MiniMax-H3-Image-PE: MiniMax, 자사 이미지 모델용 27B 프롬프트 확장기를 아무에게도 알리지 않고 출시했다

There is no launch post for MiniMax-H3-Image-PE. There is no entry on M​iniMax's news feed, no blog, no changelog line, no social post — on 2026-11-11 the company's news index lists H3, M3.1 Flash, Speech 2.8 and Music 3.0, and nothing about images at all. What exists instead is a Hugging Face repository whose first commit is timestamped 2026-11-10 at 14:38 UTC, a model card that never states a release date, and a license file dated November 10, 2026. That is the whole announcement. MiniMax-H3-Image-PE is a prompt-expansion model — a caption writer — built to feed its sibling MiniMax-H3-Image, the open-weights 33.1B image generator M​iniMax published on 2026-11-03. The image model got eight days of quiet; its prompt expander has had one. Everything below that carries a number comes from those two repositories, the license text, or M​iniMax's own API documentation, and where something is not knowable from those sources it is marked as such rather than guessed. MiniMax-H3-Image and MiniMax-H3-Image-PE are not on OrcaRouter as of 2026-11-11, so this is a self-hosted evaluation. the catalogue The rest of the catalogue is one key away when you want to compare the expansion against a text model you already trust.

The short version, for anyone deciding whether to care: this model does not draw anything. You give it a sentence, it gives you back a long English description of the image you meant plus a recommended aspect ratio, wrapped in a two-key JSON object. A 27B model exists to write that paragraph because MiniMax-H3-Image is unusually fussy about its input — the parent card says it "expects a detailed English description of the whole image" and truncates anything past 4096 tokens. If you have ever typed six words into an image model and gotten six words' worth of thinking back, that gap is what this repository is trying to close, and on 2026-11-10 M​iniMax open-sourced its side of the fix.

레포에 실제로 무엇이 있는지, 그리고 타임스탬프가 무엇을 말하는지

The repository is MiniMaxAI/MiniMax-H3-Image-PE on Hugging Face. Its creation timestamp is 2026-11-08 15:35 UTC; its first commit — unhelpfully titled "Init MiniMaxAI/MiniMax-H3-Image-PE" — landed two days later, on 2026-11-10 at 14:38 UTC, authored by M​iniMax staff accounts ryanlee-dev and 500kg. A second commit followed 38 minutes later adding a Diffusers usage section, and that one is a pull request merged from Hugging Face's own multimodalart, which tells you the diffusers integration was contributed from outside M​iniMax rather than shipped by it. Three pull requests were opened against the repo on its first day, all closed or merged. None of them is an announcement.

What is inside is a checkpoint in four safetensors shards totalling roughly 17.9 GB, a tokenizer, a chat template, a quantisation config, and — the part that matters more than the weights — a prompt/ directory containing the actual system prompt, task prompt and request parameters M​iniMax uses. There is also a single client script, scripts/expand_prompt.py. The repository declares 27.4B parameters in total across two tensor types: about 25.6B stored as U8 and 1.76B left in BF16. That split is explained by the quantisation config, which records NVFP4 with a group size of 16 and lists the modules held out of quantisation — the embedding table and the convolution and gating projections inside each linear-attention block.

The base model is stated plainly on the card and in the metadata: Qwen3.8-27B, the Apache 2.0 vision-language model Q​wen published on 2026-08-05. So the architecture is Q​wen's, the weights are M​iniMax's fine-tune, and the packaging — NVFP4 rather than BF16 — is M​iniMax optimising for deployment rather than for redistribution fidelity. The card says the FP4 weights occupy about 19 GiB of GPU memory and that GPUs with native FP4 support run the NVFP4 weights directly while others fall back to bitsandbytes.

그것이 정확히 하는 일

저장소에는 두 가지 워크플로가 있으며, 둘은 같은 것이 아닙니다. 18GB를 다운로드하기 전에 이해해야 할 가장 중요한 한 가지입니다.

• 텍스트-투-이미지 PE — 파인튜닝된 가중치, 시스템 프롬프트, 태스크 프롬프트, 요청 파라미터, 그리고 작동하는 클라이언트까지 모든 것을 받습니다. 이 경로는 오늘 바로 완전히 실행 가능합니다.

