
MiniMax-H3-Image: Co twierdził post premierowy, a co faktycznie dostarczył vLLM-Omni
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 96 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 133 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 221 tok/s
Trzy twierdzenia pojawiły się razem z MiniMax-H3-Image i warto je rozdzielić, ponieważ mają za sobą bardzo różną ilość dokumentacji. Model to jednostrumieniowy transformator dyfuzyjny o 33,1 mld parametrów, który generuje i edytuje obrazy przy około szesnastu megapikselach, destylowany do sześciu kroków próbkowania bez klasyfikatorowego guidance, a jego wagi trafiły na Hugging Face 10 listopada 2026 r. o 14:50 UTC. W poście ogłaszającym go napisano, że model był numerem jeden wśród modeli otwartych do edycji obrazów w Artificial Analysis, że obsługa NVIDIA Vera Rubin dla MiniMax-H3-Image jest wprowadzana do vLLM-Omni oraz że natywne generowanie w 4K zajmowało 0,87 sekundy. Pierwsze z nich się utrzymuje, ale tylko w obrębie kohorty modeli otwartych i tylko w przedziale ufności o szerokości dziesięciu pozycji; drugie opisuje dokumentację dotyczącą innego modelu, którą zamknięto bez scalenia; trzecie to rzeczywista zmierzona liczba przypisana do płótna o rozmiarze jednej czwartej tego, co sugeruje to zdanie.
Nic z tego nie czyni modelu gorszym. Sprawia jedynie, że zapowiedź jest trudniejsza w użyciu, ponieważ czytelnik, który przyjąłby wszystkie trzy wartości za dobrą monetę, zaplanowałby pipeline 4K w oparciu o wartość opóźnienia dotyczącą modelu 4-megapikselowego.
Liczba 0,87 sekundy znajduje się w repozytorium i jest powiązana z kanwą o rozmiarze 2048 pikseli.
Własny przepis vLLM-Omni na MiniMax-H3-Image zawiera tabelę zmierzonych opóźnień dla ośmiu układów GPU, a wartość, która broni się w konfrontacji z postem premierowym, jest następująca: na czterech H200 z równoległością sekwencji Ulysses obejmującą wszystkie cztery żądanie text-to-image o rozdzielczości 2048×2048 zajmuje 0,88 sekundy, a edycja o rozdzielczości 2048×2048 — 1,35 sekundy. To mediany z trzech żądań po jednym rozgrzewaniu przy współbieżności równej jeden, z ustalonym ziarnem, mierzone od początku do końca po stronie klienta.
Ten sam wiersz podaje największe żądanie, jakie autorzy wypróbowali — 4736×3552, czyli 16,8 megapiksela i najbliższy w tabeli odpowiednik płytki 4K — wynoszące 3,84 sekundy. Uczciwa wersja twierdzenia o szybkości jest więc taka, że obraz 4-megapikselowy zajmuje około dziewięciu dziesiątych sekundy w węźle z czterema GPU, a obraz 16-megapikselowy, dla którego model jest projektowany, zajmuje około czterech sekund. Wartość 0,87 mieści się w granicach szumu pomiarowego wartości 0,88; zmieniło się płótno, a nie model.
To, co czyni z tego więcej niż skargę na zaokrąglenie, to fakt, że żądania poniżej 2048×2048 w rzeczywistości nie działają w swoim nominalnym rozmiarze. Ścieżka obsługi generuje wszystko mniejsze na płótnie o co najmniej 2048×2048 przy tym samym współczynniku proporcji, a następnie skaluje w dół za pomocą Lanczos na urządzeniu. Dlatego 1024×1024 kosztuje 0,77 sekundy, a 2048×2048 kosztuje 0,88 — to ta sama ilość pracy z inną ilością późniejszego skalowania. Przepis ujawnia dolny limit jako min_generation_area, regulowany od 32² do 4096² pikseli, więc wdrożenie, które naprawdę potrzebuje tanich miniatur, musi świadomie je wybrać.
Reszta tabeli to przydatna część dla każdego, kto dobiera sprzęt:
• Cztery H200, Ulysses SP 4 — szczytowo 81,3 GiB na GPU, 0,88 s dla obrazu 2048², 3,84 s przy 4736×3552, 1,35 s dla edycji 2048².
• Cztery H200, równoległość tensorowa DiT 4 — 36,2 GiB na GPU, 1,00 s i 4,01 s, a edycje mieszczą się w granicach 38,3 dB PSNR względem referencji z równoległością sekwencyjną.
Cztery układy H200, TP 2 × SP 2 — 52,2 GiB na GPU, 1,09 s i 4,07 s, 37,1 dB względem tej samej referencji.
• Dwie karty H200, Ulysses SP 2 — 94,6 GiB na GPU, 1,48 s i 6,82 s. To układ, który wymaga niemal całej karty.
