MiniMax-H3-Image: 16 מגה־פיקסל תוך 10 שניות הוא טענה, לא מדידה עדיין

עשר שניות לתמונה של 16 מגה-פיקסל אינן טענת איכות. זו טענה על איך מתזמנים מודל, וזה החלק היחיד בהשקה של MiniMax-H3-Image שמשתמש יכול לבדוק בתוך אחר צהריים. MiniMax הכריזה על המודל ב-10 בנובמבר 2026 עם פוסט קצר שפותח בדיוק עם המספר הזה: פלט 4K, כ-16 מיליון פיקסלים, עד 16 תמונות ייחוס, בעשר שניות, עם משקלים פתוחים וה-API של הספק עצמו, MiniMax Code ו-Hailuo כדרכי הגישה. מה שההכרזה לא כוללת הוא מדידת השהיה אחת, בנצ'מרק איכות אחד, או קישור לפוסט בלוג שמסביר איך משהו מזה הושג. הבייטים אמיתיים — 68.65 GB מהם ב-Hugging Face, בתוספת מקודד טקסט שאול ממאגר שני — וכך גם רשימת המחירים. עשר השניות הן הבטחה. זה מה שההבטחה בנויה עליו, מה זה עולה, ומה תצטרכו להריץ כדי לדעת אם היא מחזיקה בחומרה שלכם.

כדאי לומר את התאריכים במפורש, משום שההשקה הייתה יוצאת דופן. המאגר של Hugging Face עבור MiniMax-H3-Image נוצר ב-3 בנובמבר 2026 ונשאר ריק. המשקלים הועלו ב-10 בנובמבר בשעה 14:50 UTC. באותו יום נוסף לתיעוד ה-API של MiniMax כרטיס הערות שחרור שכותרתו „MiniMax H3 Image”, עם השורה „מודל תמונות מוביל במשקלים פתוחים. מרעיונות לעולמות חדשים” — משפט שאין בו שום מפרט — והבלוג ואינדקס החדשות של החברה עצמה עדיין אינם כוללים דבר כלל על מודל התמונות. כך המודל הושק בשקט ורק לאחר מכן הוכרז, בסדר הזה, וזה ההפך מאופן שבו רוב ההשקות מתנהלות, והסיבה שההכרזה נקראת כמו טקסט שיווקי שהוצמד ל-checkpoint שכבר היה ניתן להורדה.

מאיפה עשר שניות יכולות לבוא באופן סביר

רוב ההסבר נמצא ברשימת הקבצים ולא בפוסט. MiniMax-H3-Image הוא טרנספורמר דיפוזיה צפוף בגודל 33.1B — 50 שכבות, גודל מוסתר 5,376, 56 ראשי קשב, רוחב FFN 14,336, RoPE רב-מודלי תלת-ממדי — והוא מזוקק ל־שישה שלבי דגימה ללא classifier-free guidance כלל. זו אינה ברירת מחדל שמפעיל יכול לכוונן. ה-API המוגש דוחה כל דבר מלבד num_inference_steps=6 וguidance_scale=1 עם HTTP 400, ופרומפטים שליליים נדחים לחלוטין. קובץ נפרד בגודל 12 MB, pdd_fused_heads.safetensors, נושא ראשי פלט לכל שלב שמחליפים את שכבת הפלט של הטרנספורמר, עם לוח הזמנים ב־pdd_config.json.

שישה מעברים לא מודרכים הם הסיבה לכך שנתון עשר השניות אינו אבסורדי. סמפלר מודרך בן 30 שלבים ברזולוציית שישה־עשר מגה־פיקסל הוא משימת אצווה; שישה שלבים באותו שטח הם בקשה. האם זה מגיע לעשר שניות תלוי לחלוטין במאיץ, בתצורת המקביליות של הרצף וברזולוציה שאתם באמת מבקשים, ואף אחד משלושת הדברים האלה אינו בהכרזה. כרטיס הדגם של MiniMax עצמה אינו מציין זמן יצירה בשום מקום. המספר קיים במקום אחד: בפוסט ההשקה.

