'MiniMax-H3-Image: 세 가지 주장, 세 가지 근거 기록'이라는 제목의 생성된 타이틀 카드, 부제는 '출시 게시물이 주장한 것', 그리고 세 개의 둥근 카드: '측정값 0.87초, 하지만 2048픽셀 캔버스에서는 H200 4대에서 0.88초', 'Vera Rubin 지원은 비디오 모델 레시피로, 같은 날 병합되지 않은 채 열렸다 닫혔다', '오픈웨이트 편집기 1위 — 1,138 Elo로 유지: 8~17위 구간 안에서 전체 12위'. 하단에는 '지연 시간은 vLLM-Omni H200 레시피 기준; 리더보드 수치는 Artificial Analysis, 2026년 11월 13일 기준.'이라고 적혀 있다. 실제 OrcaRouter 로고가 오른쪽 아래 추가된 스트립에 합성되어 있다.
Engineering & Research

MiniMax-H3-Image: 출시 게시글에서 주장한 것과 vLLM-Omni가 실제로 내놓은 것

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

MiniMax-H3-Image와 함께 세 가지 주장이 한꺼번에 제기되었는데, 각기 뒤에 받쳐 주는 서류의 양이 크게 달라서 분리해 볼 가치가 있다. 이 모델은 약 16메가픽셀에서 이미지를 생성하고 편집하는 33.1B 단일 스트림 확산 트랜스포머로, 분류기 없는 가이던스 없이 6개의 샘플링 단계로 증류되었으며, 가중치는 2026년 11월 10일 14:50 UTC에 Hugging Face에 공개되었다. 이를 발표한 게시물에서는 이 모델이 Artificial Analysis의 이미지 편집 부문 오픈 웨이트 모델 1위이며, MiniMax-H3-Image에 대한 NVIDIA Vera Rubin 지원이 vLLM-Omni에 도입되고 있고, 네이티브 4K 생성이 0.87초에 실행되었다고 밝혔다. 첫 번째는 성립하지만, 오픈 웨이트 집단 내에서만, 그리고 폭이 10순위나 되는 신뢰 구간 내에서만 그렇다. 두 번째는 다른 모델을 겨냥한 서류 작업을 설명하는데, 병합되지 않은 채 닫혔다. 세 번째는 실제로 측정된 숫자이지만, 그 문장이 암시하는 크기의 4분의 1에 불과한 캔버스에 붙은 값이다.

그중 어느 것도 모델을 더 나쁘게 만들지는 않습니다. 그것은 발표 내용을 활용하기 더 어렵게 만듭니다. 왜냐하면 세 가지를 모두 액면 그대로 받아들인 독자는 4메가픽셀 모델에 해당하는 지연 수치를 기준으로 4K 파이프라인을 계획하게 될 것이기 때문입니다.

0.87초라는 숫자는 저장소에 있으며, 2048픽셀 캔버스에 연결되어 있습니다.

vLLM-Omni가 MiniMax-H3-Image를 위해 제공하는 자체 레시피에는 8가지 GPU 구성 전반의 측정 지연 시간 표가 있으며, 출시 게시물과 대조해도 그대로 유효한 값은 다음과 같다. H200 4대에서 네 대 모두에 걸쳐 Ulysses 시퀀스 병렬 처리를 적용할 경우, 2048×2048 텍스트-투-이미지 요청은 0.88초, 2048×2048 편집은 1.35초가 걸린다. 이는 동시성 1에서 한 번의 워밍업 후 수행한 세 요청의 중앙값이며, 고정 시드를 사용해 클라이언트 측에서 종단 간 측정한 값이다.

같은 행은 저자들이 시도한 가장 큰 요청인 4736×3552(16.8메가픽셀이며 표에서 4K 플레이트에 가장 가까운 항목)를 3.84초로 측정한다. 그러므로 속도 주장의 정직한 버전은 4메가픽셀 이미지가 4-GPU 노드에서 약 0.9초 걸리고, 모델이 설계된 16메가픽셀 이미지는 약 4초 걸린다는 것이다. 0.87이라는 수치는 0.88이라는 수치의 측정 잡음 범위 안에 있다. 바뀐 것은 모델이 아니라 캔버스다.

