
MiniMax-H3-Image: Vad lanseringsinlägget hävdade och vad vLLM-Omni faktiskt levererade
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 96 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 157 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 221 tok/s
Tre påståenden kom tillsammans med MiniMax-H3-Image, och de är värda att separera eftersom de har väldigt olika mängder pappersarbete bakom sig. Modellen är en 33.1B single-stream-diffusionstransformer som genererar och redigerar bilder vid ungefär sexton megapixlar, destillerad till sex samplingssteg utan classifier-free guidance, och dess vikter lades upp på Hugging Face den 10 november 2026 kl. 14:50 UTC. Inlägget som tillkännagav den sa att modellen var den bästa öppenviktsmodellen för bildredigering på Artificial Analysis, att NVIDIA Vera Rubin-stöd för MiniMax-H3-Image höll på att tas till vLLM-Omni, och att inbyggd 4K-generering tog 0.87 sekunder. Det första håller, men bara inom en öppenviktskohort och bara inom ett konfidensband som är tio placeringar brett; det andra beskriver pappersarbete som riktar sig mot en annan modell och stängdes utan att slås samman; det tredje är ett verkligt uppmätt tal fäst vid en canvas som är en fjärdedel så stor som meningen antyder.
Inget av det gör modellen sämre. Det gör tillkännagivandet svårare att använda, eftersom en läsare som tog alla tre på orden skulle planera en 4K-pipeline kring en latenssiffra som tillhör en 4-megapixelsmodell.
Siffran 0,87 sekunder finns i repot, och den är kopplad till en 2048-pixelsduk.
vLLM-Omnis eget recept för MiniMax-H3-Image innehåller en tabell över uppmätt latens för åtta GPU-konfigurationer, och det värde som håller hela vägen mot lanseringsinlägget är detta: på fyra H200 med Ulysses-sekvensparallelism över alla fyra tar en text-till-bild-förfrågan på 2048×2048 0,88 sekunder, och en redigering på 2048×2048 tar 1,35 sekunder. Det är medianer för tre förfrågningar efter en uppvärmning med samtidighet ett, med ett fast slumpfrö, uppmätta klientsidigt från början till slut.
Samma rad mäter den största förfrågan som författarna provade — 4736×3552, vilket är 16,8 megapixlar och det närmaste i tabellen man kommer en 4K-platta — på 3,84 sekunder. Så den ärliga versionen av hastighetspåståendet är att en bild på 4 megapixlar tar ungefär nio tiondels sekund på en nod med fyra GPU:er, och den 16 megapixlars bild som modellen är avsedd för tar ungefär fyra. Siffran 0,87 ligger inom mätbruset för 0,88; det är duken som ändrades, inte modellen.
Det som gör detta till mer än ett klagomål om avrundning är att förfrågningar under 2048×2048 faktiskt inte körs i sin nominella storlek. Serveringsvägen genererar allt som är mindre på en canvas som är minst 2048×2048 med samma bildförhållande och skalar sedan ned med Lanczos på enheten. Det är därför 1024×1024 tar 0,77 sekunder och 2048×2048 tar 0,88 – de är samma arbetsmängd med olika mycket storleksändring efteråt. Receptet exponerar minimigränsen som min_generation_area, justerbart från 32² till 4096² pixlar, så en driftsättning som verkligen behöver billiga miniatyrer måste välja att använda dem.
Resten av tabellen är den användbara delen för alla som dimensionerar hårdvara:
Fyra H200, Ulysses SP 4 – 81,3 GiB maximalt per GPU, 0,88 s för en 2048²-bild, 3,84 s vid 4736×3552, 1,35 s för en 2048²-redigering.
Fyra H200s, DiT tensorparallell 4 — 36,2 GiB per GPU, 1,00 s och 4,01 s, och redigeringar ligger inom 38,3 dB PSNR från den sekvensparallella referensen.
• Fyra H200, TP 2 × SP 2 — 52,2 GiB per GPU, 1,09 s och 4,07 s, 37,1 dB mot samma referens.
