MiniMax-H3-Image: 10초에 1600만 화소는 주장일 뿐, 아직 측정치는 아니다

16메가픽셀 이미지에 10초라는 것은 품질에 대한 주장이 아니다. 그것은 모델이 어떻게 스케줄링되는지에 대한 주장이며, MiniMax-H3-Image 출시에서 사용자가 한나절이면 확인할 수 있는 유일한 부분이다. MiniMax는 2026년 11월 10일, 바로 그 숫자를 앞세운 짧은 게시물로 모델을 발표했다. 4K 출력, 약 1,600만 픽셀, 최대 16장의 참조 이미지, 10초, 공개 가중치와 자체 API, 그리고 MiniMax Code와 Hailuo를 진입 경로로 내세웠다. 그러나 이 발표에는 단 하나의 지연 시간 측정치도, 단 하나의 품질 벤치마크도, 그것이 어떻게 달성되었는지 설명하는 블로그 글 링크도 없다. 바이트는 실재한다. Hugging Face에 68.65GB가 있고, 두 번째 저장소에서 빌려온 텍스트 인코더도 있다. 가격표도 마찬가지다. 10초는 약속이다. 이 글은 그 약속이 무엇 위에 세워졌는지, 무엇을 치르는지, 그리고 그것이 자신의 하드웨어에서 성립하는지 알려면 무엇을 실행해야 하는지를 다룬다.

날짜를 분명히 짚을 필요가 있다. 배포 과정이 이례적이었기 때문이다. MiniMax-H3-Image의 Hugging Face 저장소는 2026년 11월 3일에 만들어졌고 비어 있었다. 가중치는 11월 10일 14:50 UTC에 올라왔다. 같은 날 MiniMax의 API 문서에는 “MiniMax H3 Image”라는 제목의 릴리스 노트 카드가 추가되었고, 그 안에는 “선도적인 오픈 웨이트 이미지 모델. 아이디어에서 새로운 세계로”라는, 사양이라고 할 만한 내용이 전혀 없는 문장이 있었다. 그리고 회사 자체 블로그와 뉴스 인덱스에는 그 이미지 모델에 관한 내용이 전혀 없다. 즉 이 모델은 조용히 출시된 뒤에야 발표되었으며, 바로 그 순서였다. 이는 대부분의 출시가 진행되는 방식과 정반대이고, 그래서 발표문이 이미 다운로드 가능했던 체크포인트에 마케팅 문구를 끼워 맞춘 것처럼 읽히는 이유다.

10초가 그럴듯하게 어디서 나올 수 있는지

설명의 대부분은 게시물보다 파일 목록에 있습니다. MiniMax-H3-Image는 33.1B 규모의 밀집 확산 트랜스포머로, 50개 레이어, 히든 크기 5,376, 56개의 어텐션 헤드, FFN 폭 14,336, 3D 멀티모달 RoPE를 갖추고 있으며, 분류기 없는 가이던스 없이 단 6회의 샘플링 스텝으로 증류되었습니다. 이는 호출자가 조정할 수 있는 기본값이 아닙니다. 제공되는 API는 num_inference_steps=6 및 guidance_scale=1 외의 모든 값을 HTTP 400으로 거부하며, 네거티브 프롬프트는 아예 거부됩니다. 별도의 12MB 파일인 pdd_fused_heads.safetensors에는 트랜스포머의 출력 레이어를 대체하는 스텝별 출력 헤드가 포함되어 있으며, 스케줄은 pdd_config.json에 있습니다.

가이드 없는 패스가 여섯 번이라는 점이 10초라는 수치가 터무니없지 않은 이유다. 1,600만 화소에서 가이드가 적용된 30스텝 샘플러는 배치 작업이고, 같은 영역에서 6스텝은 요청이다. 10초에 도달하는지는 전적으로 가속기, 시퀀스 병렬화 구성, 그리고 실제로 요구하는 해상도에 달려 있으며, 이 세 가지 중 어느 것도 발표문에는 없다. MiniMax 자체 모델 카드 어디에도 생성 시간은 명시되어 있지 않다. 그 숫자는 한 곳, 즉 출시 게시물에만 존재한다.