• 이미지 편집 PE — 프롬프트와 메시지 조립 예시가 제공됩니다. 가중치는 없습니다. 카드에 분명히 나와 있습니다: "이미지 편집 PE는 아직 개발 중이며, 이번 릴리스에서는 프롬프트만 제공합니다." 직접 선택한 비전-언어 모델을 통해 해당 프롬프트를 실행해야 합니다.

텍스트-투-이미지 경로는 사용자의 지시를 받아 확장한 뒤, 스키마에 의해 정확히 두 개의 키로 제한된 JSON을 반환합니다. 테스트 프롬프트 — "햇살 드는 창턱에서 잠든 주황색 태비 고양이" — 에 대한 출력은 따뜻한 사진과 부드러운 오후 빛에 관한 한 문장과 비율 "3:2"입니다. 스키마는 엄격해서 additionalProperties가 false로 설정되어 있고, 비율 필드는 1:1, 5:4, 4:3, 3:2, 16:9, 21:9, 4:5, 3:4, 2:3, 9:16의 열 가지 값으로 이루어진 열거형입니다. 자유 텍스트 비율은 없고, 출력에 "auto" 토큰도 없으며, 모델이 그 열 개의 문자열 중 하나 외의 다른 것으로 답할 방법도 없습니다. 이는 의도적인 설계 선택으로, 정확히 그 비율들을 1:1의 4096×4096부터 21:9의 6272×2688까지의 픽셀 크기와 함께 나열한 부모 모델의 공개된 크기 표에 그대로 대응합니다.

비율 결정은 감으로 하는 것이 아니다. 공개된 작업 프롬프트는 엄격한 우선순위 순서에 수백 단어를 할애한다. 명시적인 최종 캔버스가 먼저이고, 그다음이 요청된 결과물(포스터는 세로, 슬라이드 헤더는 가로, 아바타는 정사각형), 그다음이 피사체의 주된 구성, 그다음이 선택적 맥락이다 — 그리고 "일반적인 방, 공원, 숲, 하늘 또는 영화 같은 배경이 초점이 맞춰진 피사체를 가로로 만들면 안 된다"는 명시적 경고가 붙는다. 프롬프트는 또한 플랫폼을 임의로 상정하는 것도 금지한다. Instagram이라고 가정할 수 없다. 그리고 묘사된 장면과 커뮤니케이션 아티팩트를 구분한다 — 대시보드, 포스터, 패키징, 기술 다이어그램 또는 다중 패널 합성물은 요청된 객체를 담은 장면이 아니라 정보 아키텍처로 구축된다. 이미지 모델이 "분기 실적 슬라이드"를 회의실 사진으로 바꾸는 것을 지켜본 사람이라면, 이 구분이 이번 릴리스에서 흥미로운 부분이다.

캡션 하나에 27B 파라미터를 왜 쓰나요?

정답은 상위 모델의 문서에 있으며, 프롬프트 확장기 자체보다 더 흥미롭습니다. MiniMax-H3-Image는 33.1B 밀집 단일 스트림 확산 트랜스포머로, 50개 레이어, 은닉 크기 5376, 56개의 어텐션 헤드를 가지며, MiniMax-H3에서 변경 없이 물려받은 전체 Qwen3-VL 텍스트 인코더의 50번째 레이어에서 은닉 상태를 읽습니다. 해당 텍스트 인코더는 66.7GB이며 이미지 저장소에는 없습니다. 비디오 모델 저장소에서 별도로 다운로드합니다. 체크포인트는 classifier-free guidance 없이 6개의 샘플링 단계로 증류되었으며, API는 이를 강제합니다: num_inference_steps가 6이 아니거나 guidance_scale이 1이 아니면 HTTP 400을 반환하고, negative_prompt는 즉시 거부됩니다. 조정할 다이얼은 없습니다.

When there is no dial, the prompt is the control surface. That is the design logic connecting the two repositories: a six-step distilled sampler with no negative prompt has very little room to interpret a short instruction, so M​iniMax moved the interpretation into a separate model that can think before it writes. The hosted equivalent is an API endpoint called H3-Image-Context-IR, which does the same job server-side — accepts up to 32,000 characters of prompt and one to sixteen reference images, returns a revised prompt and a chosen ratio, and bills by converting the expansion model's input, output and thinking tokens into text tokens. MiniMax-H3-Image-PE is that endpoint's local escape hatch, and the parent card recommends exactly that usage: run the PE, save its expanded_caption into the generation call, and skip paying for enhancement twice.