• Två H200, Ulysses SP 2 – 94,6 GiB per GPU, 1,48 s och 6,82 s. Det här är layouten som behöver nästan hela kortet.
En H200 med textkodaren avlastad — 73,4 GiB, 3,18 s och 12,39 s för samma två storlekar.
• En H200 med lagervis avlastning av både DiT och textkodaren — 14,7 GiB, 8,30 s och 12,85 s.
De två sista raderna är de kommersiellt intressanta, eftersom de är vad ett enda hyrt kort ger dig. Vid 14,7 GiB får modellen plats bekvämt och tar åtta sekunder för något som en nod med fyra GPU:er klarar på under en — ett förhållande på ungefär nio mot ett i latens för ett förhållande på ungefär fyra mot ett i hårdvara. Offload-profiler begränsas av kopior från värd till enhet, så deras latens växer knappt med bildstorleken: gapet mellan en 2048²- och en 16,8 MP-förfrågan på enkel-GPU-DLO-vägen är 8,30 sekunder mot 12,85. Om din arbetsbelastning består av stora bilder och du har ett kort är offload inte den katastrof som den råa latensen antyder.

Varför den första bilden kostar mer än vad modellens vikter antyder
Checkpointen som folk laddar ner är inte det som körs. Repositoriet på 68,65 GB innehåller BF16-diffusionstransformern, men för att servera den krävs också den fullständiga Qwen3-VL-textkodaren som lyfts från MiniMax-H3 – en andra artefakt på cirka 66,7 GB – plus en VAE på 0,58B, och receptets egen parameterräkning summerar alla tre till 67B. Det är siffran bakom 73,4 GiB-siffran för en enda GPU med textkodaren resident, och bakom layouten med två residenta GPU:er som kräver 94,6 GiB per kort.
Konsekvensen är ett aritmetikproblem för lanseringsdagen. En 16-megapixels bildmodell vars vikter kommer som två stora nedladdningar och vars billigaste snabba driftsättning är fyra datacenter-GPU:er är inte ett helgprojekt, och de ramverk som hävdar stöd från dag ett hävdar stöd för pipelinen, inte för din skrivbordsdator. Receptet är explicit om vilken hårdvara som faktiskt mättes och vilken som bara konfigurerades: H200, RTX PRO 6000 Blackwell med två och fyra kort samt MI325X och MI350X är markerade som verifierade, medan recepten för H100, B200 och B300 endast är konfigurationer. Det separata receptet för ett enda RTX 4090 finns och kallas en community-driftsättning snarare än en leverantörskvalificerad sådan.
Vera Rubin-påståendet pekar på videomodellen, och pull requesten stängdes.
Detta är påståendet som krävde mest efterforskning, eftersom arbetet är verkligt och dess utformning inte är vad inlägget beskrev. Det finns en pull request i vLLM-Omni numrerad 10108, öppnad den 10 november 2026 kl. 11:10 UTC, med titeln "[Doc] Lägg till MiniMax-H3 Rubin-recept och inferensresultat". Den bidrar med 1 972 rader över fyra filer, dokumenterar ett offline-recept för fyra GPU:er på NVIDIA VR NVL72-hårdvara med 286 524 MiB per kort på en aarch64-värd och rapporterar verkliga mätningar: en text-till-video-förfrågan på 1344×768, fem sekunder och 24 FPS tog i median 19,811 sekunder med TRTLLM-attention och eager execution, jämfört med 110,039 sekunder med SDPA. Varianterna för första/sista nyckelbild och blandad referens landade på 21,535 respektive 21,461 sekunder.
Var och en av dessa uppgifter är video. T2VA, FL2VA och Ref2VA är MiniMax-H3:s uppgiftsnamn, inte MiniMax-H3-Image:s, och pull requestens egen beskrivning säger att den befintliga MiniMax-H3-guiden saknade en kvalificerad Rubin-miljö. Repots receptindex instämmer: MiniMax-H3-Image har recept för H200, H100, B200, B300, RTX PRO 6000, MI325X och MI350X, Intel Arc Pro B70, Ascend Atlas, RTX 4090 och MUSA, och inget för Rubin.