카드가 게시물보다 더 자세히 명시하는 것은 기하 구조입니다. 출력은 모든 가로세로 비율에서 약 1600만 화소에 이릅니다 — 1:1에서 4096×4096, 4:3에서 4736×3552, 3:2에서 5024×3360, 16:9에서 5472×3072, 21:9에서 6272×2688 — 경로에 별도의 업스케일러가 없습니다. API는 출력 면적을 2000만 화소로 제한하며, 카드는 실용 작업 범위를 대략 400만~2000만 화소로 설명합니다. 편집은 최대 16개의 참조 이미지를 사용하며, 프롬프트에서 업로드 순서대로 <Picture 1>부터 <Picture 16>까지 위치에 따라 지정됩니다. 프롬프트는 제공되는 API에서 최대 32,000자까지 이르지만, 실제로는 처음 약 4,096개 토큰만 반영됩니다.

그 주장들과, 그 주장들에 대해 존재하는 증거를 나란히

• 해상도 — “1,600만 픽셀” 및 4K: 게시물에 명시되어 있고 카드의 크기 표에도 그대로 반영되어 있습니다. 독립적으로 측정하지는 않았지만, 이 항목은 이미지를 생성한 뒤 그 크기를 확인하는 것만으로도 간단히 검증할 수 있습니다.

• 속도 — “모두 10초 안에”: 공급업체 보고 기준이며, 2026년 11월 11일 현재 하드웨어 사양이 명시되지 않았고 제3자 측정 결과도 공개되지 않았습니다. 이 카드에는 수치가 전혀 제시되지 않았습니다.

• 프롬프트 따르기 — “정밀한 프롬프트 따르기”: 정성적 주장입니다. 카드의 더 강한 표현은 “오픈소스 모델 가운데 가장 강력한 지시 따르기”이며, 이는 표가 첨부되지 않은 비교입니다.

• 편집 — “최대 16개의 참조 이미지”: 모델 카드와 API 문서에서 확인되지만, vLLM-Omni의 출시 당일 레시피에서는 한 가지 세부 사항에서 상충되며, 해당 경로에서 요청당 최대 9개의 이미지를 문서화합니다. 16은 모델의 상한으로, 9는 프레임워크 레시피가 실행하는 값으로 취급하세요.

• 오픈 웨이트 — 사실이며, 이 글에서 설명하지 않는 방식으로 중요한 의미를 지닙니다. 가중치는 OSI 승인 라이선스가 아니라 지역 및 수익 조건이 붙은 라이선스에 따라 공개되어 있습니다. 이에 대해서는 아래에서 더 다룹니다.

비용은 얼마인지, 그리고 6일 남은 할인

이번 출시에서 가장 구체적인 부분은 상업적 조건이다. 청구는 이미지 출력 요율을 기준으로 한 토큰 기반이며, 표준 등급에서 입력 텍스트 토큰 100만 개당 $2.30, 입력 이미지 토큰 100만 개당 $1.50, 출력 이미지 토큰 100만 개당 $3.80이다. MiniMax가 직접 제시한 계산 예시를 보면 이는 이례적으로 평평한 요금 사다리로 귀결되는데, 계량 기준이 토큰이고 토큰 수는 직관이 시사하는 것처럼 면적에 비례해 늘어나지는 않기 때문이다:

• 1K 텍스트-투-이미지 — 이미지당 $0.02179.
• 2K 텍스트-투-이미지 — $0.02333.
• 4K 텍스트-투-이미지 — 정가 $0.06879, 현재 할인 적용 시 $0.03439.
• 참조 이미지 1개를 사용한 1K 편집 — $0.02654; 2K — $0.02658; 4K — $0.07312, 할인 적용 시 $0.03656.
• 참조 이미지 3개를 사용한 1K 편집 — $0.03563; 2K — $0.04177; 4K — $0.07914, 할인 적용 시 $0.03957.

픽셀은 16배, 비용은 3배를 조금 웃도는 것—이것이 기억해야 할 구도입니다. 모델이 진정으로 차별화되는 지점이 바로 여기에 있기 때문입니다. 4K에서 오픈 웨이트 체크포인트는 정가 기준으로 FLUX 3 Image 4K 프레임의 약 8분의 1, Nano Banana 2.1 4K 프레임의 약 5분의 1 수준입니다.

할인은 실제이며 일시적입니다. 50% 인하는 전달된 이미지가 최소 16,600,000픽셀이고 요청 총액 전체를 포괄하며 만료일이 2026년 11월 17일 16:00 UTC인 경우에만 적용됩니다 — 가중치가 게시된 지 엿새 후입니다. $0.03439로 파이프라인 예산을 잡는 사람은 프로모션을 기준으로 예산을 잡는 것입니다. 가격은 $0.06879로 책정하고 할인은 마진으로 간주하세요.

