MiniMax-H3-Image is beschikbaar op drie oppervlakken: wat elk je daadwerkelijk oplevert

De kortste ware zin over MiniMax-H3-Image deze week is dat het op drie plekken beschikbaar is: Hugging Face, M​iniMax Code en de eigen API van M​iniMax. De zin die een koper echt nodig heeft, is beperkter. Twee van die drie geven je een request-endpoint en een tariefkaart; één geeft je 135 gigabyte aan gewichten, een licentie om te lezen, en een hardwarebeslissing. Dat zijn geen drie varianten van dezelfde toegang, en ze als uitwisselbaar behandelen is precies hoe een team een week uittrekt voor iets dat het voor twee cent per afbeelding had kunnen kopen.

Het model zelf is een echte release en geen herverpakking. M​iniMax heeft de gewichten op 10 november 2026 om 14:50 UTC in de Hugging Face-repository MiniMaxAI/MiniMax-H3-Image gezet en er diezelfde middag om 15:40 een bericht over geplaatst; de repository zelf dateert van 3 november, dus de gewichten hebben een week lang privé bestaan voordat iemand ze kon downloaden. Het is een diffusietransformer met 33,1 miljard parameters die op ongeveer zestien megapixels genereert — het "4K" uit de aankondiging — en hij doet tekst-naar-afbeelding en referentiegestuurde bewerkingen vanuit één checkpoint. Wat volgt is georganiseerd rond de ene vraag die de aankondiging niet beantwoordt: welk oppervlak je moet gebruiken.

Drie voordeuren, en slechts één daarvan is een download.

Begin met wat elke deur is, want het verschil is structureel, niet cosmetisch.

De API is het conventionele pad. Het model staat vermeld als MiniMax-H3-Image met een Highspeed-variant, op de internationale platformen van M​iniMax en die voor het Chinese vasteland, gefactureerd per miljoen tokens in en uit in plaats van per afbeelding. De interface is ongewoon uitgesproken — zes samplingstappen, geen guidance scale, geen negative prompt — en M​iniMax' eigen referentie zegt dat een verzoek dat om iets anders vraagt, terugkomt als HTTP 400. Je koopt een werkend endpoint met een vast recept erin.

M​iniMax Code and Hailuo AI are product surfaces: the same model behind a prompt box, with the sampling decisions already made and no per-token arithmetic for you to do. Useful for evaluating whether the output is any good; not useful for building anything, because the thing you would build against is not exposed. Note also that M​iniMax Code is a coding-agent product, so image generation there is a side door rather than the main function — do not read "available on M​iniMax Code" as an image API with a code wrapper.

Hugging Face is de derde deur, en het is de enige die een overdracht is in plaats van een dienst. Je krijgt een repository, een licentiebestand en een set gewichten die je nu aan de praat moet krijgen. Zelfhosting is de reden dat de meeste teams überhaupt naar een open-weight beeldmodel kijken; het is ook het punt waarop de rekensom niet meer over het model gaat en over je rack begint te gaan.

De repository is zwaarder dan het in de titel genoemde aantal parameters doet vermoeden.

33,1 miljard parameters in BF16 is ongeveer 66 GB voordat je iets anders meetelt, en precies bij dat 'iets anders' verrast de repository mensen. Alleen de diffusietransformer al is 66,28 GB. De volledige download is 68,65 GB, wat de transformer plus de VAE en configuratie omvat. De tekstencoder zit niet in dat cijfer: MiniMax-H3-Image hergebruikt de Qwen3-VL-tekstencoder uit de MiniMax-H3-videorepository, leest uit laag 50 ervan, en die encoder is een aparte download van 66,7 GB. Reken met andere woorden op ongeveer 135 GB aan artefacten op schijf vóór de eerste afbeelding, en dat is nog vóór de eigen cache van welk framework dan ook.

De architectuur is een alinea waard, omdat die je vertelt wat het model is. Vijftig transformerlagen, verborgen grootte 5.376, 56 attention-heads, feedforwardbreedte 14.336, met driedimensionale multimodale roterende positie-embeddings. De VAE bestaat uit een convolutionele encoder gekoppeld aan een 24-laags tweedimensionale ViT-decoder met 16× ruimtelijke downsampling en 24 latente kanalen — een decoderkeuze die aan het einde van de pipeline meer rekenkracht kost dan een gewone convolutionele decoder zou doen, en waarschijnlijk de plek is waar een deel van de fijne details bij 4K vandaan komt. Het ontwerp wordt in de modelkaart beschreven als de H3-architectuur minus audio, wat een terechte samenvatting is: dit is de beeldtak van het videomodel, los uitgebracht.

Hieruit volgen twee consequenties. Ten eerste is een diffusietransformer van de 33B-klasse op zestien megapixels geen laptopmodel, hoe het aantal parameters naast moderne taalmodellen ook mag klinken; het activatiegeheugen schaalt met het outputoppervlak, en dat oppervlak is nu juist het hele punt van deze release. Ten tweede heeft een team dat al MiniMax-H3 draait, omdat de tekstencoder met het videomodel wordt gedeeld, het grootste deel van de download al op schijf staan. Dat is een echte korting, en het is precies het soort ding dat de regel "beschikbaar op Hugging Face" niet overbrengt.