이것이 단순한 반올림 불만 이상인 이유는 2048×2048 미만의 요청이 실제로는 명목 크기로 실행되지 않는다는 점입니다. 서빙 경로는 더 작은 모든 요청을 동일한 가로세로 비율의 최소 2048×2048 캔버스에서 생성한 다음, 온디바이스 Lanczos로 다운스케일합니다. 1024×1024가 0.77초이고 2048×2048이 0.88초인 이유가 바로 여기에 있습니다. 두 경우는 동일한 양의 작업을 수행하고 이후 리사이징 양만 다르기 때문입니다. 이 레시피는 하한을 min_generation_area로 노출하며, 32²에서 4096² 픽셀까지 조정할 수 있으므로 값싼 썸네일이 정말로 필요한 배포에서는 이를 선택해야 합니다.

표의 나머지 부분은 하드웨어 규모를 산정하려는 사람에게 유용한 부분입니다:

• H200 4대, Ulysses SP 4 — GPU당 최대 81.3 GiB, 2048² 이미지에 0.88초, 4736×3552에서 3.84초, 2048² 편집에 1.35초.

• H200 4개, DiT 텐서 병렬 4 — GPU당 36.2GiB, 1.00초 및 4.01초, 편집 결과는 시퀀스 병렬 기준 대비 38.3dB PSNR 이내입니다.

• H200 4개, TP 2 × SP 2 — GPU당 52.2 GiB, 1.09 s 및 4.07 s, 동일한 기준 대비 37.1 dB.

• H200 2개, Ulysses SP 2 — GPU당 94.6 GiB, 1.48초 및 6.82초. 이는 거의 카드 전체를 필요로 하는 레이아웃입니다.

• 텍스트 인코더를 오프로드한 H200 1대 — 73.4 GiB, 동일한 두 크기에 대해 3.18 s 및 12.39 s.

• DiT와 텍스트 인코더를 모두 계층별로 오프로드한 H200 1개 — 14.7 GiB, 8.30초 및 12.85초.

마지막 두 행이 상업적으로 흥미로운데, 바로 카드 한 장을 임대해 얻을 수 있는 결과이기 때문입니다. 14.7 GiB에서는 모델이 넉넉히 들어가고, 4-GPU 노드가 1초 미만에 처리하는 작업을 8초에 처리합니다. 지연 시간은 약 9대1 비율인데 하드웨어는 약 4대1 비율입니다. 오프로드 프로필은 호스트-디바이스 복사에 의해 제한되므로 이미지 크기에 따라 지연 시간이 거의 늘지 않습니다. 단일 GPU DLO 경로에서 2048² 요청과 16.8 MP 요청 사이의 격차는 8.30초 대 12.85초입니다. 작업 부하가 큰 이미지이고 카드가 한 장뿐이라면, 오프로드는 원시 지연 시간이 시사하는 만큼의 재앙은 아닙니다.

A generated single-column scoreboard titled 'MiniMax-H3-Image — what one node buys you', with six rows: '4 x H200, sequence parallel: 81.3 GiB per GPU, 0.88 s at 2048 square'; '4 x H200, tensor parallel: 36.2 GiB per GPU, 1.00 s at 2048 square'; '4 x H200, TP2 x SP2: 52.2 GiB per GPU, 1.09 s at 2048 square'; '2 x H200, sequence parallel: 94.6 GiB per GPU, 1.48 s at 2048 square'; '1 x H200, text encoder offloaded: 73.4 GiB, 3.18 s'; '1 x H200, layer-wise offload: 14.7 GiB per GPU, 8.30 s'. The footer reads 'Every figure from the official vLLM-Omni H200 recipe; a 16.8 megapixel request takes 3.84 s on the four-GPU sequence-parallel layout.' The OrcaRouter logo is composited in the added strip at bottom-right.

첫 이미지가 모델의 가중치가 시사하는 것보다 더 비싼 이유

사람들이 다운로드하는 체크포인트는 실제로 실행되는 대상이 아니다. 68.65 GB 저장소에는 BF16 diffusion transformer가 들어 있지만, 이를 서빙하려면 MiniMax-H3에서 가져온 전체 Qwen3-VL 텍스트 인코더 — 약 66.7 GB의 두 번째 아티팩트 — 와 0.58B VAE도 필요하며, 이 레시피 자체의 파라미터 수는 이 세 가지를 모두 합쳐 67B로 계산한다. 이 숫자가 텍스트 인코더를 상주시킨 단일 GPU의 73.4 GiB 수치 뒤에 있고, 카드당 94.6 GiB가 필요한 2-GPU 상주 배치 뒤에 있는 숫자다.

