Innhold Vis
Hvis du vil lage og redigere bilder lokalt i full 16 MP-oppløsning, er MiniMax H3-Image en utgivelse det er verdt å følge med på. Den nye modellen samler text-to-image og bilderedigering i samme checkpoint, bruker bare seks samplingsteg og kan arbeide med opptil 16 referansebilder.
Vektene ligger ute, Diffusers har støtte, og ComfyUI har allerede ferdige arbeidsflyter. Det er den delen jeg liker. Åpne vekter gir utviklere og kreative folk muligheten til å undersøke, bygge og tilpasse uten å være låst til én lukket nettjeneste.
Men dette er ingen liten modell, og «åpen» trenger en fotnote med stor skrift. Full BF16-utgave krever godt over 130 GB med modellfiler når tekstencoderen tas med. Enda viktigere: MiniMax kaller modellen open source, mens den spesiallagde lisensen både har geografiske unntak og kommersielle begrensninger. Vektene er åpne. Lisensen er det ikke.
Hva er MiniMax H3-Image?
MiniMax H3-Image er en bildemodell bygget på H3-arkitekturen, men uten lydgrenene. Den samme modellen håndterer både generering fra tekst og redigering med ett eller flere referansebilder. Det offisielle modellkortet oppgir en tett DiT på 33,1 milliarder parametere, 50 lag og seks samplingsteg.
Modellen bruker den uendrede Qwen3-VL-baserte tekstencoderen fra MiniMax H3. Referansebilder går i tillegg gjennom en egen bilde-VAE, før tekst, bilder og målbilde behandles som én samlet sekvens. Det er en naturlig videreføring av MiniMax H3-familien jeg skrev om i august, men her er hele leveransen rettet mot stillbilder.
Utgivelsen er datert 10. november 2026. Den kan kjøres med SGLang, vLLM-Omni, Diffusers og ComfyUI, i tillegg til MiniMax sitt API og egen app. Dette er altså ikke bare en lovnad eller et skjermbilde fra en lansering. Modellfiler, dokumentasjon og arbeidsflyter finnes faktisk.
Hvorfor er 16 MP og seks steg viktig?
MiniMax H3-Image lager rundt 16 megapiksler direkte. Et kvadratisk bilde kan være 4 096 × 4 096 piksler, mens bredformatet 21:9 går til 6 272 × 2 688. Det skjer i selve genereringen, uten at en separat oppskalerer må lage resten av pikslene etterpå.
Det er et kraftig utgangspunkt for utsnitt, trykk og videre redigering. Modellens arbeidsområde er oppgitt til omtrent 4 til 20 MP, med best resultat rundt 16 MP. Ber du Diffusers om et mindre bilde med standardinnstillingene, genererer den først på et lerret på minst 4 MP og skalerer deretter ned. En bestilling på 1 024 × 1 024 er derfor ikke automatisk en billig miniatyrjobb.
Seks samplingsteg gjør samtidig arbeidsflyten langt mer praktisk enn parameterantallet skulle tilsi. Guidance er låst til 1, det brukes ingen separat classifier-free guidance-runde, og negative prompts støttes ikke. Hele beskrivelsen – også det du vil unngå – må inn i den positive prompten. Færre steg betyr mindre beregning per bilde, men den enorme modellen gjør ikke dette til lettvekts-AI av den grunn.
Hvor mye maskinvare trenger du?
Det offisielle bildecheckpointet er 68,65 GB. Av dette er transformeren 66,28 GB og bilde-VAE-en 2,34 GB. I tillegg kommer tekstencoderen fra MiniMax H3 på 66,7 GB. Har du allerede H3 lokalt, skal Hugging Face kunne gjenbruke den samme tekstencoderen i cachen. Ellers snakker vi om rundt 135 GB før en eventuell promptutvider.
De to største komponentene får ikke plass sammen på et 80 GB-kort i BF16. Diffusers bruker derfor automatisk CPU-offloading i eksemplet sitt. En generering på 4 736 × 3 552 topper da på omtrent 65 GB GPU-minne. Det er et ganske tydelig signal om hvem fullversjonen er laget for.
Det betyr ikke at lokal bruk er forbeholdt datasentre. ComfyUI-oppsettet bruker en beskåret INT8-transformer på 21 GB og en INT8-tekstencoder på 25,28 GB, pluss en VAE på 1,17 GB. Den valgfrie promptutvideren i ComfyUI er ytterligere 7,34 GB. Komponentene trenger ikke nødvendigvis ligge i GPU-minnet samtidig, men du må fortsatt regne med offloading, godt med systemminne og merkbart tregere kjøring på vanlige skjermkort.
MiniMax H3-Image er med andre ord lokal, men ikke liten. Jeg har tidligere kjørt MiniMax H3 lokalt på én RTX 4090, men jeg har ikke testet H3-Image. Tallene her kommer fra den publiserte dokumentasjonen, ikke fra en egen måling av fart eller bildekvalitet.
Hvordan kommer du i gang i ComfyUI?
ComfyUI har to ferdige maler: én for generering fra tekst og én for bilderedigering. Den offisielle ComfyUI-guiden krever versjon 0.45.0 eller nyere og template pack 0.11.104 eller nyere. Mangler nodene eller malene, er første steg derfor å oppdatere ComfyUI.
Text-to-image-malen åpner med 4 MP for å redusere risikoen for å gå tom for minne. Du kan velge sideforhold og deretter øke pikselmengden når maskinen har plass. Standardoppsettet bruker Euler, simple scheduler, seks steg, CFG 1 og den destillerte samplingplanen fra MiniMax.