{{1}}더 빠른 두 번째 등급이 있습니다. MiniMax-H3-Image-Highspeed는 동일한 매개변수와 한도를 사용하며 백만 출력 이미지 토큰당 $7.60를 청구합니다: 1K에서 $0.03529, 2K에서 $0.03622, 4K에서 $0.13001이며, 동일한 할인이 이를 절반으로 줄여 $0.06501이 됩니다.{{/1}} {{2}}10초라는 주장 때문에 관심이 생겼다면, Highspeed는 그것이 중요하려면 사실이어야 하는 변형입니다 — 그리고 MiniMax는 두 제품 간의 지연 시간 차이를 공개하지 않습니다.{{/2}}

여기서 “Open weight”는 읽어야 하는 라이선스를 의미합니다.

가중치는 다운로드할 수 있고 아키텍처는 문서화되어 있으며, 이는 대부분의 프런티어 이미지 모델이 제공하는 것보다 더 많은 것입니다. 라이선스는 “오픈”이라는 단어가 사람들이 기대하는 역할을 더 이상 하지 못하는 지점입니다. MiniMax-H3-Image는 MiniMax-H3-Image 커뮤니티 라이선스 계약에 따라 배포되며, 배포를 결정하는 조건들은 각주가 아닙니다:

• {{1}}영역{{/1}}. 이 라이선스의 제외 지역 정의는 유럽연합, 영국, 대한민국 및 미국을 포함하는데, 이는 상업용 이미지 모델 시장의 상당 부분입니다.

• 규모. 연간 매출 100만 미국 달러를 초과하는 경우 별도의 사전 서면 승인이 필요합니다.

• 호스팅. 모델을 호스팅 서비스로 제공하는 경우에도 동일한 승인 요건이 적용되며, 이때는 매출 하한선이 전혀 없습니다. 이는 API 재판매 모델을 정면으로 겨냥한 조항입니다.

• 저작자 표시. 모델을 사용하는 상업적 인터페이스는 “MiniMax-H3-Image”를 눈에 띄게 표시해야 합니다.

• 다운스트림. 출력물은 다른 모델을 학습하거나 개선하는 데 사용될 수 없습니다.

Hugging Face 페이지에서는 이를 한 줄로 표시하는데, 그 내용은 license: other입니다. 이는 기술적으로는 정확하지만 실용적으로는 쓸모가 없습니다. 노트북이 아니라 제품을 위해 모델을 평가하고 있다면, 라이선스 파일은 가장 먼저 읽어야 할 것이며 어쩌면 중단해야 할 이유일 수도 있습니다.

오픈 웨이트를 실제로 실행하는 데 드는 비용은 얼마일까

68.65GB의 트랜스포머와 VAE, 그리고 리포지토리에 없는 텍스트 인코더.model_index.json은 MiniMax-H3 비디오 모델로 들어가 text_encoder/를 거기에서 로드합니다 — 변경되지 않은 Qwen3-VL 66.7GB입니다. 따라서 첫 로컬 생성은 두 리포지토리에 걸쳐 약 135GB를 다운로드하는 것이며, 인코더가 더 큰 절반입니다.

이렇게 어린 체크포인트치고는 프레임워크 지원이 유난히 좋고, 그것도 다음 달에 걸쳐서가 아니라 첫날에 나왔습니다. SGLang이 문서화된 쿡북과 단일 GPU 명령을 갖춘 레퍼런스 경로이고, 시퀀스 병렬화는 플래그 하나입니다(--ulysses-degree는 SGLang에서, --usp는 vLLM-Omni에서); vLLM-Omni는 NVIDIA H200, RTX PRO 6000 Blackwell, AMD Instinct MI350X를 명시한 하드웨어별 레시피를 공개하며, diffusers와 ComfyUI 모두 이를 지원합니다. MiniMax 자체의 서빙 가이던스는 전체 해상도에서 허용 가능한 지연 시간을 위해 멀티 GPU를 가리키는데, 이는 10초가 상수가 아니라 설정임을 벤더가 인정하는 데 가장 가까운 표현입니다.

