1600 万像素的生成模型不等于修图工具：MiniMax-H3-Image 核对

MiniMax 把 MiniMax-H3-Image 以开放权重放到了 Hugging Face 上，真正值得看的是它自己模型卡里写的数字：一个检查点同时做文生图和「最多 16 张参考图」的编辑；任何画幅下每次输出约 1600 万像素——1:1 是 4096 × 4096，21:9 到 6272 × 2688；采样只蒸馏到 6 步，用 MiniMax 的原话说，是「直接生成、不经超分」。扩散 transformer 是 331 亿参数、BF16、权重 68.65 GB，官方给出的参考部署硬件是 H200、RTX PRO 6000 Blackwell 和 AMD MI350X。

这是一台很认真的生成器。但对我们这个站来说，它做的是另一件事——这件事必须讲清楚，因为搜索结果和社交帖子已经在把两件事混为一谈。

模型卡到底承诺了什么

卡写得很具体，所以好核对。生成和编辑共用一个检查点；最多 16 张参考图和文本提示一起编码，模型从这一条打包序列里预测目标图的潜变量；采样蒸馏成 6 步，不用无分类器引导。仓库里的展示图是真正的前后对照：一张灰色白模渲染变成带材质的实景，一张两人播客合照按指令改成握手的姿势。

卡里没有承诺的是「把已有的照片修回来」。它没有一处暗示：你交给它一张 640 × 480 的家庭老照片扫描件，它会还你同一张照片、更大更清楚。它做的是另一张图。

为什么这篇一张它的图都没有

两个理由，都可以核对。

许可证是 MiniMax 自己的社区协议，授权范围被限定在它定义的「适用地域」：全球减去欧盟、英国、韩国和美国。MiniMax 明确表示对你的输出不主张权利，但在适用地域之外展示模型作品或输出，这份协议并不授权。我们的站恰恰是在被排除的那些地方被读到，所以我们不转发它的展示图；也不会为了把对比做得「像有实测」，去借别人的演示截图。

第二个理由是硬件。331 亿参数的 transformer、68.65 GB 的 BF16 权重，需要数据中心级加速卡；这台机器放不下，我们手上也没有它的托管密钥。一张不是自己跑出来的并排图，就只是一张支票。

我们真跑的那几张

下面这些不是示意图。它们是我们自己的一条小图，在 2026-11-11 真跑出来的两个文件。

第一次是同尺寸的细节还原——把已有的文件变清楚，而不是假装知道更多。

第二次是放大通道实际提交的那条配方：目标 1152 × 1536、8 步、保持构图、不新增物体。

同样这两步交给生成模型，你会得到一张更清晰、更大、但由模型重新构图的画面——这正是本文要说的取舍。这个对比的第四格是刻意留空的：我们还没亲手跑过 MiniMax-H3-Image 的编辑通道，借来的截图不算测量。

真正诚实的对比：比活，不比像素

所以下面的每一行，要么是 MiniMax 自己模型卡上的事实，要么是我们自己测过、并且写在页面上的数字。

进去的是什么。 它：一句提示词，加最多 16 张参考图。我们：你手上已有的那张图——相机直出的 JPG、PNG 或 WebP。

出来的是什么。 它：一张约 1600 万像素、从零构图的新图。我们：同一张照片，更大更干净，每边上限 1536 像素——这是我们自己在页面上写死的、花额度之前就告诉你的上限。

什么被保留下来。 它：按指令要求保留的东西，这和「实际保住了」并不等价——一张脸、一行字都可能被重新想象，模型卡的编辑示例里姿势本身就被改掉了。我们：构图，这既是增强的全部意义也是它的边界；没在文件里的细节我们造不出来，页面上写明了。

试一次要付什么。 它：一块多数人没有的显卡，或者一个托管平台的账号。我们：一个不用登录就能跑的示例，自己上传才计 1 个额度。

规则写在哪。 它：社区许可证，包括那条地域条款。我们：按钮下面印着的输入说明，在你上传之前就能读到。

什么时候用哪个

如果你需要的是一张还不存在的图——一个场景、一个角色、一张海报、一个产品概念——那生成模型是对的，这一款是今天开源权重里最强的几个之一。如果那张图已经存在、你在乎的是它的细节，生成就是错的工具：它会很乐意把你本想保住的这张脸重新画一遍。

后一种情况，这个站给你的入口是视觉增强页上那个免费示例；如果你已经知道要多少像素，就走图像放大。两个都在浏览器里跑，都先把限制写出来，也都不假装自己是有 1600 万像素想象力的扩散模型。

本文为独立研究。MiniMax、MiniMax-H3 为其权利人的商标；DLSS 为 NVIDIA Corporation 的商标。本站与两者无隶属关系。