MiniMax-H3-Image 开放权重：创作者拿到模型，托管产品还要过许可关

封面采用 MiniMax 官方发布主视觉，仅作报道引用，不代表官方合作、本站生成或实测。

MiniMax-H3-Image 公布了开放权重：创作者可以从模型仓获取文件，尝试文生图、多参考图和图像编辑，ComfyUI 也提供了本地工作流与 Partner Nodes API 两条入口。但“权重能下载”不等于一张显卡就能跑，也不等于任何地区都能直接将它包装成面向客户的托管产品。要决定怎么用，先把创作能力、完整运行组件与许可边界分别看清。

在下载或试运行前，先确认许可是否覆盖自己。 默认许可不适用于欧盟、英国、韩国和美国；在适用地区，组织及关联方年化营收超过 100 万美元，或向第三方提供托管生成服务，均触发事先书面授权要求，后者与是否收费无关。下文先讲模型与工作流，许可一节再展开这些条件；技术准备不是使用授权。

它解决的是从提示词到参考图编辑的不同工作

先看官方模型卡的编辑示例。输入图是一间写着“EP.47”“MONEY TALKS”的播客场景：左侧主持人戴着耳机，两人各坐桌旁，麦克风和杯子都在画面里。原始编辑指令要求摘掉左侧男子的耳机、补回被头带压住的头发，并让两位主持人在桌牌上方、麦克风之间碰拳；扩写后的指令还要求保留麦克风、牌子、杯子和背景文字。这里不是“生成一张类似播客的图”，而是在特定输入上同时执行局部删除、动作改写与场景保留三个目标。

模型卡公开的并排示例将参考图、标作本地 SGLang 的 edit.png、标作 MiniMax API 的 api_edit.png 放在一起。公开图中，两份编辑结果都移去了耳机、让人物举拳相触；一份让两人更面向镜头，另一份让他们转向对方。背景中的“EP.47”、桌前木质牌上的“MONEY TALKS”字样和麦克风依然能看到。这个厂商挑选的一组展示说明编辑任务的输入与希望保持的元素是什么，不证明每次碰拳的手势都准确、人物身份完全稳定，也不能证明 ComfyUI 路径会输出完全相同的图。图中“local SGLang”和“MiniMax API”是厂商对两条路径的标注，不是本文执行环境。

MiniMax 的发布说明将文生图、参考图引导的生成和图像编辑列为主要能力，并称最多可使用 16 张参考图、输出最高 4096×4096 的图像。模型卡还给出一个文生图指令：俯拍农场到餐桌的宴席，摆入季节蔬菜与手工奶酪。这是可查的输入描述；本文没有把未观察的生成结果写成“色彩准确”“食材细节完美”。数量上限给的是构图空间，不代表同时放进16张素材就一定更准。实际工作里，更重要的是模型能否分清谁是主体、哪张图只提供材质或色彩，以及修改一处时是否保留其他元素。官方材料可以证明厂商提供了这些输入形态，不能代替不同题材、不同参考组合的实际检验。

厂商还宣称完整4K图像生成时间低于10秒，并在发布材料中给出相对其他模型的速度优势。这里最缺的是对读者最有用的实验条件：本文可读的发布页没有交代足以复现这个数字的设备、请求参数、提示词与并发负载。不能把发布页的速度写成“在你的电脑上10秒出图”，也不能把它转换为本站的平均延迟。对于要在创作流程里频繁试稿的人，等待时间直接决定能试多少个方向；这正是值得测的部分，而非值得先信的部分。

假如流程从单张生成推进到多参考编辑，还要考虑失败的成本：一张图只改坏局部可以重做，一批依赖同一素材的图如果主体漂移，需要重新整理参考与提示词。判断一套图像模型能否进生产，不只是比较最精彩的一张样图，而是观察它在相同素材、相同指令、连续多轮编辑下的稳定程度。这是后续可检查的任务，不是本文的实测结论。本文从官方发布、权重模型卡、ComfyUI 公告与许可原文取公开资料，并逐张看了模型卡的参考图与官方并排示例；没有自己运行模型。

本地部署要准备一条流水线，不是一份68.65GB文件

权重的“开放”把操作权交给了本地工作流，却也把环境准备交给使用者。MiniMaxAI 的 Hugging Face 模型卡把主模型仓列为约 68.65GB：其中 transformer/ 的 DiT（负责逐步构造图像的扩散模型主体）权重约 66.28GB，VAE（把模型内部图像表示还原为可见图片的组件）约 2.34GB，另有处理器和分词文件。它还指向单独的 MiniMaxAI/MiniMax-H3 仓，其 text_encoder/ 文件约 66.7GB；文本编码器负责把文字指令转成模型可用的条件信息。约 17.9GB 的 PE prompt expander 用于扩展提示词，是可选组件，不应混写为生成必备文件。

