MiniMax-H3-Image có mặt trên ba nền tảng: Mỗi nền tảng thực sự mang lại cho bạn điều gì

Câu đúng ngắn nhất về MiniMax-H3-Image trong tuần này là nó có mặt ở ba nơi: {{1}}Hugging Face{{/1}}, {{2}}M​iniMax Code{{/2}}, và {{3}}API riêng của M​iniMax{{/3}}. Câu mà người mua thực sự cần thì hẹp hơn. Hai trong ba nơi đó đưa cho bạn một endpoint nhận yêu cầu và một bảng giá; một nơi đưa cho bạn 135 gigabyte trọng số, một giấy phép để đọc, và một quyết định về phần cứng. Đó không phải là ba biến thể của cùng một kiểu truy cập, và coi chúng là thay thế được cho nhau chính là cách một đội ngũ rốt cuộc phải dành cả tuần để lập ngân sách cho thứ mà lẽ ra nó có thể mua theo từng ảnh với giá hai xu.

Bản thân mô hình là một bản phát hành thực sự chứ không phải là một bản đóng gói lại. MiniMax đã đưa các trọng số vào kho lưu trữ Hugging Face MiniMaxAI/MiniMax-H3-Image vào ngày 10 tháng 11 năm 2026 lúc 14:50 UTC và đăng bài về việc này lúc 15:40 cùng chiều hôm đó; bản thân kho lưu trữ có từ ngày 3 tháng 11, tức là các trọng số đã tồn tại riêng tư trong một tuần trước khi bất kỳ ai có thể tải chúng xuống. Đây là một diffusion transformer 33,1 tỷ tham số, tạo ra ở khoảng mười sáu megapixel, tức là "4K" trong thông báo, và nó thực hiện tạo hình ảnh từ văn bản và chỉnh sửa có hướng dẫn bằng tham chiếu từ một checkpoint duy nhất. Phần tiếp theo được tổ chức xoay quanh một câu hỏi mà thông báo không trả lời: bạn nên ở trên bề mặt nào.

Ba cửa ngõ đầu vào, và chỉ một trong số đó là bản tải xuống.

Hãy bắt đầu bằng việc xác định mỗi cánh cửa là gì, vì sự khác biệt mang tính cấu trúc, không phải bề ngoài.

Việc dùng API là con đường thông thường. Mô hình được niêm yết là MiniMax-H3-Image với một phiên bản Highspeed cùng dòng, trên các nền tảng quốc tế và nội địa của MiniMax, tính phí theo triệu token đầu vào và đầu ra thay vì theo ảnh. Giao diện áp đặt một cách bất thường — sáu bước lấy mẫu, không có thang hướng dẫn, không có prompt phủ định — và tài liệu tham chiếu của chính MiniMax cho biết một yêu cầu đòi hỏi bất kỳ điều gì khác sẽ trả về HTTP 400. Bạn đang mua một endpoint đang hoạt động với một công thức cố định nằm bên trong nó.

M​iniMax Code và Hailuo AIlà các bề mặt sản phẩm: cùng một mô hình nằm sau một ô nhập prompt, với mọi quyết định lấy mẫu đã được định sẵn và không còn phép tính nào theo từng token để bạn phải tự làm. Hữu ích để đánh giá xem đầu ra có tốt hay không; không hữu ích để xây dựng bất cứ thứ gì, bởi vì thứ mà bạn sẽ xây dựng dựa trên đó không được phơi bày ra. Cũng cần lưu ý rằng M​iniMax Code là một sản phẩm coding-agent, nên việc tạo ảnh ở đó chỉ là một cửa phụ chứ không phải chức năng chính — đừng hiểu "có sẵn trên M​iniMax Code" là một API hình ảnh được bọc trong mã.

Hugging Face là cánh cửa thứ ba, và đây là cánh cửa duy nhất là một sự bàn giao chứ không phải một dịch vụ. Bạn nhận được một kho lưu trữ, một tệp giấy phép và một bộ trọng số mà giờ bạn phải làm cho nó chạy được. Tự vận hành là lý do khiến hầu hết các nhóm xem xét một mô hình hình ảnh trọng số mở ngay từ đầu; đây cũng là điểm mà phép tính không còn xoay quanh mô hình nữa mà bắt đầu xoay quanh rack của bạn.

Kho lưu trữ này nặng hơn so với những gì số lượng tham số được nêu trên tiêu đề gợi ý.