• Jeden H200 z odciążonym enkoderem tekstu — 73,4 GiB, 3,18 s i 12,39 s przy tych samych dwóch rozmiarach.
• Jeden H200 z warstwowym offloadem zarówno DiT, jak i enkodera tekstu — 14,7 GiB, 8,30 s i 12,85 s.
Ostatnie dwa wiersze są interesujące pod względem komercyjnym, ponieważ to właśnie one pokazują, co daje jedna wynajęta karta. Przy 14,7 GiB model mieści się komfortowo i potrzebuje ośmiu sekund na coś, co węzeł z czterema GPU wykonuje w mniej niż jedną sekundę — stosunek około dziewięciu do jednego pod względem opóźnienia przy stosunku około czterech do jednego pod względem sprzętu. Profile offloadu są ograniczone przez kopiowanie z hosta do urządzenia, więc ich opóźnienie ledwo rośnie wraz z rozmiarem obrazu: różnica między żądaniem 2048² a 16,8 MP na ścieżce DLO z jednym GPU wynosi 8,30 sekundy wobec 12,85. Jeśli Twoje obciążenie to duże obrazy i masz jedną kartę, offload nie jest katastrofą, na jaką sugerują surowe opóźnienia.

Dlaczego pierwszy obraz kosztuje więcej, niż sugerują wagi modelu
Checkpoint, który ludzie pobierają, nie jest tym, co faktycznie działa. Repozytorium o rozmiarze 68,65 GB zawiera transformer dyfuzyjny BF16, ale do jego serwowania potrzebny jest także pełny enkoder tekstu Qwen3-VL pochodzący z MiniMax-H3 — drugi artefakt o rozmiarze około 66,7 GB — plus VAE 0,58B, a własna liczba parametrów w recepturze sumuje wszystkie trzy do 67B. To właśnie ta liczba stoi za wartością 73,4 GiB dla pojedynczego GPU z enkoderem tekstu utrzymywanym w pamięci oraz za układem rezydentnym na dwóch GPU wymagającym 94,6 GiB na kartę.
Konsekwencją jest problem arytmetyczny w dniu premiery. Model obrazu 16 megapikseli, którego wagi są dostarczane jako dwa duże pliki do pobrania, a którego najtańsze szybkie wdrożenie wymaga czterech GPU w centrum danych, nie jest projektem na weekend, a frameworki deklarujące wsparcie od pierwszego dnia deklarują wsparcie dla potoku, a nie dla twojego biurka. Przepis jasno określa, który sprzęt faktycznie zmierzono, a który tylko skonfigurowano: H200, RTX PRO 6000 Blackwell w konfiguracjach z dwiema i czterema kartami oraz MI325X i MI350X są oznaczone jako zweryfikowane, natomiast przepisy dla H100, B200 i B300 są wyłącznie konfiguracyjne. Istnieje osobny przepis dla pojedynczego RTX 4090 i jest on oznaczony jako wdrożenie społecznościowe, a nie kwalifikowane przez dostawcę.
Twierdzenie Very Rubin wskazuje na model wideo, a pull request został zamknięty.
To twierdzenie wymagało najwięcej dochodzenia, ponieważ praca jest prawdziwa, a jej kształt nie odpowiada temu, co opisał wpis. W vLLM-Omni istnieje pull request numer 10108, otwarty 10 listopada 2026 r. o 11:10 UTC, zatytułowany „[Doc] Dodanie przepisu MiniMax-H3 Rubin i wyników wnioskowania”. Wnosi 1972 linie w czterech plikach, dokumentuje przepis offline dla czterech GPU na sprzęcie NVIDIA VR NVL72 z 286 524 MiB na kartę na hoście aarch64 i podaje rzetelne pomiary: żądanie text-to-video o rozdzielczości 1344×768, pięciosekundowe, 24 FPS miało medianę 19,811 sekundy z mechanizmem attention TRTLLM i trybem eager, wobec 110,039 sekundy z SDPA. Warianty z pierwszą/ostatnią klatką kluczową oraz z mieszanymi referencjami wyniosły 21,535 i 21,461 sekundy.
Każde z tych zadań dotyczy wideo. T2VA, FL2VA i Ref2VA to nazwy zadań MiniMax-H3, a nie MiniMax-H3-Image, a opis samego pull requesta mówi, że istniejący przewodnik MiniMax-H3 nie obejmował kwalifikowanego środowiska Rubin. Indeks przepisów repozytorium to potwierdza: MiniMax-H3-Image ma przepisy dla H200, H100, B200, B300, RTX PRO 6000, MI325X i MI350X, Intel Arc Pro B70, Ascend Atlas, RTX 4090 i MUSA, a nic dla środowiska Rubin.