מה שהכרטיס כן מפרט, בפירוט רב יותר מהפוסט, הוא הגאומטריה. הפלט מגיע לכ־16 מגה־פיקסלים בכל יחס רוחב־גובה — 4096×4096 ב־1:1, 4736×3552 ב־4:3, 5024×3360 ב־3:2, 5472×3072 ב־16:9, 6272×2688 ב־21:9 — ללא מעלה־רזולוציה נפרד בנתיב. ה־API מגביל את שטח הפלט ל־20 מגה־פיקסלים, והכרטיס מתאר את טווח העבודה המעשי ככ־4 עד 20 מגה־פיקסלים. העריכה מקבלת עד 16 תמונות ייחוס, הממוענות לפי מיקומן בפרומפט בתור <תמונה 1> עד <תמונה 16> לפי סדר ההעלאה. הפרומפטים מגיעים עד 32,000 תווים ב־API המוגש, אבל רק כ־4,096 הטוקנים הראשונים משפיעים בפועל.

הטענות, לצד הראיות הקיימות עבורן

• רזולוציה — "16 מיליון פיקסלים" ו-4K: מצוין בפוסט ומשוכפל בטבלת הגדלים של הכרטיס. לא נמדד באופן עצמאי, אך ניתן לבדוק זאת בקלות על ידי יצירת תמונה וקריאת ממדיה.

• מהירות — "הכול תוך 10 שניות": לפי דיווח הספק, ללא ציון חומרה וללא פרסום מדידות זמן מצד שלישי נכון ל-11 בנובמבר 2026. הכרטיס אינו מספק נתון כלשהו.

• ציות לפרומפט — "ציות מדויק לפרומפט": טענה איכותית. הניסוח החזק יותר בכרטיס הוא "הציות החזק ביותר להנחיות מבין מודלי קוד פתוח", שזוהי השוואה בלי טבלה מצורפת.

• עריכה — "עד 16 תמונות ייחוס": אושר בכרטיס ובמסמכי ה-API, אך נסתר בפרט אחד על ידי מתכון היום הראשון של vLLM-Omni, המתעד עד 9 תמונות לבקשה בנתיב שלו. יש להתייחס ל-16 כתקרה של המודל ול-9 כאל מה שהמתכון של המסגרת מיישם.

• משקל פתוח (Open weight) — נכון, ובעל משקל מכריע באופן שהפוסט אינו מסביר: המשקלים פתוחים תחת רישיון הכולל תנאים טריטוריאליים ותנאי הכנסה, ולא תחת רישיון מאושר OSI. עוד על כך בהמשך.

כמה זה עולה, והנחה שנותרו לה שישה ימים

התנאים המסחריים הם הדבר המוחשי ביותר בשחרור. החיוב מבוסס טוקנים לפי תעריף פלט תמונה: 2.30 דולר למיליון טוקני טקסט בקלט, 1.50 דולר למיליון טוקני תמונה בקלט, 3.80 דולר למיליון טוקני תמונה בפלט במסלול הסטנדרטי. הדוגמאות המחושבות של MiniMax עצמה מפרשות זאת לסולם תעריפים שטוח באופן יוצא דופן, משום שהמדידה היא בטוקנים ומספר הטוקנים אינו גדל עם השטח כפי שהאינטואיציה מרמזת:

• 1K טקסט לתמונה — $0.02179 לתמונה.
• 2K טקסט לתמונה — $0.02333.
• 4K טקסט לתמונה — $0.06879 מחיר מחירון, $0.03439 כל עוד ההנחה הנוכחית בתוקף.
• עריכת 1K עם תמונת ייחוס אחת — $0.02654; 2K — $0.02658; 4K — $0.07312, בהנחה ל-$0.03656.
• עריכת 1K עם שלוש תמונות ייחוס — $0.03563; 2K — $0.04177; 4K — $0.07914, בהנחה ל-$0.03957.

פי שישה עשר פיקסלים תמורת קצת יותר מפי שלושה מהכסף — זו התבנית שכדאי לזכור, כי דווקא בה המודל באמת מובחן: ב-4K, צ'קפוינט במשקלים פתוחים עולה בערך שמינית מפריים 4K של FLUX 3 Image וכחמישית מפריים 4K של Nano Banana 2.1 לפי מחיר מחירון.

