MiniMax-H3-Image-PE: MiniMax heeft een 27B-promptexpander voor zijn beeldmodel uitgebracht en heeft het niemand verteld

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.

Wat zit er eigenlijk in de repo, en wat zeggen de tijdstempels?

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.

Wat het precies doet

Er zitten twee workflows in de repo, en ze zijn niet hetzelfde. Dit is het allerbelangrijkste dat je moet begrijpen voordat je 18 GB downloadt.

• Tekst-naar-afbeelding PE — je krijgt alles: de fijnafgestelde gewichten, de systeemprompt, de taakprompt, de aanvraagparameters en een werkende client. Dit pad is compleet en vandaag uitvoerbaar.

• Beeldbewerking-PE — je krijgt een prompt en een voorbeeld van berichtopbouw. Geen gewichten. De kaart zegt het ronduit: "Beeldbewerking-PE is nog in ontwikkeling; deze release bevat alleen de prompt." Je wordt geacht die prompt door een vision-languagemodel naar eigen keuze te laten draaien.

Het tekst-naar-afbeelding-pad neemt je instructie, breidt die uit en retourneert JSON die door een schema is beperkt tot precies twee sleutels. De uitvoer voor een testprompt — "Een oranje tabby kat die op een zonnige vensterbank slaapt" — is één zin over warme foto's en zacht middaglicht, plus de verhouding "3:2". Het schema is strikt, met additionalProperties op false ingesteld, en het verhoudingsveld is een enum van tien waarden: 1:1, 5:4, 4:3, 3:2, 16:9, 21:9, 4:5, 3:4, 2:3, 9:16. Er is geen verhouding als vrije tekst, geen "auto"-token in de uitvoer, en geen manier waarop het model iets anders kan antwoorden dan een van die tien tekenreeksen. Dat is een bewuste ontwerpkeuze en die sluit direct aan op de gepubliceerde formaattabel van het bovenliggende model, die precies die verhoudingen vermeldt met pixelafmetingen van 4096×4096 bij 1:1 tot 6272×2688 bij 21:9.

De beslissing over de verhouding is geen kwestie van gevoel. De vrijgegeven taakprompt besteedt enkele honderden woorden aan een strikte voorrangsorde: een expliciet definitief canvas wint eerst, dan het gevraagde eindproduct (een poster is verticaal, een slidekop is horizontaal, een avatar is vierkant), dan de primaire compositie van het onderwerp, dan optionele context — met een expliciete waarschuwing dat "een generieke kamer, park, bos, lucht of cinematische achtergrond een gefocust onderwerp niet horizontaal mag maken." De prompt verbiedt ook om een platform te verzinnen: je mag niet zomaar Instagram aannemen. En hij onderscheidt een afgebeelde scène van een communicatieartefact — een dashboard, poster, verpakking, technisch diagram of samengestelde compositie met meerdere panelen wordt opgebouwd als een informatiearchitectuur in plaats van als een scène met de gevraagde objecten. Voor iedereen die een beeldmodel "quarterly results slide" heeft zien veranderen in een foto van een vergaderruimte, is dat onderscheid het interessante deel van deze release.

Waarom 27B parameters verspillen aan een bijschrift?

Het antwoord staat in de documentatie van het bovenliggende model, en het is interessanter dan de prompt-expander zelf. MiniMax-H3-Image is een 33,1B dense single-stream diffusietransformer, 50 lagen, verborgen grootte 5376, 56 attention-heads, die verborgen toestanden leest uit de 50e laag van een volledige Qwen3-VL-tekstencoder die ongewijzigd is overgenomen van MiniMax-H3. Die tekstencoder is 66,7 GB en zit niet in de image-repository — je downloadt hem afzonderlijk uit de repo van het videomodel. De checkpoint is gedistilleerd naar zes sampling-stappen zonder classifier-free guidance, en de API dwingt dit af: elke num_inference_steps anders dan 6 en elke guidance_scale anders dan 1 retourneert HTTP 400, en negative_prompt wordt botweg geweigerd. Er is geen knop om aan te draaien.

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.

De licentie is het onderdeel dat mensen daadwerkelijk tegenhoudt.

MiniMax-H3-Image-PE is niet afzonderlijk gelicentieerd. De modelkaart vermeldt dat het „deel uitmaakt van MiniMax-H3-Image en dienovereenkomstig onderworpen is aan” de MiniMax-H3-Image Community License Agreement, en het licentiebestand bevat een datumregel die luidt: „release date/License date: November 10, 2026.” Lees dat zorgvuldig, want het betekent dat de licentiedatum van de prompt expander en de publicatiedatum van het bovenliggende beeldmodel acht dagen uit elkaar liggen, terwijl de licentie zelf één document is dat beide regelt.

