Компания MiniMax выпустила модель MiniMax-H3-Image с открытыми весами — это модель преобразования текста в изображение и редактирования изображений, основанная на семействе H3. Релиз состоялся поздно вечером 10 ноября, а веса доступны на Hugging Face. MiniMax утверждает, что модель генерирует изображение разрешением около 16 мегапикселей (4096 на 4096 в соотношении 1:1) менее чем за 10 секунд, что примерно в пять раз быстрее рыночной нормы для такого разрешения.
Согласно описанию модели, один чекпойнт обрабатывает как преобразование текста в изображение, так и редактирование одного или нескольких эталонных изображений, принимая до 16 референсов. Диффузионный трансформер имеет 33,1 миллиарда параметров, использует архитектуру H3 без аудиослоев и оптимизирован до шести шагов семплирования без классификаторно-свободного наведения. Текстовый энкодер — это отдельный компонент MiniMax-H3, который загружается отдельно. MiniMax указывает размеры выходных данных до 6272 на 2688 без использования апскейлера. Чекпойнт BF16 весит 68,65 ГБ, а дополнительная модель расширения промптов MiniMax-H3-Image-PE — 17,9 ГБ.
MiniMax называет способность модели следовать инструкциям самой сильной среди открытых моделей для генерации изображений и заявляет, что она избегает привычного «ИИ-вида». Это собственные заявления компании, независимых сравнений в исходных материалах не было. В описании модели для локального развертывания рекомендуются SGLang, vLLM-Omni, diffusers и ComfyUI, а также перечисляются ускорители NVIDIA и AMD. Модель также доступна через API и приложения MiniMax, а компания предлагает API-запросы по сниженной вдвое цене для изображений разрешением 16 мегапикселей и выше в течение первой недели.
Лицензия — это MiniMax-H3-Image Community License Agreement, а не стандартная лицензия с открытым исходным кодом. Она действует по всему миру, за исключением Европейского Союза, Великобритании, Южной Кореи и США, и указывает, что использование за пределами этой территории не разрешено соглашением. Она также требует отдельного письменного разрешения от MiniMax для пользователей, годовой доход которых превышает 1 миллион долларов США, или которые предлагают сторонние хостинговые услуги, и просит коммерческие продукты отображать «MiniMax-H3-Image» в своем интерфейсе.
Релиз следует за предыдущим выпуском MiniMax модели H3 с открытыми весами для видео и аудио.
Источники: Отчет IT Home · Официальная карточка модели на Hugging Face · Текст официальной лицензии.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