Sedan stängdes pull requesten. Den öppnades kl. 11:10 UTC den 10 november och stängdes kl. 12:05 samma dag, utan att ha slagits samman, efter att den automatiska granskaren hade bett författaren om en självgranskningskommentar. Författaren var öppen om begränsningarna i själva beskrivningen: HTTP-uppstarten misslyckades med de testade vLLM-nightlyversionerna, receptet dokumenterar dessa misslyckanden i stället för att hävda HTTP-stöd, och inferens vid en nyare basrevision listades under "inte körd". En kataloglista över main som hämtats i dag innehåller inget Rubin-recept för någon av MiniMax-modellerna.
Så det korrekta påståendet är att en bidragsgivare utarbetade och mätte ett Rubin-recept för MiniMax-H3 — videomodellen — och utkastet gick inte igenom. Om stöd kommer, kommer det att komma som en sammanslagen fil under receptindexet, och det är det man bör hålla koll på snarare än ett inlägg i sociala medier. MiniMax-H3-Images ramverk för dag ett är däremot de som har merge-commits bakom sig: vLLM-Omnis pull request för modellstöd mergades den 11 november kl. 07:32 UTC, och den medföljande pull requesten för receptet mergades den 10 november kl. 14:53 — ungefär sjutton timmar tidigare, vilket säger en hel del om hur löst "dag ett" tillämpas på dokumentationen.
![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)
Påståendet om arenan är sant och betydligt snävare än det låter.
Artificial Analysis driver två relevanta rankningar: en text-till-bild-leaderboard från image-arena och en leaderboard för bildredigering, båda med Elo-poäng, konfidensintervall och antal prover, och MiniMax-H3-Image finns med på båda. På redigeringslistan, AA-Image-Editing v2.1, ligger den på 1 138 Elo på tolfte plats, inom ett placeringsintervall från åttonde till sjuttonde plats, baserat på ungefär 3 200 prover, till $26.54 per tusen bilder. Dess snabbare variant, MiniMax-H3-Image Highspeed, ligger en placering bakom på 1 134 i ett intervall från nionde till tjugonde plats. Rankningens egen kommentar lyfter särskilt fram modellen som det högst placerade öppenviktsbidraget, före Fibo 2.0 på 1 085 och Qwen-Image-2.1 på 1 084. Så påståendet i lanseringsinlägget är korrekt som det står — nummer ett bland öppenviktsmodeller för bildredigering — och siffran bakom det är en verklig, röstbaserad och offentligt kontrollerbar siffra.

Det som meningen utelämnar är storleken på gapet och intervallets bredd. Ledaren på den listan är GPT Image 2.6 Sunburst med 1 210 Elo över cirka 6 400 prover, med GPT Image 2.6 Flare på 1 206 och GPT Image 2.5 Sunburst på 1 201 – ungefär sjuttio Elo över MiniMax-H3-Image, vilket i Elo-termer är en betydande och sannolikt bestående separation snarare än brus. Bandet från åttonde till sjuttonde plats är den andra halvan av historien: vid detta antal prover skulle modellen rimligen kunna vara åttonde eller sjuttonde, och dess egen Highspeed-variant ligger inom samma överlappning. "Bästa open-weight-modell för redigering" och "nära den bästa redigeringsmodellen" är olika påståenden, och endast det första stöds.
Text-till-bild är där påståendet blir skakigare. På AA-Image-T2I v2.1 rankas modellen tjugotredje med 1 066 Elo, medan Highspeed ligger tjugoandra med 1 070, mot Sunburst 2.6 på 1 261 på första plats över 5 282 prover. Det är en lucka på tvåhundra Elo, och samma ledning bland öppna vikter gäller — Qwen-Image-2.1 på 1 046 och FLUX 3 Image Klein på 1 042 ligger bakom — men "nummer ett bland öppna vikter för bildredigering" bör inte läsas som ett allmänt uttalande om bildkvalitet. Modellens redigeringsstyrka är verklig och dess genereringsstyrka ligger i mittenfältet.