Drie clausules zijn belangrijker dan de rest, en geen ervan is het gebruikelijke 'open weights'-verhaal:

• Grondgebied — de verlening geldt alleen binnen het "Toepasselijke Grondgebied", gedefinieerd als wereldwijd met uitzondering van de Europese Unie, het Verenigd Koninkrijk, de Republiek Korea en de Verenigde Staten van Amerika. Dit is een territoriale uitsluiting, geen gebruiksbeperking, en staat in de definities in plaats van begraven te zijn in een bijlage.

• Commerciële schaal — Sectie IV vereist afzonderlijke voorafgaande schriftelijke autorisatie als uw geannualiseerde omzet, of die van uw gelieerde ondernemingen, meer dan 1 miljoen USD bedraagt, of als u überhaupt een gehoste dienst aan derden verleent. De tweede voorwaarde kent geen omzetdrempel.

• Naamsvermelding in de interface — dezelfde sectie vereist dat u "MiniMax-H3-Image" prominent weergeeft in de gebruikersinterface van elk commercieel product of elke commerciële dienst die de werken gebruikt.

Er is ook een herverdelingsvoorwaarde die een NOTICE-bestand met een specifieke copyrightregel vereist, en een verplichting uit Sectie V om waarborgen te handhaven tegen schendende outputs, met een meldmechanisme en de plicht om actie te ondernemen naar aanleiding van meldingen te goeder trouw. Niets daarvan is ongebruikelijk voor een communitylicentie in 2026. De territoriale uitsluiting is degene die voor veel teams zal bepalen of de download van 18 GB überhaupt de moeite waard is om te starten — en het is de clausule die het snelst over het hoofd wordt gezien, omdat de Hugging Face-modelpagina die alleen als "overig" met een link toont.

Wat nog niet kenbaar is

Duidelijk zijn over de grens is nuttiger dan die in te vullen.

• Geen benchmarkcijfers. Geen van beide kaarten publiceert ook maar één score. De moederorganisatie doet alleen kwalitatieve beweringen — "de sterkste instructieopvolging onder opensourcemodellen", "state of the art" — en er was op 2026-11-11 geen onafhankelijke evaluatie van MiniMax-H3-Image of van de bijbehorende prompt-expander gevonden. Er is geen Elo, geen voorkeurswinstpercentage, geen vergelijking van de uitbreidingskwaliteit met het gehoste Context-IR-eindpunt.

• Geen bewijs dat het bewerkingspad werkt. De bewerkingsprompt is doordacht en ongewoon specifiek: hij vereist dat de aanroeper voor elk referentiebeeld de verkleinde B:H-verhouding opgeeft, zegt tegen het model dat het de bronverhouding nooit uit een voorbeeld mag schatten, en draagt het op het beoogde doel te construeren in plaats van te doen alsof het een verborgen resultaat heeft gezien. Maar er worden geen gewichten voor meegeleverd, dus niemand heeft gemeten of een algemeen VLM deze even goed volgt als de fine-tune vermoedelijk zou doen.

• 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.

• De downloadaantallen zijn te klein om te lezen. MiniMax-H3-Image liet op 2026-11-11 667 downloads en 136 likes zien, acht dagen na publicatie. Het PE-model liet 0 downloads en 7 likes zien. Voor een repo van één dag oud is dat een ondergrens, geen eindoordeel — maar het betekent wel dat er nog niemand een praktijkrapport heeft gepubliceerd.

Waar dit past als je daadwerkelijk iets aan het bouwen bent

De praktische vraag is niet "is dit een goed model" — dat kan nog niemand beantwoorden — maar "waartoe verplicht het me als ik het overneem." Drie dingen, concreet. Je verplicht je ertoe twee modellen te draaien in plaats van één: een 18 GB-expander plus een 68,65 GB image-checkpoint plus een 66,7 GB tekstencoder die je waarschijnlijk al hebt als je MiniMax-H3 draait. Je verplicht je ertoe een vast decodeerbudget van 4096 tokens inclusief redeneren, wat bij een requesttime-out van 600 seconden zoals de API-documentatie die vaststelt, geen latentie is die je zonder zorg achter een interactieve UI kunt verbergen. En je verplicht je ertoe een licentie waarvan de territoriale reikwijdte vier grote markten uitsluit.

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.

Wat te kijken

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.