대부분의 팀에게 이어지는 계산은 불편합니다. 1K 이미지당 $0.02179, 4K 이미지당 $0.06879라면 호스팅 API는 아주 오랫동안 전기료와 감가상각비보다 저렴합니다. 135 GB를 선택하는 이유는 통제력입니다 — 정확히 재현할 수 있는 고정된 6단계 샘플러, 합리적으로 검토할 수 있는 라이선스, 그리고 처리량이 필요한 순간에 벤더의 대기열에 의존하지 않아도 된다는 점입니다.

커밋하기 전에 실행해 볼 만한 세 가지 테스트

첫 번째는 저렴한 방법입니다. MiniMax의 API를 통해 동일한 4K 프롬프트를 열 번 생성하고, 요청별 실제 소요 시간과 각 반환 결과의 픽셀 크기를 기록하세요. 그러면 대표 수치인 10초와 1,600만 화소를 자체 네트워크와 자체 프롬프트 길이 기준으로 확인할 수 있습니다. 1시간도 안 걸리고 비용도 1달러 훨씬 아래입니다.

두 번째는 정체성 테스트로, 16개의 레퍼런스가 제값을 하는지 아닌지가 여기서 갈린다. 한 피사체를 다양한 각도에서 담은 8~16개의 프레임을 입력하고, 새로운 장면을 요청한 뒤, 얼굴과 직물, 로고가 그대로 살아남는지 살펴보라. 위치 기반 슬롯은 유형이 지정된 레퍼런스보다 구조가 덜 잡혀 있다 — 어떤 이미지가 캐릭터이고 어떤 것이 재킷인지 모델에게 알려줄 방법이 없기 때문이다 — 따라서 이 테스트의 관건은 위치만으로 그 의도를 전달할 수 있는지 여부다.

세 번째는 누구도 대신해 줄 수 없는 일입니다. 지금 사용하는 무엇이든과 직접 작성한 프롬프트로 블라인드 A/B 테스트를 하는 것입니다. 2026년 11월 11일 기준 MiniMax-H3-Image는 Artificial Analysis의 두 이미지 보드 어디에도 항목이 없습니다. 낮은 점수로 있는 게 아니라 아예 없으며, 벤더 평가표도 없습니다. GenEval도, DPG-Bench도, 인간 선호도 수치도 없습니다. 모델 카드의 쇼케이스 그리드가 존재하는 유일한 출력 품질 증거인데, 쇼케이스 그리드는 좋아 보이도록 설계된 것입니다. 직접 일주일간 비교해 보는 것이 출시 게시물보다 더 많은 것을 알려 줄 것입니다.

이로써 런칭은 어디에 놓이는가

솔직히 요약하면, MiniMax-H3-Image는 실제 체크포인트이며 배포 스토리가 유난히 완전하고, 4K에서 폐쇄형 모델들을 크게 밑도는 가격 사다리를 갖추고 있으며, 회사 외부에서는 아무도 검증하지 못한 대표 수치를 내세운다. 속도 주장은 아키텍처상 그럴듯하다 — 가이던스 없는 6단계는 30단계 가이던스 샘플러와는 정말로 다른 비용 등급이다 — 하지만 그럴듯함은 증거가 아니다.

그림을 바꿀 것은 구체적이며 아마도 몇 주는 걸릴 일들이다. 샘플 수가 명시된 이미지 리더보드에서의 독립적인 순위, 특정 하드웨어에서 4K 경로의 시간을 측정하는 제3자, 그리고 실제 정체성 압박 아래에서 열여섯 개의 위치 참조가 어떻게 동작하는지 살펴보는 것이다. 그때까지 유용한 자세는 대체물이 아니라 후보 경로다. 신뢰하는 모델 옆에서 고정된 프롬프트 세트로 실행하고, 이미지가 결정하게 하라.

OrcaRouter는 현재 MiniMax-H3-Image를 제공하지 않습니다. 저희 카탈로그에는 이를 위한 경로가 없으며, 그렇지 않다고 말하는 것은 이 글이 반박하는 바로 그런 종류의 주장일 것입니다. 같은 제품군에서 저희가 실제로 제공하는 것은 비디오 모델인 minimax/minimax-h3을 공급자 정가에 0% 마크업이 그대로 적용된 가격으로 제공합니다 — 즉 MiniMax 가격 변경은 4K 할인과 그 만료를 포함해 다음 청구 마이그레이션 때가 아니라 발생 당일 여기에 적용됩니다. 이미지 모델이 카탈로그에 실제로 출시된다면 동일한 조건으로 출시될 것입니다. 그때까지 이 모델은 MiniMax 자체 API 또는 여러분의 자체 GPU를 이용하는 것입니다.