ההנחה אמיתית והיא זמנית. הפחתת ה-50% חלה רק כאשר התמונה שנמסרה היא לפחות 16,600,000 פיקסלים, מכסה את הסכום הכולל של הבקשה, ופגה ב-17 בנובמבר 2026 בשעה 16:00 UTC — שישה ימים אחרי שהמשקלים עלו. כל מי שמתקצב פייפליין לפי $0.03439 מתקצב על בסיס מבצע. תמחרו לפי $0.06879 והתייחסו להנחה כאל מרווח.

קיים מסלול שני ומהיר יותר. MiniMax-H3-Image-Highspeed מקבל פרמטרים ומגבלות זהים וגובה $7.60 למיליון טוקנים של תמונת פלט: $0.03529 ב-1K, $0.03622 ב-2K, $0.13001 ב-4K, לפני שאותה הנחה מחציתה אותו ל-$0.06501. אם טענת עשר השניות היא הסיבה שמעניינת אותך, Highspeed הוא הווריאנט שחייב להיות נכון כדי שזה יהיה משמעותי — ו-MiniMax אינה מפרסמת שום הבדל בהשהיה בין השניים.

"Open weight" כאן פירושו רישיון שצריך לקרוא.

המשקלים ניתנים להורדה והארכיטקטורה מתועדת, וזה יותר ממה שרוב מודלי התמונה המובילים מציעים. הרישיון הוא המקום שבו המילה "פתוח" מפסיקה לעשות את העבודה שאנשים מצפים לה. MiniMax-H3-Image מופץ תחת MiniMax-H3-Image Community License Agreement, והתנאים שקובעים פריסות אינם הערות שוליים:

• שטח. הגדרת השטח המוחרג ברישיון מכסה את האיחוד האירופי, הממלכה המאוחדת, הרפובליקה של קוריאה וארצות הברית, שהם חלק גדול מהשוק של מודל תמונות מסחרי.

• היקף. עבור הכנסות שנתיות העולות על מיליון דולר אמריקאי, נדרש אישור נפרד בכתב מראש.

• אירוח. אותה דרישת הרשאה חלה על הצעת המודל כשירות מתארח, ללא רצפת הכנסות כלל — סעיף שמכוון ישירות למודל של משווקי API.

• ייחוס. ממשקים מסחריים המשתמשים במודל חייבים להציג את "MiniMax-H3-Image" באופן בולט.

• Downstream. אין להשתמש בפלטים כדי לאמן או לשפר מודלים אחרים.

דף Hugging Face מציג זאת כשורה אחת שאומרת רישיון: אחר, וזה מדויק מבחינה טכנית וחסר תועלת באופן מעשי. אם אתה בוחן את המודל עבור מוצר ולא עבור מחברת, קובץ הרישיון הוא הדבר הראשון שכדאי לקרוא, ואולי גם הסיבה לעצור.

מה באמת עולה לך להריץ את המשקולות הפתוחות

68.65 GB של transformer ו-VAE, בתוספת מקודד טקסט שאינו נמצא במאגר. model_index.json מגיע אל תוך מודל הווידאו MiniMax-H3 וטוען משם את text_encoder/ — 66.7 GB של Qwen3-VL, ללא שינוי. לכן יצירה מקומית ראשונה היא הורדה של כ-135 GB משני מאגרים, והמקודד הוא החצי הגדול יותר.

סיפור התמיכה במסגרות טוב באופן יוצא דופן עבור checkpoint כה צעיר, והוא הגיע ביום הראשון ולא לאורך החודש שלאחר מכן. SGLang הוא נתיב הייחוס עם cookbook מתועד ופקודה ל-GPU יחיד; מקביליות רצפים היא דגל (--ulysses-degree ב-SGLang, --usp ב-vLLM-Omni); vLLM-Omni מפרסמת מתכונים לפי חומרה הכוללים את NVIDIA H200, RTX PRO 6000 Blackwell ו-AMD Instinct MI350X; גם diffusers וגם ComfyUI תומכים בו. הנחיות ההגשה של MiniMax עצמה מצביעות על ריבוי GPU כדי להשיג השהיה קבילה ברזולוציה מלאה, וזה הדבר הקרוב ביותר לכך שהספק מודה שעשר שניות הוא תצורה, לא קבוע.