这些数字说明的是公开文件的存储体积，不是“最低显卡显存”。运行中可能还涉及模型加载方式、精度、临时张量、图像分辨率、参考图数量、卸载或分布式设置。某个仓库允许下载，也不代表手头硬件能按发布视频中的速度运行。模型卡给出单GPU和多GPU的服务示例，并列出若干可用加速器，却没有提供本文可核对的最低显存门槛。我们没有完成安装和推理，因而不能从68.65GB推出“某某GB显卡肯定够”，也不能反过来断言它只能上某一型号的服务器。

模型卡还写明约 331亿参数、六步采样。这些内部规格不能直接翻译成画质评分或最低硬件清单；更有用的追问是：在自己的提示词与参考图任务上，增加分辨率和参考图后，生成时间与占用怎么变化？

软件入口并不只有一条。模型卡列出 SGLang、vLLM-Omni、diffusers 和 ComfyUI，并分别给出服务及 Python 调用示例。SGLang 或 vLLM-Omni 的服务形态更接近把模型放进一个接口，让后续任务或界面发请求；diffusers 示例更适合在代码里组织加载和推理；ComfyUI 则把输入、条件处理、生成和输出显式接成图形工作流。这里说的是公开文档所列的路径，不是我们已经将四条路径逐条装通或量测过吞吐。对第一次上手的人，先决定“我要调试图像工作流还是建服务接口”，比照抄一条启动命令更重要。

一套完整流程至少要把生成模型、负责理解文字和参考信息的部分、以及将潜空间结果还原为图像的VAE对齐。只下载主模型仓的一块大文件却遗漏配套组件，失败不等于模型不支持该任务；路径混用或权重版本不匹配也可能把问题引向错误方向。因此记录所用仓库、组件来源、软件版本与加载方式，是可复现试验的第一步。它比在评论区留下一个“我这里能跑”更容易帮助另一个人判断自己的设备和流程是否相同。

ComfyUI 的两条路，先决定由谁承担运行成本

ComfyUI 的发布文章提供两个不同入口。本地开放权重工作流需要更新 ComfyUI，从其指定的 Comfy-Org/MiniMax-H3-Image 仓准备 diffusion model、VAE 与文中所称的 Qwen3-VL text encoder，再载入文生图或编辑模板，由自己的设备承担加载与生成。Partner Nodes API 则从 ComfyUI 画布调用合作方提供的接口，不要求先在本机下载权重。两种路径可以出现在同一软件里，但成本承担者、网络依赖与调试边界完全不同。

这里有一个很容易踩的“看着一样”陷阱：MiniMaxAI 的模型卡让使用者到另一个 MiniMax-H3 仓取约66.7GB的 text_encoder/；ComfyUI 的文章则把其本地路径的编码器称为 Qwen3-VL，并导向 Comfy-Org 自己的模型仓。两页材料描述的是不同发布路径，不应把前者的文件大小直接加到后者的下载清单上，或未经核对就声称两者是同一组可交换权重。本文没有运行任一套组合；按选定工作流的原页逐项取文件，才是稳妥的起点。

编辑模板比“节点能连起来”多一个细节。ComfyUI 说明，使用 MiniMax H3 Image Conditioning 节点时，参考图可以连接 image_1，VAE 也要接入；不连接 VAE 时，参考图只对文本编码器产生条件作用。这会改变参考图在生成链中的用途。若创作者希望原图的可见细节参与编辑，却只把图送进文本侧，结果与期待不一致时，先查连接方式，而不是立刻断言模型“认不出图片”。更多参考图也需按模板和组件支持的输入方式加入，不能从“最多16张”推出任何节点会自动处理所有组合。

本地路径把文件与工作流放在自己的执行环境；Partner Nodes 把下载和模型加载换成远端调用。前者的账单不一定表现为“每张图多少钱”，后者也不能只看一次成功请求的标价。先按同一批任务记账，而不是拿一个未核的网上报价作决定：

ComfyUI 这篇公告没有给本文可核的 API 单价、最低本地 GPU 配置或使用上限，表格是实际采购时要填写的项目，不是哪条路径更省钱的测算。每次失败重试、从低分辨率预览提升到高分辨率定稿，都会改变单张可用成品的成本；低频试图与长期批量生产，也可能得到不同的路径选择。

还要分清操作方式与授权来源。通过 Partner Nodes 调用 API，无需自己下载权重，不能据此推断可以擅自把该节点转售、放进客户上传图片的产品或向第三方提供托管生成服务。API 使用者首先核服务提供方的合同、数据与转售限制；若要做自己的下游产品，还要核服务所面向地区、商业使用和对外服务是否得到所需授权。反过来，不能把 MiniMaxAI 权重仓的 Community License 不经核对就宣布为所有 API 用户直接签署的同一协议。两条路径的许可/合同链要分别核查，不能互相借通行证。