그 결과는 출시 첫날의 산술 문제다. 가중치가 두 개의 대용량 다운로드로 제공되고 가장 저렴한 빠른 배포가 데이터센터 GPU 네 대인 1600만 화소 이미지 모델은 주말 프로젝트가 아니며, 첫날 지원을 주장하는 프레임워크들은 파이프라인에 대한 지원을 주장하는 것이지 당신의 책상에 대한 지원을 주장하는 것이 아니다. 이 레시피는 어떤 하드웨어가 실제로 측정되었고 어떤 것이 구성만 되었는지 명시한다: H200, RTX PRO 6000 Blackwell의 2장 및 4장 구성, MI325X 및 MI350X는 검증됨으로 표시되어 있는 반면, H100, B200 및 B300 레시피는 구성 전용이다. 별도의 단일 RTX-4090 레시피도 존재하며 벤더 검증이 아닌 커뮤니티 배포로 표시되어 있다.

Vera Rubin 관련 주장은 비디오 모델을 가리키고, 풀 리퀘스트는 닫혔습니다.

이것은 가장 많은 파고들기가 필요했던 주장입니다. 왜냐하면 그 작업은 실제이며 그 형태는 게시물이 설명한 것과 다르기 때문입니다. vLLM-Omni에 10108번, 2026년 11월 10일 11:10 UTC에 열린, 제목이 "[Doc] Add MiniMax-H3 Rubin recipe and inference results"인 풀 리퀘스트가 있습니다. 이는 네 개 파일에 걸쳐 1,972줄을 기여하고, aarch64 호스트에서 카드당 286,524 MiB를 갖춘 NVIDIA VR NVL72 하드웨어에서의 4-GPU 오프라인 레시피를 문서화하며, 실제 측정값을 보고합니다: 1344×768, 5초, 24 FPS 텍스트-투-비디오 요청은 TRTLLM 어텐션과 eager 실행으로 중앙값 19.811초가 걸렸으며, SDPA에서는 110.039초였습니다. 첫/마지막 키프레임 및 혼합 참조 변형은 21.535초와 21.461초로 나왔습니다.

그 작업은 모두 비디오 작업입니다. T2VA, FL2VA, Ref2VA는 MiniMax-H3-Image가 아니라 MiniMax-H3의 작업 이름이며, 풀 리퀘스트 자체의 설명에 따르면 기존 MiniMax-H3 가이드에는 적합한 Rubin 환경이 없었습니다. 저장소의 레시피 인덱스도 이와 일치합니다. MiniMax-H3-Image에는 H200, H100, B200, B300, RTX PRO 6000, MI325X 및 MI350X, Intel Arc Pro B70, Ascend Atlas, RTX 4090 및 MUSA용 레시피가 있고 Rubin용은 없습니다.

그다음 풀 리퀘스트는 닫혔다. 11월 10일 11:10 UTC에 열렸고 같은 날 12:05에 머지되지 않은 채 닫혔으며, 자동 리뷰어가 작성자에게 셀프 리뷰 코멘트를 요청한 뒤였다. 작성자는 설명 자체에서 한계를 솔직히 밝혔다. 테스트한 vLLM 나이틀리에서는 HTTP 시작이 실패했고, 레시피는 HTTP 지원을 주장하는 대신 그러한 실패를 기록하며, 더 새로운 베이스 리비전에서의 추론은 'not run' 아래에 기재되어 있었다. 오늘 확인한 main의 디렉터리 목록에는 두 M​iniMax 모델 모두에 대한 Rubin 레시피가 없다.

따라서 정확한 설명은 한 기여자가 비디오 모델인 MiniMax-H3용 Rubin 레시피를 작성하고 측정했지만, 그 초안은 반영되지 않았다는 것입니다. 지원이 이루어진다면 레시피 인덱스 아래에 병합된 파일 형태로 이루어질 것이며, 소셜 게시물이 아니라 바로 그 부분을 주시해야 합니다. 한편 MiniMax-H3-Image의 첫날 프레임워크들은 뒤에 병합 커밋이 있는 것들입니다. vLLM-Omni의 모델 지원 풀 리퀘스트는 11월 11일 07:32 UTC에 병합되었고, 함께 제공된 레시피 풀 리퀘스트는 11월 10일 14:53에 병합되었습니다. 대략 17시간 더 이른 시점인데, 이는 '첫날'이라는 표현이 문서에 얼마나 느슨하게 적용되고 있는지를 보여줍니다.

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.