Vier manieren om het te serveren, en één getal dat niet overeenkomt

De modelkaart noemt vier routes: SGLang, vLLM-Omni, diffusers en ComfyUI. Het team van vLLM leverde op de releasedag day-zero-ondersteuning in vLLM-Omni voor zowel NVIDIA- als AMD-hardware, met native output op ongeveer zestien megapixel, wat een sterker lanceringssignaal is dan dat de gewichten bestaan — iemand buiten MiniMax had het draaien voordat de aankondiging een uur oud was. Diffusers dekt het referentiepad, en ComfyUI dekt de workflow-graph-menigte.

Het meningsverschil is het signaleren waard, want iemand zal er last van krijgen. De modelkaart beschrijft bewerken met maximaal 16 referentieafbeeldingen, positioneel aangeduid als <Picture 1> tot en met <Picture 16> in uploadvolgorde. Het vLLM-Omni release-recept voor hetzelfde model documenteert maximaal 9 afbeeldingen per verzoek. Beide kunnen tegelijk waar zijn — de servinglimiet van een framework en de getrainde capaciteit van een model zijn verschillende getallen, en een batch- of geheugenbeperking in de servingstack zal eerder bindend zijn — maar als je workflow twaalf referenties nodig heeft, is het eerlijke antwoord vandaag dat de capaciteit bestaat en dat het gedocumenteerde servingpad die mogelijk niet ondersteunt. Test het aantal op je eigen stack in plaats van een van beide documenten te vertrouwen.

Dezelfde voorzichtigheid geldt voor het promptvenster. De kaart accepteert tot 32.000 tekens, waarvan ruwweg de eerste 4.096 tokens zijn waarop het model zich daadwerkelijk baseert. Een lange prompt wordt niet geweigerd; de staart doet simpelweg geen werk. Wie een gedetailleerde art-directionprompt overneemt uit een gewoonte met taalmodellen, komt daar op de dure manier achter.

De sampler is een beperking die je erft, geen instelling die je afstelt.

Zes stappen, geen classifier-free guidance, geen negatieve prompts. Dat is geen standaard met ruimte erboven; de API weigert andere stapaantallen en guidancewaarden categorisch. Het model is gedistilleerd om in zes forward passes te draaien, en de hele reden dat een 33B-transformer een afbeelding van zestien megapixel snel genoeg kan teruggeven om nuttig te zijn, is die distillatie.

Voor de API-route is dit onzichtbaar en prima. Voor de self-hostroute is het het nuttigste getal op het specificatieblad, dubbel en dwars. Het begrenst de compute per afbeelding tot zes transformerevaluaties in plaats van de vijfentwintig tot vijftig die een niet-gedistilleerd model nodig zou hebben, en dat is precies wat zestien megapixels überhaupt praktisch maakt. En het betekent dat de gebruikelijke tuninglus voor self-hosting — meer stappen proberen, guidance toevoegen, een negative prompt toevoegen, itereren — hier niet bestaat. Als de outputkwaliteit tegenvalt, zijn de prompt en de referenties de knoppen waaraan je draait, niet de sampler. Teams die een week begroten voor 'het model tunen', kunnen die beter begroten voor promptwerk.

Wat elk pad kost, in de eenheden waarin het daadwerkelijk wordt gefactureerd

De API factureert in tokens, en de eigen uitgewerkte voorbeelden op de kaart zijn de duidelijkste manier om dat af te lezen. Een tekst-naar-afbeelding-aanvraag van 1.024×1.024 kost $0,02179. Een aanvraag van 2.048×2.048 kost $0,02333 — 1,07 keer de prijs voor vier keer zoveel pixels, omdat het aantal tokens veel langzamer groeit dan het oppervlak. Een aanvraag van 4.096×4.096 kost $0,06879 tegen lijstprijs, en $0,03439 met een tijdelijke korting van 50% die loopt tot 17 november 2026 om 16:00 UTC en vereist dat de geleverde afbeelding ten minste 16.600.000 pixels heeft. De tarieven voor de Standard-tier zijn $2,30 per miljoen inputtokens voor tekst, $1,50 per miljoen inputtokens voor afbeeldingen en $3,80 per miljoen outputtokens voor afbeeldingen; de Highspeed-tier behoudt de inputtarieven en rekent $7,60 voor output.

Lees die drie getallen samen en het prijsargument voor 4K vervliegt grotendeels. Vier keer zoveel pixels voor 1,07 keer het geld bij de stap naar 2K is een geschenk; van 2K naar 4K kost ongeveer drie keer zoveel voor dezelfde viervoudige oppervlaktewinst, en alleen de korting brengt het weer in de buurt van het 2K-tarief. Als jouw gebruikssituatie geen 4.096 pixels per zijde nodig heeft, is het 2K-niveau waar dit model goedkoop is.