用同一张任务卡检验能力、速度和成本

官方的播客编辑示例有三个可见目标：摘耳机、改变动作、保留台牌与麦克风。创作者可以用自己的经授权素材设计对应任务；不用复刻官方人物画面，也不把一张展示图当统计证据。把单张文生图、一张参考图编辑与连续多轮修改分开记录：

这是一张未来试验表，不是本文的评分。比较本地与API时，还需记录软件/模型组件版本、文本扩展与采样设置；不同预处理路径会让同一提示词看起来像模型能力有差异。需要部署的人再记录冷启动、并发排队和连续运行的失败态。官方4K速度宣称没有足够条件供本文复现，故只能让自己的目标分辨率与硬件回答“我这里究竟要等多久”。

开放权重能用于什么，要看地区和提供服务的方式

完成创作试验之后，下一步可能是把流程给同事用、装进工作室内部工具，或开放成客户在网页上上传照片、点击生成的服务。这几种形态不是同一件许可问题。第一步，核地区。MiniMaxAI 权重仓的 Community License给了有条件的使用与修改授权，但其适用地区明确排除欧盟、英国、韩国和美国。身在排除地区并不会因权重可下载而自动获得本许可的使用权；文本提供联系MiniMax取得另行授权的路径。地理边界要先看，不是因为创作者“个人使用”就自然消失。

第二步，核书面授权触发条件。 在许可适用地区，条款 IV.1 写的是两项以 or／或者 相连的独立条件：你及关联方年化营收超过100万美元，或者你向任何第三方提供 Hosted Service，需要事先取得书面授权。这里“第三方托管服务”不以达到100万美元营收为前提。一个刚起步、收入远低于该门槛，却让外部客户通过自己的服务器调用模型的产品，不能仅凭“小公司”认定不触发。反过来，也不能把这条读成“全部商业用途都禁止”：许可区内不触发该条的使用仍须遵守其余条款。

第三步，画出服务边界。 权重虽运行在自己的机器上，若客户能通过网站请求生成，仍可能属于向第三方提供 Hosted Service；仅出售事先制作好的成品图，则不能不加区分地当作同一种托管服务。关键是谁能调用模型能力、是否对第三方开放。集团关联方收入、跨境运营和具体产品形态要按协议定义逐项核，而不是按“电脑归我”或“暂时不收费”作判断。

第四步，核署名与输出去向。条款 IV.2 还要求使用模型或相关作品的商业产品/服务界面显著展示模型名；V.3 限制把该模型及其输出或结果拿去改进其他AI模型，但允许用于改进本模型或其模型衍生物这一例外。对画图的人，这意味着“可以得到一张图”与“可以把大量图作为另一家模型的训练素材”是两项不同权利。对托管平台，这还会影响产品界面的署名位置与后续数据使用政策。协议也涉及对用户的使用限制与保障义务，不是只打勾一次地区和收入就完成合规。

最有效的阅读方式，是把你将提供的功能写成一句实际产品描述：谁在什么地区、通过谁的服务器、给谁生成什么、组织及关联方的年化营收处于什么范围、生成物后续拿去做什么。再沿着许可对应条款逐项核，而不是问“这个模型到底开不开源”。它公开了可获取的权重，但采用自定义 Community License；不应视作经 OSI 认可的开源许可，也不该因有限制就抹掉它对个人创作和研究探索的价值。本文梳理的是公开条款，不提供对某一具体业务的法律结论。

现在可以做的判断，与还要等的答案

如果任务是理解模型怎样接上创作流程，公开模型卡和 ComfyUI 模板已经给出资料路径：选择自己要走的仓库和软件入口，核对配套组件，设计单图与参考编辑任务，在许可适用范围内决定是否开展本地评估。若用本地权重对外提供生成服务，无论收费与否，都应先按该权重许可确认地区、Hosted Service 定义与事前书面授权。若用 Partner Nodes 构建下游产品，则先核 API 服务方合同是否允许转售或第三方调用，再核自己的产品地区与商业授权；两条路径不能互相代签。其单价、数据条款和可用性也要单独核，ComfyUI 发布页没有替你给出这些答案。

尚缺的是我们自己的设备和任务下的实际质量、速度、显存占用与长期稳定性，也缺在本文材料中可复现厂商4K速度宣称的完整测试条件。对创作者来说，开放权重带来的真正变化，是有机会把模型放进自己能检查的工作流；是否值得这样做，由图像结果、设备成本与许可下可持续的产品方式共同决定。把这三件事分开，才不会在看到“开放”两个字时，跳过最值得认真做的那次试验。