Następnie pull request został zamknięty. Został otwarty o 11:10 UTC 10 listopada i zamknięty o 12:05 tego samego dnia, bez scalenia, po tym jak zautomatyzowany recenzent poprosił autora o komentarz z samodzielnym przeglądem. Jego autor był szczery co do ograniczeń już w samym opisie: uruchamianie HTTP kończyło się niepowodzeniem w testowanych kompilacjach nightly vLLM, przepis odnotowuje te niepowodzenia, zamiast twierdzić, że obsługuje HTTP, a wnioskowanie na nowszej rewizji bazowej wymieniono w sekcji „nie uruchomiono”. Pobrany dzisiaj spis zawartości gałęzi main nie zawiera przepisu Rubin dla żadnego z modeli MiniMax.
Dokładne stwierdzenie jest więc takie, że współtwórca przygotował szkic i wykonał pomiary przepisu Rubin dla MiniMax-H3 — modelu wideo — a szkic nie został scalony. Jeśli wsparcie nadejdzie, nadejdzie jako scalony plik w indeksie przepisów i to na to należy patrzeć, a nie na post w mediach społecznościowych. Frameworki MiniMax-H3-Image dostępne od dnia premiery to tymczasem te, za którymi stoją commity scalające: pull request vLLM-Omni dotyczący wsparcia modelu został scalony 11 listopada o 07:32 UTC, a towarzyszący mu pull request z przepisem — 10 listopada o 14:53, czyli około siedemnaście godzin wcześniej, co pokazuje, jak luźno stosuje się określenie „dzień pierwszy” do dokumentacji.
![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.](https://cms.orcarouter.ai/api/media/file/3-3995.png)
Twierdzenie dotyczące areny jest prawdziwe i znacznie węższe, niż to brzmi.
Artificial Analysis prowadzi dwa istotne rankingi: leaderboard text-to-image w image-arena oraz leaderboard edycji obrazów, oba z punktacją Elo, przedziałami ufności i liczebnością próbek, a MiniMax-H3-Image znajduje się na obu z nich. Na tablicy edycyjnej AA-Image-Editing v2.1 zajmuje 1 138 Elo na dwunastym miejscu, w przedziale rang od ósmego do siedemnastego, na podstawie około 3 200 próbek, przy cenie 26,54 USD za tysiąc obrazów. Jego szybszy wariant, MiniMax-H3-Image Highspeed, jest jedno miejsce niżej z 1 134 w przedziale od dziewiątego do dwudziestego. Komentarz samej tablicy wyróżnia ten model jako najwyżej sklasyfikowany wpis open-weight, przed Fibo 2.0 z 1 085 i Qwen-Image-2.1 z 1 084. Zatem twierdzenie z posta premierowego jest dokładne w podanej formie — numer jeden wśród modeli open-weight do edycji obrazów — a liczba za nim jest prawdziwa, poddana głosowaniu i publicznie weryfikowalna.

To, co zdanie pomija, to wielkość różnicy i szerokość przedziału. Liderem na tej tablicy jest GPT Image 2.6 Sunburst z 1 210 Elo na podstawie około 6 400 próbek, a GPT Image 2.6 Flare ma 1 206, a GPT Image 2.5 Sunburst 1 201 — około siedemdziesięciu Elo więcej niż MiniMax-H3-Image, co w kategoriach Elo stanowi znaczącą i prawdopodobnie trwałą przewagę, a nie szum. Przedział miejsc od ósmego do siedemnastego to druga połowa tej historii: przy tej liczbie próbek model mógłby równie dobrze być ósmy lub siedemnasty, a jego własny wariant Highspeed mieści się w tym samym obszarze nakładania się. „Najlepszy model z otwartymi wagami do edycji” i „blisko najlepszego modelu do edycji” to różne twierdzenia, a poparte jest tylko pierwsze.
To w generowaniu obrazów z tekstu twierdzenie staje się bardziej chwiejne. W rankingu AA-Image-T2I v2.1 model zajmuje dwudzieste trzecie miejsce z wynikiem 1 066 Elo, Highspeed — dwudzieste drugie z 1 070, wobec Sunburst 2.6 z 1 261 na pierwszym miejscu na podstawie 5 282 próbek. To różnica dwustu punktów Elo i ta sama przewaga wśród modeli open-weight się utrzymuje — Qwen-Image-2.1 z 1 046 i FLUX 3 Image Klein z 1 042 są za nim — ale „model open-weight numer jeden do edycji obrazów” nie powinno być odczytywane jako ogólne stwierdzenie o jakości obrazów. Przewaga modelu w edycji jest realna, a jego siła w generowaniu plasuje się w środku stawki.