The request parameters released with the PE are worth reading as a statement of intent rather than as tuning advice. Temperature 1.0, top_p 0.95, top_k 20, a 4096-token budget that includes thinking, and reasoning_effort set to "xhigh", with thinking enabled and preserved. M​iniMax is running its caption writer in maximum-deliberation mode and constraining only the final serialisation, not the reasoning. Serving that means SGLang 0.5.23 or newer with XGrammar 0.2.7 or newer, the q​wen3 reasoning parser, and constrained JSON decoding — or the Diffusers modular-blocks route the card documents. One caveat on that second route: the blocks repository the card points at, diffusers/minimax-h3-image-pe-blocks, returned HTTP 401 when checked on 2026-11-11, so it was not publicly readable at the time of writing. The card's Diffusers section may well be ahead of the artifact it depends on.

라이선스는 실제로 사람들을 막을 수 있는 부분입니다.

MiniMax-H3-Image-PE는 별도로 라이선스되지 않습니다. 카드에는 이 제품이 "MiniMax-H3-Image의 일부이며 따라서" MiniMax-H3-Image 커뮤니티 라이선스 계약의 적용을 받는다고 명시되어 있으며, 라이선스 파일에는 "출시일/라이선스 날짜: 2026년 11월 10일"이라는 날짜 표기가 있습니다. 이 부분을 주의 깊게 읽어 보세요. 이는 프롬프트 확장기의 라이선스 날짜와 상위 이미지 모델의 공개 날짜가 8일 차이인 반면, 라이선스 자체는 둘 모두를 규율하는 하나의 문서임을 의미하기 때문입니다.

세 가지 조항이 나머지보다 더 중요하며, 그중 어느 것도 흔히 말하는 "오픈 웨이트" 이야기가 아닙니다:

• 영역 — 부여는 "적용 영역" 내에서만 적용되며, "적용 영역"은 전 세계로 정의됩니다. 다만 다음은 제외됩니다: 유럽연합, 영국, 대한민국 및 미국. 이는 사용 제한이 아니라 영토적 배제이며, 부록에 묻어 두지 않고 정의 부분에 명시되어 있습니다.

• 상업적 규모 — 제IV조는 귀하 또는 귀하의 계열사의 연간 매출이 100만 달러를 초과하는 경우 별도의 사전 서면 승인을 요구합니다, 또는 제3자에게 호스팅 서비스를 조금이라도 제공하는 경우에는 마찬가지입니다. 두 번째 조건에는 매출 하한선이 없습니다.

• 인터페이스 표시 — 동일 섹션에서는 해당 저작물을 사용하는 모든 상업적 제품 또는 서비스의 사용자 인터페이스에 "MiniMax-H3-Image"를 눈에 띄게 표시하도록 요구합니다.

또한 특정 저작권 문구가 포함된 NOTICE 파일을 요구하는 재배포 조건이 있고, 위반하는 출력에 대비한 보호 조치를 유지하면서 신고 메커니즘과 선의의 신고에 따라 조치할 의무를 규정한 Section V 의무도 있습니다. 2026년의 커뮤니티 라이선스에서 이 중 특별히 이례적인 것은 없습니다. 영토 제외 조항은 많은 팀에게 18 GB 다운로드를 시작할 가치가 있는지조차 결정하게 할 조항이며, Hugging Face 모델 페이지에서 링크와 함께 "other"로만 표시되기 때문에 가장 놓치기 쉬운 조항입니다.

아직 알 수 없는 것은 무엇인가

경계를 분명히 하는 것이 그것을 채우는 것보다 더 유용하다.

• 벤치마크 수치가 없습니다. 두 카드 모두 단일 점수조차 공개하지 않습니다. 모회사는 "오픈소스 모델 중 가장 강력한 지시 수행 능력", "최첨단"이라는 정성적 주장만 하며, 2026-11-11 기준으로 MiniMax-H3-Image 또는 그 프롬프트 확장기에 대한 독립적 평가는 발견되지 않았습니다. Elo도, 선호도 승률도, 호스팅된 Context-IR 엔드포인트와의 확장 품질 비교도 없습니다.

