelo ocupa el vigesimotercer puesto con 1.066 Elo, con Highspeed en el vigesimosegundo puesto con 1.070, frente a Sunburst 2.6 con 1.261 en primer lugar sobre 5.282 muestras. Eso es una diferencia de doscientos Elo, y se aplica la misma ventaja de pesos abiertos —Qwen-Image-2.1 con 1.046 y FLUX 3 Image Klein con 1.042 están por detrás—, pero «el modelo de pesos abiertos número uno para edición de imágenes» no debería interpretarse como una afirmación general sobre la calidad de imagen. La fortaleza del modelo en edición es real y su fortaleza en generación es de mitad de tabla.
La propia tarjeta del modelo describe su calidad en términos cualitativos —el mejor seguimiento de instrucciones entre los modelos de código abierto, sin tabla comparativa adjunta—, y la única evidencia de resultados que ofrece el proveedor es una cuadrícula de demostraciones seleccionadas. Eso era normal para un lanzamiento de hace tres días. Lo que sí significa es que la justificación del modelo es ahora una puntuación medida con un intervalo amplio, además de un argumento basado en la resolución y el precio, en lugar de la afirmación que la publicación de lanzamiento pretendía que fuera.
¿Qué está realmente disponible y cómo probarlo sin apostar todo un pipeline a ello?
Si se despoja el anuncio de la parafernalia, la sustancia es poco glamurosa y real. Un modelo de imagen de 33,1B con un muestreador de seis pasos, sin escala de guía que ajustar, dieciséis ranuras de referencia y una salida nativa de 16 megapíxeles se presentó con una licencia abierta, una canalización de vLLM-Omni que reutiliza el DiT y el codificador de texto del modelo de vídeo H3, una receta oficial para H200 con ocho configuraciones medidas, cuatro recetas de hardware más en diversos estados de cualificación, una vía de diffusers y una integración con ComfyUI. La API impone el muestreador: una solicitud con num_inference_steps distinto de seis, o guidance_scale distinto de uno, o cualquier prompt negativo, se devuelve como un HTTP 400.
Para los equipos que quieren evaluarlo en lugar de comprometerse con él, la forma práctica es un despliegue con offloading en una sola GPU de 14,7 GiB —lento, pero lo bastante pequeño como para caber junto a cualquier otra cosa que haya en la tarjeta— y pasar al esquema de paralelismo de secuencia con cuatro GPU solo cuando la calidad de la salida justifique el nodo. También se puede acceder al modelo a través de la propia API de MiniMax con tarifas medidas por token, y varias plataformas de terceros lo ofrecen; no está en el catálogo de OrcaRouter.
Lo que OrcaRouter sí ofrece es el modelo de video sobre el que se construye este checkpoint de imagen: minimax/minimax-h3 es enrutable hoy a el precio de lista del proveedor, sin ningún margen añadido por encima, lo cual importa si la razón por la que te interesa MiniMax-H3-Image es que ya generas video en la misma familia y prefieres tener una sola clave en lugar de dos contratos. El failover automático de esa misma capa de enrutamiento es también la forma menos dramática de probar en producción un modelo que no se ha medido: dirige una parte del tráfico hacia él, mantén detrás un fallback ya medido y deja que el enrutamiento decida en función de los errores en lugar de una posición en la tabla de clasificación que todavía es una banda de diez puestos.
¿Qué lo zanjaría?
Tres cosas, en orden de cuánto cambiarían el panorama. Un intervalo más estrecho en el panel de edición —el modelo está en 1.138 dentro de una banda de 8 a 17 sobre unas 3.200 muestras, y más votos lo convertirían en un puesto real en lugar de un intervalo—. Una receta Rubin integrada para el modelo de imágenes —no el de vídeo— haría que la afirmación sobre el hardware fuera cierta en el único lugar que cuenta, que es el índice de recetas. Y una segunda medición independiente de la latencia de 16 megapíxeles permitiría reformular el titular de 0,87 segundos como lo que es: cuatro megapíxeles en cuatro H200, a unas nueve décimas de segundo, con la placa 4K real a cuatro veces eso.
Hasta entonces, el resumen defendible es más acotado que la publicación y más útil: el modelo es rápido en los tamaños que la mayoría de la gente genera realmente, su modo de 16 megapíxeles es una operación de cuatro segundos en un nodo de cuatro GPU en lugar de una de menos de un segundo, su soporte de frameworks es real para el hardware que tiene commits de fusión detrás, y su puesto en la clasificación es genuino pero limitado: primero entre los pesos abiertos, duodécimo en general, en algún lugar entre el octavo y el decimoséptimo, y unos setenta Elo por detrás del modelo que la publicación daba a entender que había superado.