33,1 tỷ tham số ở BF16 tương đương khoảng 66 GB trước khi tính bất kỳ thứ gì khác, và “bất kỳ thứ gì khác” chính là chỗ mà kho lưu trữ khiến người ta bất ngờ. Chỉ riêng diffusion transformer đã là 66,28 GB. Toàn bộ lượt tải xuống là 68,65 GB, bao gồm transformer cùng với VAE và cấu hình. Còn bộ mã hóa văn bản thì không nằm trong con số đó: MiniMax-H3-Image tái sử dụng bộ mã hóa văn bản Qwen3-VL từ kho video MiniMax-H3, đọc từ lớp 50 của nó, và bộ mã hóa đó là một lượt tải riêng 66,7 GB. Nói cách khác, hãy dự trù khoảng 135 GB tạo tác trên đĩa trước hình ảnh đầu tiên, và đó là trước cả bộ nhớ đệm riêng của bất kỳ framework nào.

Kiến trúc đáng để dành một đoạn vì nó cho bạn biết mô hình là gì. Năm mươi lớp transformer, kích thước ẩn 5.376, 56 đầu attention, độ rộng feed-forward 14.336, với embedding vị trí xoay đa phương thức ba chiều. VAE là một bộ mã hóa tích chập được ghép với bộ giải mã ViT hai chiều 24 lớp ở mức giảm mẫu không gian 16× và 24 kênh latent — một lựa chọn bộ giải mã tốn nhiều tính toán hơn ở cuối pipeline so với bộ giải mã tích chập thông thường, và nhiều khả năng là nguồn gốc của một số chi tiết tinh xảo ở 4K. Thiết kế được mô tả trong thẻ mô hình là kiến trúc H3 trừ âm thanh, một bản tóm tắt hợp lý: đây là nhánh hình ảnh của mô hình video, được phát hành riêng.

Kéo theo hai hệ quả. Thứ nhất, một diffusion transformer thuộc lớp 33B ở độ phân giải mười sáu megapixel không phải là mô hình chạy trên laptop, bất kể số tham số nghe có vẻ thế nào khi đặt cạnh các mô hình ngôn ngữ hiện đại; bộ nhớ kích hoạt tỉ lệ với diện tích đầu ra, mà diện tích chính là toàn bộ trọng tâm của bản phát hành này. Thứ hai, vì text encoder được dùng chung với mô hình video, một studio đã chạy MiniMax-H3 thì đã có phần lớn gói tải về nằm sẵn trên đĩa. Đó là một khoản giảm giá thực sự, và đó là kiểu điều mà dòng "có sẵn trên Hugging Face" không truyền đạt được.

Bốn cách để thưởng thức nó, và một con số không khớp

Thẻ mô hình liệt kê bốn tuyến: SGLang, vLLM-Omni, diffusers và ComfyUI. Nhóm của vLLM đã phát hành hỗ trợ ngay ngày đầu trong vLLM-Omni cho cả phần cứng NVIDIA và AMD vào ngày ra mắt, với đầu ra gốc ở khoảng mười sáu megapixel, một tín hiệu ra mắt mạnh hơn việc các trọng số chỉ mới tồn tại — ai đó bên ngoài MiniMax đã chạy được nó trước khi thông báo mới được một giờ. Diffusers bao phủ lộ trình tham chiếu, và ComfyUI bao phủ nhóm người dùng đồ thị quy trình làm việc.

Sự không nhất quán này đáng được nêu ra vì nó sẽ khiến ai đó gặp rắc rối. Thẻ mô hình mô tả việc chỉnh sửa với tối đa 16 ảnh tham chiếu, được gọi theo vị trí là <Picture 1> đến <Picture 16> theo thứ tự tải lên. Công thức phát hành vLLM-Omni cho cùng mô hình ghi nhận tối đa 9 ảnh mỗi yêu cầu. Cả hai đều có thể cùng đúng — giới hạn phục vụ của một framework và năng lực được huấn luyện của một mô hình là những con số khác nhau, và một ràng buộc về chia lô hoặc bộ nhớ trong ngăn xếp phục vụ sẽ chặn trước — nhưng nếu quy trình làm việc của bạn cần mười hai tham chiếu, câu trả lời trung thực hiện nay là năng lực đó tồn tại và đường phục vụ được tài liệu hóa có thể không đáp ứng được nó. Hãy kiểm tra con số trên ngăn xếp của bạn thay vì tin vào một trong hai tài liệu.

Cảnh báo tương tự cũng áp dụng cho cửa sổ prompt. Thẻ chấp nhận tối đa 32.000 ký tự, trong đó khoảng 4.096 token đầu tiên là phần mô hình thực sự lấy làm điều kiện. Một prompt dài không bị từ chối; chỉ đơn giản là phần đuôi không đóng vai trò gì. Bất kỳ ai chuyển một prompt chỉ đạo nghệ thuật chi tiết từ thói quen dùng mô hình ngôn ngữ sẽ phát hiện ra điều đó theo cách đắt giá.

