# MiniMax-H3-Image 开放权重：创作者拿到模型，托管产品还要过许可关 > MiniMax-H3-Image 公布开放权重，支持文生图、多参考图与编辑。看清本地文件、ComfyUI 的本地/API 两条路径，以及地区、托管和商用授权如何改变使用方式。 - Published: 2026年11月12日 - Author: Kaya Rowan, COO - Tags: models, local-llm, ecosystem - Canonical: https://pirouter.ai/zh/blog/minimax-h3-image-open-weights --- 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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image)。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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/examples/instruction.edit.txt)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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/examples/revised_prompt.edit.txt)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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/resolve/main/assets/workflow_edit.jpg)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](https://www.minimax.io/blog/minimax-h3-image)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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/examples/instruction.t2i.txt)：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](https://www.minimax.io/blog/minimax-h3-image)、[权重模型卡](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image)、[ComfyUI 公告](https://blog.comfy.org/p/minimax-h3-image-is-now-available)与[许可原文](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/LICENSE)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。 ![MiniMax 官方三列编辑示例：左为戴耳机的播客场景输入，中、右为移去耳机并让两人碰拳的本地 SGLang 与 API 展示结果。](/blog/images/src-minimax-h3-image-workflow-edit.jpg "官方模型卡将参考输入、local SGLang 与 MiniMax API 编辑结果并列展示；这是厂商示例，不是本站运行结果，也不能代表所有任务的稳定性。来源：[MiniMaxAI 官方模型卡](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image)。") ## 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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image)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](https://blog.comfy.org/p/minimax-h3-image-is-now-available)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： | 需要记录 | Partner Nodes API | 本地开放权重 | |---|---|---| | 一张可用成品的代价 | 单图实际价格、分辨率档、失败重试与重复编辑次数；先核服务方计价条款 | 设备折旧、磁盘、电力与人员维护，按实际使用量分摊 | | 等待与扩容 | 远端请求时延、额度限制、并发时的排队与失败处理 | 首次下载/冷启动、显存占用、并发导致的排队与设备闲置 | | 素材与控制 | 参考图是否发给外部服务，按服务方数据条款核实 | 文件如何保存、依赖怎样升级、谁可以接入本地实例 | 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。 ![编辑图示意 ComfyUI 里的两条 MiniMax-H3-Image 路径：本地开放权重工作流与远端 Partner Nodes API。](/blog/images/minimax-h3-image-open-weights-fig-workflow-paths.png "本地准备组件并由自己的设备运行，与通过 Partner Nodes 调用 API 是两条不同路径；图为编辑示意，不是模型输出。依据：[ComfyUI 的 MiniMax H3 Image 集成说明](https://blog.comfy.org/p/minimax-h3-image-is-now-available)及[官方模型卡](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image)。") ## 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： | 任务 | 固定输入 | 每次要记的结果 | |---|---|---| | 文生图 | 提示词、画幅、输出张数 | 可用张数、需要重做的原因、请求至出图时间 | | 参考编辑 | 原图与一处明确改动 | 指定部分是否改变、无需改动的细节是否保留 | | 连续修改 | 同一素材、逐轮保留上一轮结果 | 主体是否漂移、文字或构图是否积累错误、重试次数 | 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](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/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。 ![编辑图归纳 MiniMax-H3-Image 权重许可的地区范围、年化营收门槛和第三方托管服务书面授权条件。](/blog/images/minimax-h3-image-open-weights-fig-license-decision.png "依据官方 Community License 归纳使用权重前的核查顺序：排除地区须另行授权；在适用地区，年化营收超过 100 万美元或向第三方提供 Hosted Service 均须事先书面授权。编辑图非法律意见。条款来源：[MiniMax-H3-Image Community License](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/LICENSE)。") ## 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。 --- ## Sources ### huggingface.co - [官方模型卡的编辑示例](https://huggingface.co/MiniMaxAI/MiniMax-H3-Image) ### minimax.io - [MiniMax 的发布说明](https://www.minimax.io/blog/minimax-h3-image) ### blog.comfy.org - [ComfyUI 公告](https://blog.comfy.org/p/minimax-h3-image-is-now-available)