Sformułowania dotyczące jakości w samej karcie modelu mają charakter jakościowy — najlepsze przestrzeganie instrukcji wśród modeli open-source, bez załączonej tabeli porównawczej — a jedynym dowodem w postaci wyników, jaki dostarcza dostawca, jest starannie wyselekcjonowana siatka przykładów pokazowych. Było to normalne w przypadku wydania sprzed trzech dni. Oznacza to jednak, że argumentacja na rzecz modelu opiera się teraz na zmierzonym wyniku z szerokim przedziałem oraz na argumencie dotyczącym rozdzielczości i ceny, a nie na twierdzeniu, jakim przedstawiał je wpis premierowy.
Co jest naprawdę wdrożone i jak to wypróbować, nie stawiając na to całego pipeline’u
Jeśli odrzeć zapowiedź z marketingowego opakowania, istota jest niepozorna i realna. Model obrazu o 33,1 mld parametrów z sześciokrokowym próbnikiem, bez skali guidance do dostrajania, szesnastoma slotami referencyjnymi i natywnym wyjściem 16 megapikseli zadebiutował z otwartą licencją, pipeline'em vLLM-Omni, który ponownie wykorzystuje DiT i enkoder tekstu modelu wideo H3, oficjalną receptą H200 z ośmioma zmierzonymi układami, czterema dodatkowymi receptami sprzętowymi na różnych etapach kwalifikacji, ścieżką diffusers i integracją z ComfyUI. API wymusza działanie próbnika: żądanie, w którym num_inference_steps ma wartość inną niż sześć lub guidance_scale ma wartość inną niż jeden, lub zawiera dowolny negatywny prompt, kończy się odpowiedzią HTTP 400.
Dla zespołów, które chcą go ocenić, zamiast od razu się na niego decydować, praktycznym rozwiązaniem jest wdrożenie z offloadingiem na pojedynczym GPU o rozmiarze 14,7 GiB — wolne, ale wystarczająco małe, by zmieścić się obok wszystkiego innego, co znajduje się na karcie — oraz przejście na układ z równoległością sekwencji na czterech GPU dopiero wtedy, gdy jakość wyników uzasadni użycie węzła. Model jest również dostępny przez własne API MiniMax w rozliczeniu za tokeny, a kilka platform innych firm go oferuje; nie ma go w katalogu OrcaRouter.
To, co OrcaRouter rzeczywiście oferuje, to model wideo, na którym opiera się ten checkpoint obrazu: minimax/minimax-h3 jest dziś dostępny w routingu po cenie katalogowej dostawcy bez doliczanej marży, co ma znaczenie, jeśli powodem, dla którego interesuje Cię MiniMax-H3-Image, jest to, że już generujesz wideo w tej samej rodzinie i wolisz mieć jeden klucz zamiast dwóch umów. Automatyczny failover w tej samej warstwie routingu jest też najmniej spektakularnym sposobem testowania niezmierzonego modelu w produkcji — skieruj na niego część ruchu, utrzymuj za nim sprawdzony mechanizm awaryjny i pozwól routingu decydować na podstawie błędów, a nie pozycji w rankingu, która wciąż jest pasmem dziesięciu miejsc.
Co by to rozstrzygnęło?
Trzy rzeczy, w kolejności od tego, jak bardzo zmieniłyby obraz sytuacji. Węższy przedział na tablicy edycji — model ma 1 138 w przedziale od ósmego do siedemnastego miejsca przy około 3 200 próbkach, a więcej głosów zamieniłoby to w rzeczywiste miejsce w rankingu, a nie przedział. Scalony przepis Rubin dla modelu obrazu — nie tego do wideo — sprawiłby, że twierdzenie o sprzęcie stałoby się prawdziwe w jedynym miejscu, które się liczy, czyli w indeksie przepisów. A drugi, niezależny pomiar opóźnienia dla 16 megapikseli pozwoliłby przeformułować nagłówek o 0,87 sekundy na to, czym jest: cztery megapiksele na czterech H200, przy około dziewięciu dziesiątych sekundy, a rzeczywista plansza 4K przy czterokrotnie większej wartości.
Do tego czasu możliwe do obrony podsumowanie jest węższe niż post i bardziej użyteczne: model jest szybki w rozmiarach, które większość ludzi faktycznie generuje, jego tryb 16 megapikseli to operacja trwająca cztery sekundy na węźle z czterema GPU, a nie poniżej sekundy, wsparcie frameworków jest realne w przypadku sprzętu, za którym stoją commity scalające, a jego pozycja w rankingu jest prawdziwa, lecz ograniczona — pierwsza wśród otwartych wag, dwunasta ogólnie, gdzieś między ósmym a siedemnastym miejscem i o około siedemdziesiąt punktów Elo za modelem, co do którego post sugerował, że został przez niego pokonany.