Bộ lấy mẫu là một ràng buộc bạn thừa hưởng, không phải một cài đặt bạn tinh chỉnh

Sáu bước, không có classifier-free guidance, không có prompt phủ định. Đó không phải là một mặc định còn dư địa để tăng lên; API từ chối thẳng các số bước và giá trị guidance khác. Mô hình được chưng cất để chạy trong sáu lượt truyền xuôi, và toàn bộ lý do một transformer 33B có thể trả về một hình ảnh 16 megapixel đủ nhanh để hữu ích chính là nhờ quá trình chưng cất đó.

Đối với đường API, điều này là vô hình và không sao. Đối với đường self-host, đây là con số hữu ích nhất trong bảng thông số, theo hai nghĩa. Nó giới hạn tính toán cho mỗi ảnh ở sáu lượt đánh giá transformer thay vì 25 đến 50 lượt mà một mô hình không chưng cất sẽ cần, và chính điều này mới khiến 16 megapixel trở nên khả thi. Đồng thời, vòng tinh chỉnh self-hosting thông thường — thử nhiều bước hơn, thêm guidance, thêm negative prompt, lặp lại — không tồn tại ở đây. Nếu chất lượng đầu ra không đạt kỳ vọng, đòn bẩy là prompt và các tham chiếu, không phải sampler. Các nhóm dành một tuần để “tinh chỉnh mô hình” thay vào đó nên dành thời gian đó cho việc làm prompt.

Mỗi lộ trình tốn bao nhiêu, tính theo đơn vị thực tế mà nó được lập hóa đơn.

API tính phí theo token, và các ví dụ tính toán có sẵn trên chính thẻ giá là cách rõ ràng nhất để hiểu điều đó. Một yêu cầu tạo hình ảnh từ văn bản 1.024×1.024 có giá $0,02179. Một yêu cầu 2.048×2.048 có giá $0,02333 — gấp 1,07 lần giá cho gấp bốn lần số pixel, vì số lượng token tăng chậm hơn nhiều so với diện tích. Một yêu cầu 4.096×4.096 có giá niêm yết là $0,06879, và $0,03439 theo mức giảm giá 50% có thời hạn đến 17 tháng 11 năm 2026 lúc 16:00 UTC và yêu cầu hình ảnh được giao phải có ít nhất 16.600.000 pixel. Mức giá của gói Standard là $2,30 cho mỗi triệu token văn bản đầu vào, $1,50 cho mỗi triệu token hình ảnh đầu vào và $3,80 cho mỗi triệu token hình ảnh đầu ra; gói Highspeed giữ nguyên mức giá đầu vào và tính $7,60 cho đầu ra.

Đọc ba con số đó cùng nhau và lập luận về giá cho 4K gần như tan biến. Gấp bốn lần số điểm ảnh với 1.07 lần số tiền ở mức 2K là một món quà; đi từ 2K lên 4K tốn khoảng gấp ba lần số tiền cho cùng mức tăng diện tích gấp bốn lần, và chỉ có ưu đãi giảm giá mới đưa nó trở lại gần mức giá 2K. Nếu trường hợp sử dụng của bạn không cần 4,096 điểm ảnh mỗi chiều, thì hạng 2K là nơi mô hình này rẻ.

OrcaRouter không phục vụ MiniMax-H3-Image — không có tuyến nào cho nó ở đây, và CTA trong bài này trỏ đến mẫu video cùng dòng, minimax/minimax-h3, mà chúng tôi có định tuyến. Điều chúng tôi cung cấp thì có liên quan đến ngày tuyến đó tồn tại: mức cộng thêm 0% với giá niêm yết của nhà cung cấp được chuyển nguyên vẹn, nghĩa là thay đổi giá của nhà cung cấp như mức giảm giá 4K đó sẽ được phản ánh vào hóa đơn của bạn cùng ngày nó xuất hiện trên trang của nhà cung cấp, và tự động chuyển đổi dự phòng nếu một tuyến nhà cung cấp bị suy giảm. Cho đến lúc đó, phép so sánh quan trọng là chi phí API so với phần cứng của chính bạn, và không lớp định tuyến nào thay đổi được phép tính đó.