편집 경로가 작동한다는 증거는 없습니다. 편집 프롬프트는 사려 깊고 이례적으로 구체적입니다. 호출자가 각 참조 이미지의 축소된 W:H 비율을 제공하도록 요구하고, 모델에게 미리보기에서 원본 비율을 추정하지 말라고 지시하며, 숨겨진 결과를 본 척하는 대신 의도한 대상을 구성하라고 지시합니다. 하지만 이에 대한 가중치는 제공되지 않으므로, 일반 VLM이 아마도 파인튜닝이 따를 만큼 이 지시를 잘 따르는지 아무도 측정하지 않았습니다.

• No announcement, therefore no stated intent. Whether this is a permanent commitment or a byproduct of the image launch is not stated anywhere. The repository has no roadmap, no model index entry, and no discussion from M​iniMax explaining why the expander was split out rather than folded into the image checkpoint.

• 다운로드 수치가 너무 작아서 읽기 어렵다. MiniMax-H3-Image는 게시 8일 후인 2026-11-11에 다운로드 667회와 좋아요 136개를 기록했다. PE 모델은 다운로드 0회, 좋아요 7개를 기록했다. 이제 하루 된 저장소에서 이는 판결이 아니라 최저치일 뿐이다 — 하지만 아직 아무도 현장 보고서를 발표하지 않았다는 뜻이기는 하다.

실제로 무언가를 만들고 있다면 이것이 어디에 맞는지

실질적인 질문은 "이것이 좋은 모델인가"가 아니라 — 아직 아무도 답할 수 없다 — "이를 도입하면 내가 무엇을 감수하게 되는가"이다. 구체적으로 세 가지다. 하나 대신 두 개의 모델을 실행해야 한다: 18 GB 확장기와 68.65 GB 이미지 체크포인트, 그리고 MiniMax-H3를 실행한다면 아마 이미 갖고 있을 66.7 GB 텍스트 인코더. 추론을 포함한 4096토큰의 고정 디코드 예산을 감수해야 하며, API 문서가 요청 타임아웃을 600초로 정한 상황에서 이는 세심한 주의 없이 대화형 UI 뒤에 숨길 수 있는 지연 시간이 아니다. 그리고 적용 지역 범위가 네 개의 주요 시장을 제외하는 라이선스를 감수해야 한다.

The mitigation for the first two is the same one that applies to any model you have not measured yourself: put it behind a routing layer rather than into a hardcoded call path. This is the case routing is built for — the expander is a text-generation model behind an OpenAI-compatible /v1/chat/completions endpoint, so it can sit alongside everything else on one key, and a routing rule can send long or structured prompts to it while a shorter path handles the rest. If the expansion turns out to degrade a particular workload, failover moves that traffic without a redeploy. That is also the honest way to evaluate an unproven model: run it on a slice, keep the old path warm, and let the comparison decide. One clarification worth stating plainly, since it is easy to assume otherwise — MiniMax-H3-Image and MiniMax-H3-Image-PE are not on OrcaRouter's catalogue as of 2026-11-11, so this is a self-hosted evaluation, not a call we can make for you. What the catalogue does carry is M​iniMax's H3 video model and the M3.x text line at provider list price with zero markup passed through, which is the same arithmetic that applies the day an image endpoint arrives.

For the third — the territory clause — no amount of engineering helps. If you are in the EU, the UK, Korea or the US, the license does not grant you the rights it grants everyone else, and M​iniMax's own remedy is to contact them for a separate grant "based on robust controls and guardrails." That is a business conversation, and it should happen before the download, not after.

무엇을 볼까요?

Two signals would turn this from a repository into a release. The first is an announcement: a blog post, a model-index entry, a mention on M​iniMax's news feed. Its absence is currently the most informative thing about the launch, and its arrival would clarify whether the PE is meant to be the default local path or a stopgap. The second is the Diffusers blocks repository becoming publicly reachable — right now it returns 401, and until it resolves, the "run it locally through Diffusers" route documented on the card is a claim rather than a path.

In between, the thing to actually read is the task prompt. It is a few hundred lines of plain English describing how to decide what an image is for, and it is the most concrete artefact M​iniMax has published about how it thinks image prompts should work. You can learn more from it in ten minutes than from any benchmark table, and unlike the weights, it costs nothing to read.