Modellkortets egen kvalitetsbeskrivning är kvalitativ – starkast instruktionsföljsamhet bland öppna modeller, ingen jämförelsetabell bifogad – och det enda outputbevis leverantören tillhandahåller är ett kurerat showcase-rutnät. Det var normalt för en tre dagar gammal lansering. Det innebär att argumentet för modellen nu är en uppmätt poäng med ett brett intervall plus ett argument utifrån upplösning och pris, snarare än det påstående som lanseringsinlägget framställde det som.
Vad som verkligen är levererat, och hur man provar det utan att satsa en pipeline på det
Bortom tillkännagivandet är substansen oglamorös och verklig. En 33,1B bildmodell med en sampler i sex steg, ingen guidance scale att justera, sexton referensplatser och en nativ utdata på 16 megapixlar lanserades med en öppen licens, en vLLM-Omni-pipeline som återanvänder DiT och textkodaren från H3-videomodellen, ett officiellt H200-recept med åtta uppmätta layouter, ytterligare fyra hårdvarurecept i olika kvalificeringsstadier, en diffusers-väg och en ComfyUI-integration. API:et framtvingar samplern: en begäran med num_inference_steps som inte är sex, eller guidance_scale som inte är ett, eller en negativ prompt, returneras med HTTP 400.
För team som vill utvärdera det i stället för att binda sig till det är den praktiska lösningen en offloadad distribution på en enda GPU vid 14,7 GiB – långsam, men tillräckligt liten för att få plats bredvid vad som än annars finns på kortet – och en övergång till sekvensparallell layout med fyra GPU:er först när utdatakvaliteten motiverar noden. Modellen är också nåbar via MiniMax eget API till priser som mäts per token, och flera tredjepartsplattformar erbjuder den; den finns inte i OrcaRouters katalog.
Det OrcaRouter däremot tillhandahåller är den videomodell som den här bildcheckpointen bygger på: minimax/minimax-h3går att routa redan idag till leverantörens listpris utan något påslag ovanpå, vilket spelar roll om anledningen till att du är intresserad av MiniMax-H3-Image är att du redan genererar video inom samma familj och hellre vill hålla en nyckel än två avtal. Samma routinglagers automatiska failover är också det minst dramatiska sättet att testa en icke uppmätt modell i produktion – rikta en del av trafiken mot den, behåll en uppmätt fallback bakom den och låt routingen avgöra utifrån fel snarare än utifrån en placering på en leaderboard som fortfarande är ett spann på tio placeringar.
Vad skulle avgöra det?
Tre saker, i ordning efter hur mycket de skulle förändra bilden. Ett snävare intervall på redigeringsbrädan – modellen ligger på 1 138 i ett band mellan åtta och sjutton över cirka 3 200 sampel, och fler röster skulle göra det till en faktisk placering i stället för ett intervall. Ett sammanslaget Rubin-recept för bildmodellen – inte videomodellen – skulle göra hårdvarupåståendet sant på den enda plats som räknas, nämligen receptindexet. Och en andra, oberoende mätning av 16-megapixellatensen skulle göra det möjligt att omformulera rubriken om 0,87 sekunder till vad den faktiskt är: fyra megapixlar på fyra H200, på omkring nio tiondels sekund, med den verkliga 4K-plattan på fyra gånger det.
Fram till dess är den försvarbara sammanfattningen snävare än inlägget och mer användbar: modellen är snabb vid de storlekar som de flesta faktiskt genererar, dess 16-megapixelläge är en operation på fyra sekunder på en nod med fyra GPU:er i stället för en på under en sekund, dess ramverksstöd är verkligt för den hårdvara som har merge-commits bakom sig, och dess placering på resultattavlan är äkta men begränsad – först bland öppna vikter, totalt tolfte, någonstans mellan åttonde och sjuttonde, och omkring sjuttio Elo bakom modellen som inlägget antydde att den hade besegrat.