עבור רוב הצוותים החשבון שלהלן אינו נוח. במחיר של $0.02179 לתמונה ברזולוציית 1K ו-$0.06879 לתמונה ברזולוציית 4K, ה-API המתארח זול יותר מעלות החשמל והפחת לאורך זמן רב מאוד. הסיבה לבחור ב-135 GB היא שליטה — דוגם קבוע בעל שישה שלבים שאפשר לשחזר בדיוק, רישיון שאפשר להבין, וללא תלות בתור של ספק ברגע שזקוקים לתפוקה.

שלושה מבחנים ששווה להריץ לפני שמתחייבים

הראשון הוא הזול: צור את אותו פרומפט 4K עשר פעמים דרך ה-API של MiniMax, ותעד את זמן שעון הקיר לכל בקשה ואת ממדי הפיקסלים של כל תשובה. זה מכריע את שני מספרי הכותרת — עשר השניות ושש עשרה המגה־פיקסלים — מול הרשת שלך ואורכי הפרומפטים שלך, בפחות משעה, ובהרבה פחות מדולר.

המבחן השני הוא מבחן הזהות, ושם מתברר אם שש-עשרה הפניות מצדיקות את מחירן או לא. הזינו שמונה עד שש-עשרה פריימים של מושא אחד מזוויות מגוונות, בקשו סצנה חדשה, ובדקו אם הפנים, הבד והלוגו שורדים. משבצות מיקום פחות מובנות מהפניות טיפוסיות — אין דרך לומר למודל איזו תמונה היא הדמות ואיזו היא המעיל — ולכן המבחן הוא אם המיקום לבדו מספיק כדי לשאת את הכוונה הזו.

השלישי הוא זה שאיש לא יכול לעשות עבורך: השוואת A/B מול מה שאתה משתמש בו כיום, על הפרומפטים שלך, באופן עיוור. ל-MiniMax-H3-Image אין רשומה באף אחד מלוחות התמונות של Artificial Analysis נכון ל-11 בנובמבר 2026 — לא רשומה נמוכה, אלא אין בכלל — וגם אין טבלת הערכה של הספק. אין GenEval, אין DPG-Bench, אין מספרי העדפת אדם. גריד התצוגה בכרטיס המודל הוא הראיה היחידה לאיכות הפלט שקיימת, וגריד תצוגה נועד להיראות טוב. שבוע של השוואות משלך יגיד לך יותר ממה שפוסט ההשקה יכול.

היכן זה מעמיד את ההשקה

הסיכום הכנה הוא ש-MiniMax-H3-Image הוא צ'ק-פוינט אמיתי עם סיפור פריסה שלם באופן יוצא דופן, סולם מחירים שמתמחר מתחת למודלים הסגורים בפער ניכר ב-4K, ונתון כותרת שאיש מחוץ לחברה לא אימת. הטענה בדבר המהירות סבירה על בסיס ארכיטקטוני — שישה שלבים ללא הנחיה הם באמת סוג עלות שונה מדגם מונחה בן שלושים שלבים — וסבירות אינה ראיה.

מה שישנה את התמונה הוא ספציפי וכנראה במרחק שבועות: מיקום עצמאי בלוח דירוג לתמונות עם מספר דגימות מצורף, צד שלישי שימדוד את זמן נתיב ה-4K על חומרה ספציפית בשמה, ומבט על האופן שבו שש עשרה הפניות מיקומיות מתנהגות תחת לחץ זהות אמיתי. עד אז, העמדה המועילה היא מסלול מועמד ולא תחליף — הריצו אותו לצד המודל שאתם סומכים עליו, על סט פרומפטים קבוע, ותנו לתמונות להכריע.

OrcaRouter אינו מגיש את MiniMax-H3-Image היום; אין לו מסלול בקטלוג שלנו, וטענה אחרת היא בדיוק מסוג הטענות שהמאמר הזה יוצא נגדן. מה שכן יש לנו מאותה משפחה הוא מודל הווידאו, minimax/minimax-h3, במחיר מחיר המחירון של הספק עם 0% תוספת שעוברת הלאה — כלומר שינוי מחיר של MiniMax, כולל הנחת ה-4K ותפוגתה, פעיל כאן ביום שבו הוא קורה ולא בהגירת החיוב הבאה. אם מודל התמונה אכן יגיע לקטלוג, הוא יגיע באותם תנאים. עד שזה יקרה, האפשרות היחידה היא ה-API של MiniMax עצמה או ה-GPU שלכם.