아레나 주장은 사실이며, 들리는 것보다 훨씬 좁은 범위입니다.

Artificial Analysis는 이미지 아레나 텍스트-투-이미지 리더보드와 이미지 편집 리더보드라는 두 개의 관련 보드를 운영하며, 두 보드 모두 Elo 점수, 신뢰 구간, 샘플 수를 제공하고 MiniMax-H3-Image는 두 보드 모두에 올라 있습니다. 편집 보드인 AA-Image-Editing v2.1에서 이 모델은 1,138 Elo로 12위에 있으며, 약 3,200개 샘플을 기준으로 8위부터 17위까지의 순위대 안에 있고, 이미지 1,000장당 $26.54입니다. 더 빠른 변형인 MiniMax-H3-Image Highspeed는 한 순위 뒤인 1,134로 9위부터 20위까지의 대역에 있습니다. 보드 자체의 해설은 이 모델을 1,085의 Fibo 2.0과 1,084의 Qwen-Image-2.1을 앞선, 가장 높은 순위의 오픈 웨이트 참가작으로 특별히 언급합니다. 따라서 출시 게시물의 주장은 명시된 그대로 정확합니다 — 이미지 편집 부문 오픈 웨이트 모델 중 1위 — 그리고 그 뒤에 있는 숫자는 실제로 투표로 산출되었으며 공개적으로 확인 가능한 숫자입니다.

A headless-Chromium screenshot of Artificial Analysis's AA-Image-Editing v2.1 leaderboard in English, headed 'Ranks image models on editing an image from a text instruction, by Elo from pairwise human preference votes'. The leading rows read GPT Image 2.6 Sunburst (max) at 1,210 over about 6,300 samples, GPT Image 2.6 Flare at 1,206, GPT Image 2.5 Sunburst at 1,201, MAI-Image-2.7-Preview at 1,198 and GPT Image 2.5 Flare at 1,184. Further down the same list, MiniMax-H3-Image sits at 1,138 in an 8-17 rank band over 3,187 samples at $26.54 per 1,000 images, dated November 2026, with MiniMax-H3-Image Highspeed at 1,134 in a 9-20 band over 3,083 samples at $45.25 per 1,000 images, and the open-weights callout marks it as the highest-placed open-weight entry.

문장이 생략한 것은 격차의 크기와 구간의 폭이다. 그 리더보드의 선두는 약 6,400개 표본에서 1,210 Elo를 기록한 GPT Image 2.6 Sunburst이며, GPT Image 2.6 Flare가 1,206, GPT Image 2.5 Sunburst가 1,201로 — MiniMax-H3-Image보다 대략 70 Elo 높은데, 이는 Elo 기준으로 노이즈가 아니라 상당하고 아마도 지속될 분리다. 8위에서 17위에 이르는 구간은 이야기의 나머지 절반이다. 이 표본 수에서는 해당 모델이 8위일 수도 17위일 수도 있으며, 자사의 Highspeed 변형도 같은 중복 구간 안에 있다. "편집을 위한 최고의 오픈 웨이트 모델"과 "최고의 편집 모델에 근접"은 서로 다른 주장이며, 첫 번째만이 뒷받침된다.

텍스트-투-이미지는 주장이 더 흔들리는 부분입니다. AA-Image-T2I v2.1에서 이 모델은 1,066 Elo로 23위, Highspeed는 1,070으로 22위이며, Sunburst 2.6은 5,282개 샘플에서 1,261로 1위입니다. 이는 200 Elo 격차이며, 동일한 오픈 웨이트 선두 우위도 적용됩니다 — Qwen-Image-2.1은 1,046, FLUX 3 Image Klein은 1,042로 그 뒤에 있습니다 — 하지만 "이미지 편집을 위한 1위 오픈 웨이트 모델"을 이미지 품질 전반에 대한 일반적인 진술로 읽어서는 안 됩니다. 이 모델의 편집 강점은 실재하지만 생성 강점은 중간권입니다.

모델 카드 자체의 품질 관련 표현은 정성적입니다. 오픈소스 모델 중 가장 강력한 지시 수행 능력이라는 표현이 있지만 비교 표는 첨부되지 않았고, 공급업체가 제공하는 유일한 출력 증거는 선별된 쇼케이스 그리드입니다. 출시된 지 3일 된 릴리스로서는 정상적인 일이었습니다. 이는 이 모델에 대한 근거가 이제 출시 글이 주장했던 것처럼 단정적인 주장이 아니라, 넓은 구간을 가진 측정 점수에 해상도와 가격에 관한 논거를 더한 형태라는 뜻입니다.

