多模态“源神”！MiniMax开源SOTA生图模型，原生4K，一张两毛
内容提要
MiniMax开源图像模型H3-Image引发关注，支持CAD拆解、正交三视图与机械爆炸图，空间理解与指令遵循能力较强；生成人像细节自然、AI味少，并可生成考卷、游戏场景和电商资产。模型支持原生4K、最多16张参考图输入，生成速度快，开源且API价格低，被视为多模态生成迈向实用化的重要进展。
延伸解读
从“AI味”到“人味”：细节瑕疵如何提升真实感
文章指出H3-Image生成的人像毛孔、雀斑、绒毛甚至手指关节的痣都清晰可见，这种刻意保留的“瑕疵”反而减少了塑料感。作者认为，人类创作天然带有随机性，过分完美反而不符合大脑接收习惯。这提示读者：评估图像模型时，不应只看光滑度，更要关注模型是否理解真实世界的随机细节。
空间理解与指令遵循：图像模型的生产力门槛
H3-Image能根据产品外观图推演正交三视图、绘制机械爆炸图并标注引线，还能生成高密度学术排版考卷且字符不乱码。这些任务考验的是模型对三维几何、空间关系和复杂提示词的规划推理能力。文章强调，商业用途必须准确传达信息，因此空间理解和文本排版是图像模型进入严肃生产场景的关键指标。
开源与低价：垂直模型接入Agent工作流的可能性
文章提到H3-Image开源且API价格为主流竞品的50%到70%，首周16MP请求再打五折。作者认为，垂直图像模型在光影、几何等物理常识上已较成熟，适合接入Harness让Agent直接Tool Call，通过通用模型串联多个垂直模型可能比单一模型降维一切总效用更高。这为开发者提供了低成本定制和集成的思路。
原生4K与多参考图：创作流程的实用升级
H3-Image支持原生16MP（4096×4096）生成，网页端体感10到20秒，并支持最多16张参考图输入。文章指出，这有利于角色一致性和复杂分镜连续性，可随手生成装修效果图等资产。读者应注意，高分辨率和多参考图能力减少了后期优化环节，但实际效果仍需结合具体任务验证。
Q&A
MiniMax H3-Image 是什么？它有什么特别之处？
MiniMax H3-Image 是 MiniMax 开源的最新图像生成模型，支持原生 4K 分辨率、最多 16 张参考图输入，生成速度快，API 价格低。其特别之处在于生成图像 AI 味少、人像细节自然，并具备较强的空间理解和指令遵循能力，能完成 CAD 拆解、正交三视图、机械爆炸图等复杂任务。
H3-Image 在生成人像时如何减少 AI 味？
H3-Image 通过刻意添加瑕疵来减少 AI 味，例如绘制毛孔、雀斑、绒毛、皮肤纹理、关节褶皱、指甲光泽，甚至在手部添加痣等细节。这些随机性细节更符合人类创作习惯，从而避免过度完美导致的恐怖谷效应。
H3-Image 能生成 CAD 图纸或机械爆炸图吗？
可以。H3-Image 能根据产品外观图自动推演标准正交三视图（正视图、侧视图、俯视图），还能生成机械拆解的爆炸图，精准遵循装配逻辑分层展示零件并标注引线，这依赖于其对三维几何和空间关系的深刻理解。
H3-Image 支持多大的分辨率和多少张参考图？
H3-Image 支持原生 4K 分辨率（16MP，4096×4096 像素），并支持最多 16 张参考图输入，便于保持角色一致性和复杂分镜连续性。
H3-Image 是开源的吗？使用成本如何？
是的，H3-Image 是开源的，开发者可自由定制。API 调用价格仅为主流竞品的 50% 到 70%，首周 16MP 请求还能再打五折，成本较低。
H3-Image 在文本排版和逻辑推理方面表现如何？
H3-Image 在文本排版上表现优秀，能生成高密度学术排版如高数试卷，字符无乱码；甚至能正确解答微积分题目并给出步骤，显示出较强的逻辑推理和世界知识。
H3-Image 适合哪些应用场景？
H3-Image 适用于高精度工业包装设计、商业插画、多语言跨境营销物料、电商资产、游戏场景概念设计、装修效果图等，能大幅压缩传统工作流周期。