OrcaRouter levert MiniMax-H3-Image niet — er is hier geen route voor, en de CTA in dit stuk verwijst naar de video-tegenhanger, minimax/minimax-h3, die we wel routeren. Wat we wel bieden is relevant voor de dag dat de route bestaat: 0% opslag, waarbij de lijstprijs van de provider wordt doorgegeven, wat betekent dat een prijswijziging van een leverancier zoals die 4K-korting je factuur bereikt op dezelfde dag dat deze de pagina van de leverancier bereikt, en automatische failover als een providerpad verslechtert. Tot dan is de vergelijking die ertoe doet API-uitgaven tegen je eigen hardware, en geen enkele routeringslaag verandert die rekensom.

Zelf hosten, eerlijk geprijsd

Niemand kan je de selfhostkosten per afbeelding noemen zonder je GPU te kennen, want de dominante term is of 135 GB aan gewichten in het geheugen past of moet worden geoffload. Wat wel precies kan worden gezegd: de sampler met zes stappen bepaalt de rekenlast, de uitvoer van zestien megapixel bepaalt het activatiebudget, en beide zijn groot. Eén kaart van 80 GB kan de transformer wel bevatten, maar niet de transformer plus de Qwen3-VL-encoder op volledige precisie, dus de realistische configuraties zijn meerdere GPU's, of het offloaden van de encoder, of een gekwantiseerde transformer met een kwaliteitsvraag eraan vast. Tel daar stroom bij op, tel de engineeringweek erbij op om SGLang of vLLM-Omni goed te laten serveren, en het break-evenpunt tegen $0.02333 per 2K-afbeelding is een volumegetal in de honderdduizenden afbeeldingen, niet in de tientallen.

Wat in de meeste gevallen het argument voor de API is en in enkele gevallen het argument voor de gewichten: een bedrijf dat het model om gegevensredenen binnen zijn eigen grens nodig heeft, of een bedrijf dat al MiniMax-H3 draait en de encoder in huis heeft, of een bedrijf dat genereert op een volume waarbij de vaste kosten worden afgeschreven. Alle anderen moeten eerst de API prijzen en alleen zelf hosten als de grens dat echt vereist.

De licentie lezen vóór het downloaden, niet erna

De gewichten worden vrijgegeven onder de MiniMax-H3-Image Community License Agreement, die geen Apache 2.0 en geen MIT is. "Open-weight" is accuraat; "open-source" is het woord dat teams in de problemen brengt, en dit is het punt in het proces waarop een advocaat het daadwerkelijke bestand zou moeten lezen in plaats van een blogpost — inclusief deze. De praktische vraag is commercieel gebruik op schaal en of de licentie voorwaarden bevat die aan je product kleven, en die vraag heeft een antwoord in de repository waarvoor geen samenvatting in de plaats komt.

Er is een tweede, kleiner artefact dat de moeite waard is om te kennen: M​iniMax levert een Context-IR-component voor het model, en een optioneel prompt-expander-model, MiniMax-H3-Image-PE. De expander verklaart deels waarom het model lange, gedetailleerde prompts verdraagt; hij is optioneel, staat los van de 68,65 GB, en het is het soort ding dat je eerder in een repository-vermelding vindt dan in een aankondiging.

Wat je deze week op je eigen stack moet controleren

• Referenties — bevestig met een echt verzoek in plaats van een document te lezen of je servingpad 16 afbeeldingen ondersteunt of de 9 die het vLLM-Omni-recept documenteert.

• Effectief gebied — het model draait onder de zestien megapixels, en de configuratie biedt een standaard minimale generatieoppervlakte van 4,194,304 pixels. Test het kleine uiteinde als je gebruiksscenario thumbnails is, want een model van deze grootte is bij 1K misschien niet de goedkope optie.

• Geheugen — meet de piek-VRAM bij 4.096×4.096 voordat u hardware koopt. Zes stappen zijn goedkoop rekenwerk; de activaties niet.

• Kortingsklok — als 4K het plan is, eindigt het 50%-tarief op 17 november 2026 om 16:00 UTC, en of je op de API zit of op je eigen hardware, bepaalt of die deadline voor jou van belang is.

• Licentie — lees die. De download is 135 GB en de beslissing is omkeerbaar; de licentie niet.

Het interessante aan deze release is niet dat er een goed open beeldmodel is verschenen — het is dat er voor het eerst in tijden een is verschenen waarbij de weights, de framework-recepten en het gehoste endpoint allemaal in dezelfde week landden. Dat is een sterker signaal dan een benchmarkgrafiek, want het betekent dat het ding draait. Of je het zelf moet draaien of moet aanroepen, hangt volledig af van welke van de drie deuren je doorloopt, en die drie deuren liggen veel verder uit elkaar dan de aankondiging doet vermoeden.