Redigeringsmalen laster kildebildet som <Picture 1>. Flere referanser nummereres i den rekkefølgen de lastes inn, helt opp til <Picture 16>, og kan omtales direkte i prompten. Går redigeringen tom for minne, anbefaler ComfyUI å slå på noden for skalering av bilde og maske og redusere megapikslene før sampling.
Promptutvideren er valgfri. MiniMax sin offisielle variant er 17,9 GB, mens ComfyUI-malen bruker en lettere Qwen3.5 9B-utgave. I text-to-image-malen er den slått av som standard, slik at prompten går uendret til modellen. I redigeringsmalen er den slått på for å bygge en mer detaljert, referansebevisst beskrivelse av sluttbildet.
Er MiniMax H3-Image virkelig åpen?
Vektene er tilgjengelige, men lisensen gjør «open source» til feil merkelapp. MiniMax-H3-Image Community License Agreement gir rett til bruk, endring og distribusjon bare innenfor et definert område. EU, Storbritannia, Sør-Korea og USA er uttrykkelig unntatt. Brukere der må kontakte MiniMax for en egen lisens.
Norge står ikke på listen over unntatte områder, men norske utviklere må fortsatt lese vilkårene før de bygger noe kommersielt. Har selskapet og tilknyttede selskaper mer enn 1 million dollar i årlig omsetning, eller tilbyr du modellen som en hosted service til andre, kreves skriftlig forhåndstillatelse. Lisensen begrenser også bruk av modellen og resultatene til å forbedre andre AI-modeller.
Dette er ikke en liten detalj bakerst i dokumentasjonen. En modell kan være teknisk nedlastbar og samtidig juridisk uegnet for produktet ditt. For privat utforsking i Norge ser terskelen langt lavere ut enn for en offentlig bildeservice, men det er vilkårene – ikke ordet «community» – som avgjør hva du faktisk kan gjøre.
Jeg liker åpne vekter, men her bør MiniMax få ros for å publisere modellen og kritikk for å bruke et åpenhetsord som lisensen ikke lever opp til. Kall den en åpen-vekt-modell med en restriktiv spesiallisens. Det er presist, og presisjon er gratis.
Hva kan 16 referansebilder brukes til?
MiniMax H3-Image kan ta inn opptil 16 bilder i én redigeringsjobb. Det åpner for mer sammensatte oppgaver enn en enkel endring av ett kildebilde. Du kan gi modellen et hovedbilde, separate objekter, materialreferanser, klær, rekvisitter og en komposisjonsreferanse, og peke på hvert bilde med nummer i instruksjonen.
Det betyr ikke at 16 referanser automatisk gir et godt resultat. Jo flere føringer modellen skal forene, desto mer kan gå tapt eller blandes. Den praktiske verdien må måles i hvor godt modellen følger prioriteringene gjennom flere redigeringer, ikke i hvor mange bildefiler grensesnittet godtar.
MiniMax viser egne eksempler med blant annet ti møbelreferanser satt inn i ett rom. Det er en nyttig demonstrasjon av kapasiteten, men fortsatt leverandørens utvalgte resultat. Før modellen er prøvd på repeterbare arbeidsløp og krevende materiale utenfor presentasjonen, er det for tidlig å kåre kvaliteten mot etablerte alternativer.
Min vurdering av MiniMax H3-Image
MiniMax H3-Image er en skikkelig utgivelse, ikke bare enda et modellnavn. 16 MP direkte, seks steg, én modell for generering og redigering, opptil 16 referansebilder og ferdig støtte i ComfyUI gir den en tydelig plass i det lokale bildelandskapet. Jeg er glad for at vektene faktisk er publisert.
Samtidig er maskinvarekravet brutalt i full presisjon. De kvantiserte ComfyUI-filene gjør modellen langt mer tilgjengelig, men «kan lastes ned» betyr ikke «kjører behagelig på ethvert gamingkort». Ventetid, offloading, systemminne og hvilken kvalitet de kvantiserte utgavene faktisk leverer, er en del av regnestykket.
Den største haken er likevel lisensen. Geografiske unntak og krav om særskilt tillatelse for hosted services er langt unna det folk vanligvis mener med open source. Last ned og utforsk hvis maskinen og bruken din passer, men les lisensen før du bygger en tjeneste rundt modellen. Åpne vekter er verdifullt. Å late som vilkårene er åpne fordi filene kan lastes ned, er det ikke.
\nOfte stilte spørsmål
\n\n\n\nKan MiniMax H3-Image kjøres lokalt?
Ja. Modellen støttes av blant annet ComfyUI, Diffusers, SGLang og vLLM-Omni. Full BF16-utgave er svært tung, mens ComfyUI tilbyr kvantiserte komponenter. Regn med offloading og mye systemminne på vanlige skjermkort.
Hvor store bilder lager MiniMax H3-Image?
Modellen arbeider best rundt 16 MP. Vanlige størrelser er 4 096 × 4 096 for kvadrat, 5 472 × 3 072 for 16:9 og 6 272 × 2 688 for 21:9. Det praktiske området er omtrent 4 til 20 MP.
Er MiniMax H3-Image open source?
Nei, ikke i vanlig betydning. Vektene er publisert, men spesiallisensen har geografiske og kommersielle begrensninger. EU, Storbritannia, Sør-Korea og USA er unntatt, og hosted services krever særskilt skriftlig tillatelse.
Fungerer modellen i ComfyUI?
Ja. ComfyUI har ferdige maler for både text-to-image og bilderedigering. Guiden krever ComfyUI 0.45.0 eller nyere og template pack 0.11.104 eller nyere. De kvantiserte hovedfilene er 21 GB og 25,28 GB.