Tự vận hành, giá cả trung thực

Không ai có thể báo cho bạn chi phí tự vận hành trên mỗi ảnh nếu không biết GPU của bạn, vì yếu tố chi phối là việc 135 GB trọng số có nằm vừa trong bộ nhớ hay phải offload. Điều có thể nói chính xác là: bộ lấy mẫu sáu bước cố định phần tính toán, đầu ra mười sáu megapixel cố định ngân sách activation, và cả hai đều lớn. Một card 80 GB đơn lẻ sẽ chứa được transformer nhưng không chứa được transformer cộng với bộ mã hóa Qwen3-VL ở độ chính xác đầy đủ, nên các cấu hình thực tế là đa GPU, hoặc offload bộ mã hóa, hoặc dùng transformer lượng tử hóa kèm theo một câu hỏi về chất lượng. Cộng thêm điện năng, cộng thêm tuần công kỹ sư để đưa SGLang hoặc vLLM-Omni phục vụ đúng cách, thì điểm hòa vốn so với $0.02333 mỗi ảnh 2K là một con số về khối lượng ở mức hàng trăm nghìn ảnh, chứ không phải hàng chục.

Đó là lý lẽ ủng hộ API trong hầu hết trường hợp và lý lẽ ủng hộ việc dùng trọng số trong một vài trường hợp: một doanh nghiệp cần mô hình nằm trong ranh giới của chính mình vì lý do dữ liệu, hoặc một bên đã chạy MiniMax-H3 và đang sở hữu encoder, hoặc một bên tạo sinh ở mức khối lượng mà chi phí cố định được khấu hao hết. Mọi người khác nên tính giá API trước và chỉ tự vận hành nếu ranh giới thực sự đòi hỏi điều đó.

Đọc giấy phép trước khi tải xuống, chứ không phải sau đó

Các trọng số được phát hành theo Thỏa thuận Giấy phép Cộng đồng MiniMax-H3-Image, vốn không phải Apache 2.0 và không phải MIT. “Open-weight” là chính xác; “open-source” là từ khiến các nhóm gặp rắc rối, và đây là điểm trong quy trình mà luật sư nên đọc chính tệp thực tế thay vì một bài blog — kể cả bài này. Câu hỏi thực tế là việc sử dụng thương mại ở quy mô lớn và liệu giấy phép có kèm những điều khoản gắn với sản phẩm của bạn hay không, và câu hỏi đó có câu trả lời trong repository mà không bản tóm tắt nào thay thế được.

Có một sản phẩm phụ thứ hai, nhỏ hơn, đáng để biết: MiniMax đi kèm một thành phần Context-IR cho mô hình, cùng một mô hình mở rộng lời nhắc tùy chọn là MiniMax-H3-Image-PE. Bộ mở rộng này giải thích một phần lý do vì sao mô hình chịu được những lời nhắc dài và chi tiết; nó là tùy chọn, tách biệt khỏi 68,65 GB, và là kiểu thứ bạn thấy trong danh sách kho lưu trữ chứ không phải trong một thông báo.

Những gì cần kiểm tra trên stack của riêng bạn trong tuần này

• Tài liệu tham khảo — xác nhận xem luồng phục vụ của bạn đáp ứng 16 ảnh hay 9 ảnh mà công thức vLLM-Omni ghi trong tài liệu, bằng một yêu cầu thực tế thay vì chỉ đọc tài liệu.

• Diện tích hiệu dụng — mô hình sẽ chạy dưới mười sáu megapixel, và cấu hình cho thấy diện tích tạo tối thiểu mặc định là 4,194,304 pixel. Hãy kiểm tra ở phía nhỏ nếu trường hợp sử dụng của bạn là hình thu nhỏ, vì một mô hình cỡ này có thể không phải lựa chọn rẻ ở 1K.

• Bộ nhớ — hãy đo VRAM đỉnh ở 4.096×4.096 trước khi mua phần cứng. Sáu bước là tính toán rẻ; còn các activation thì không.

• Đồng hồ giảm giá — nếu 4K là kế hoạch, mức 50% sẽ kết thúc vào 17 tháng 11 năm 2026 lúc 16:00 UTC, và việc bạn dùng API hay phần cứng của riêng mình sẽ quyết định liệu thời hạn đó có quan trọng với bạn hay không.

• Giấy phép — hãy đọc nó. Phần tải xuống là 135 GB và quyết định này có thể đảo ngược; còn giấy phép thì không.

Điều thú vị về bản phát hành này không phải là việc một mô hình hình ảnh mở tốt đã xuất hiện — mà là lần đầu tiên sau một thời gian, một mô hình xuất hiện với trọng số, các công thức framework và endpoint được lưu trữ đều ra mắt trong cùng một tuần. Đó là một tín hiệu mạnh hơn một biểu đồ đánh giá chuẩn, vì nó có nghĩa là thứ đó thực sự chạy được. Việc bạn nên tự chạy nó hay gọi nó phụ thuộc hoàn toàn vào việc bạn bước qua cánh cửa nào trong ba cánh cửa, và ba cánh cửa đó xa nhau hơn nhiều so với vẻ ngoài mà thông báo khiến chúng có vẻ.