실제로 출시된 것은 무엇이며, 파이프라인을 걸지 않고도 어떻게 시험해 볼 수 있을까

발표를 걷어내고 보면 본질은 화려하지 않고 실질적이다. 6단계 샘플러, 조정할 가이던스 스케일이 없음, 16개의 레퍼런스 슬롯, 16메가픽셀 네이티브 출력을 갖춘 33.1B 이미지 모델이 오픈 라이선스로 공개됐고, H3 비디오 모델의 DiT와 텍스트 인코더를 재사용하는 vLLM-Omni 파이프라인, 8개의 측정된 레이아웃이 포함된 공식 H200 레시피, 다양한 검증 상태에 있는 4개의 추가 하드웨어 레시피, diffusers 경로, ComfyUI 통합이 함께 나왔다. API는 샘플러를 강제한다: 다음과 같은 요청은 num_inference_steps가 6이 아니거나, guidance_scale이 1이 아니거나, 부정 프롬프트가 있으면 HTTP 400으로 반환된다.

이를 도입하기보다 평가해 보려는 팀에게 현실적인 구성은 14.7GiB 단일 GPU 오프로드 배포입니다. 느리긴 하지만 카드에 이미 올라와 있는 다른 무엇과도 함께 올릴 수 있을 만큼 작습니다. 그리고 출력 품질이 노드 비용을 정당화할 때에만 4-GPU 시퀀스 병렬 레이아웃으로 옮기면 됩니다. 이 모델은 MiniMax 자체 API를 통해서도 토큰 과금 방식으로 이용할 수 있으며, 여러 타사 플랫폼에서도 제공하고 있습니다. 다만 OrcaRouter의 카탈로그에는 없습니다.

OrcaRouter가 실제로 제공하는 것은 이 이미지 체크포인트의 기반이 된 비디오 모델입니다: minimax/minimax-h3는 현재 라우팅 가능하며 제공업체의 정가에 추가 마크업이 붙지 않은 그대로, 이는 MiniMax-H3-Image에 관심을 갖는 이유가 이미 같은 패밀리에서 비디오를 생성하고 있고 두 개의 계약보다 하나의 키를 보유하는 편이 낫기 때문이라면 중요한 부분입니다. 같은 라우팅 레이어의 자동 페일오버는 또한 측정되지 않은 모델을 프로덕션에서 테스트하는 가장 극적이지 않은 방법이기도 합니다 — 트래픽의 일부를 그쪽으로 돌리고, 그 뒤에 측정된 폴백을 두고, 아직 10계단 폭의 구간에 불과한 리더보드 순위가 아니라 오류를 기준으로 라우팅이 결정하게 하세요.

무엇이 그것을 해결할까요?

세 가지를, 상황을 얼마나 바꿀 수 있는지 순서대로 말하겠습니다. 편집 보드에서 더 좁은 구간 — 모델은 약 3,200개 샘플에 걸쳐 8~17 구간의 1,138에 있으며, 투표가 더 많아지면 이것이 범위가 아니라 실제 순위가 될 것입니다. 이미지 모델용으로 병합된 Rubin 레시피 — 비디오 모델용이 아니라 — 가 있으면 하드웨어 주장이 유일하게 중요한 곳인 레시피 인덱스에서 사실이 될 것입니다. 그리고 16메가픽셀 지연 시간에 대한 두 번째 독립 측정이 있으면 0.87초라는 헤드라인을 실제 내용대로 다시 말할 수 있을 것입니다: 네 대의 H200에서 4메가픽셀, 약 0.9초, 실제 4K 플레이트는 그 네 배입니다.

그때까지 방어 가능한 요약은 그 게시물보다 좁고 더 유용하다. 즉, 이 모델은 대부분의 사람이 실제로 생성하는 크기에서 빠르고, 16메가픽셀 모드는 하위 1초가 아니라 4개 GPU 노드에서 4초짜리 작업이며, 프레임워크 지원은 뒤에 병합 커밋이 있는 하드웨어에 대해서는 실질적이고, 리더보드 순위는 진짜이지만 한계가 분명하다 — 오픈 웨이트 중 1위, 전체 12위, 8위에서 17위 사이 어딘가이며, 그 게시물이 이겼다고 암시한 모델보다 약 70 Elo 뒤처진다.