MiniMax mở open-weight H3-Image, tạo ảnh 4K trong 10 giây

Ngày 10/11/2026, MiniMax công bố H3-Image, mô hình tạo ảnh mới nhất của hãng, với ba con số làm tâm điểm: ảnh 4K gốc khoảng 16 megapixel, tạo trong 10 giây, và chỉnh sửa từ tối đa 16 ảnh tham chiếu trong một lần. Bộ trọng số đã có trên Hugging Face ngay trong ngày công bố, theo giấy phép cộng đồng của MiniMax. Đây là một trong những mô hình tạo ảnh open-weight mạnh nhất từng được phát hành, nhưng ba con số trên đều là tuyên bố của hãng, chưa có kiểm chứng độc lập nào tính tới ngày 11/11.

Ảnh 4K gốc, không qua phóng đại

Điểm khác biệt lớn nhất của H3-Image nằm ở độ phân giải gốc. Mô hình tạo trực tiếp ảnh khoảng 16 megapixel ở mọi tỉ lệ khung hình, từ 4096x4096 ở tỉ lệ 1:1 tới 6272x2688 ở tỉ lệ 21:9, mà không cần đưa qua một mô hình phóng đại (upscaler) riêng. API giới hạn diện tích đầu ra tối đa 20 megapixel, và model card mô tả phạm vi làm việc thực tế khoảng 4 tới 20 megapixel.

Con số 16 megapixel gấp khoảng hai lần độ phân giải lớn nhất của nhiều mô hình đóng cùng thời điểm, và ảnh gốc có độ chi tiết cao hơn hẳn ảnh phóng đại từ độ phân giải thấp. Người dùng vì vậy có thể in ấn hoặc cắt cúp ảnh mà không lo vỡ chi tiết, điều mà ảnh tạo bởi các mô hình 1K hay 2K thường không làm được.

Về tốc độ, MiniMax tuyên bố một ảnh 4K hoàn thành trong khoảng 10 giây. Hãng đạt được tốc độ này nhờ chưng cất mô hình xuống chỉ còn 6 bước lấy mẫu và bỏ hoàn toàn cơ chế classifier-free guidance, một kỹ thuật thường tốn thêm thời gian tính toán. Tuy nhiên, model card không ghi bất kỳ con số thời gian nào, và tới ngày 11/11 vẫn chưa có bên thứ ba nào đo thời gian tạo ảnh độc lập, nên con số 10 giây hiện mới là lời hứa của hãng, chưa phải kết quả đo đạc.

Một mô hình vừa tạo ảnh vừa chỉnh sửa

H3-Image gộp tạo ảnh từ văn bản và chỉnh sửa ảnh vào một checkpoint duy nhất, thay vì tách thành hai mô hình riêng như nhiều hệ thống trước đây. Người dùng có thể đưa vào tối đa 16 ảnh tham chiếu trong một lần chỉnh sửa, đủ để giữ nguyên nhân vật, phong cách hay bố cục của một bộ ảnh trong khi thay đổi bối cảnh, trang phục hoặc góc máy.

Kiến trúc đằng sau là một diffusion transformer dày đặc với 33,1 tỉ tham số, 50 lớp, kích thước ẩn 5.376, 56 đầu attention và chiều rộng feed-forward 14.336. Bộ trọng số đầy đủ nặng khoảng 68,65 GB, trong đó riêng transformer chiếm 66,28 GB ở định dạng BF16, cộng thêm một bộ mã hóa văn bản dựa trên Qwen3-VL. Với dung lượng này, việc tự chạy mô hình đòi hỏi phần cứng mạnh, và MiniMax gợi ý dùng SGLang, vLLM-Omni, diffusers hoặc ComfyUI.

Mô hình có thể dùng qua ba kênh: API của MiniMax với mã mô hình MiniMax-H3-Image, công cụ MiniMax Code và nền tảng Hailuo AI. Trong tuần ra mắt, MiniMax giảm 50% giá cho các lần tạo ảnh từ 16 megapixel trở lên, áp dụng tới 16:00 UTC ngày 17/11.

Open-weight nhưng giấy phép kèm điều kiện

Chữ open-weight trong thông báo của MiniMax cần được đọc kỹ, vì giấy phép đi kèm hẹp hơn nhiều so với các giấy phép nguồn mở quen thuộc. Bộ trọng số được phát hành theo MiniMax Community License, không phải một giấy phép nguồn mở được OSI công nhận. Giấy phép này cấm tự lưu trữ mô hình tại Liên minh châu Âu, Anh, Hàn Quốc và Mỹ, tức là đúng các thị trường mà phần lớn lập trình viên và doanh nghiệp đang làm việc.

Ngoài ra, doanh nghiệp có doanh thu hàng năm trên 1 triệu USD cần xin phép bằng văn bản trước khi dùng mô hình, và việc đưa mô hình thành dịch vụ lưu trữ cho người khác cũng cần xin phép, không phân biệt doanh thu. Giao diện thương mại phải hiển thị rõ tên mô hình, và ảnh đầu ra không được dùng để huấn luyện hay cải thiện mô hình khác. Nói cách khác, H3-Image mở cho việc nghiên cứu và thử nghiệm ở nhiều nơi, nhưng dùng thương mại quy mô lớn vẫn phải đi qua cửa của MiniMax.

Giá API và cách dùng

Theo bảng giá của MiniMax, API tính phí theo token: 2,30 USD cho mỗi triệu token văn bản đầu vào, 1,50 USD cho mỗi triệu token ảnh đầu vào và 3,80 USD cho mỗi triệu token ảnh đầu ra. Một ảnh 4K có giá niêm yết 0,06879 USD, giảm còn 0,03439 USD trong tuần ra mắt. Mức giá này thấp hơn 50 tới 70% so với các dịch vụ tạo ảnh phổ biến cùng phân khúc, theo tuyên bố của MiniMax.

Với người dùng không muốn tự chạy 68 GB trọng số, một số nền tảng lưu trữ đã tích hợp mô hình. Venice.ai chẳng hạn tính 0,04 USD cho mỗi ảnh 1K hoặc 2K và 0,10 USD cho mỗi ảnh 4K, đồng thời cam kết không lưu prompt hay dùng dữ liệu người dùng để huấn luyện. Cách dùng qua API lưu trữ vì vậy là lựa chọn thực tế hơn cho đa số người dùng Việt Nam, những người vốn không thể tự lưu trữ mô hình theo giấy phép.

Chưa có kiểm chứng độc lập

Tới ngày 11/11/2026, H3-Image chưa xuất hiện trên các bảng xếp hạng ảnh của Artificial Analysis, và chưa có bài đánh giá chất lượng độc lập nào được công bố. Phép thử độc lập duy nhất được ghi nhận là Pixel Dojo chạy cùng 8 prompt trên H3-Image và GPT Image 2.6, mỗi mô hình một lần thử, quá ít để kết luận về chất lượng. Trình tự phát hành cũng khác thường: kho lưu trữ trên Hugging Face được tạo từ ngày 03/11 nhưng để trống, mãi tới 14:50 UTC ngày 10/11 trọng số mới được tải lên, cùng lúc với bài đăng công bố.

Người đọc vì vậy nên coi H3-Image là một mô hình đáng thử, không phải một mô hình đã được chứng minh. Độ phân giải 16 megapixel và 16 ảnh tham chiếu là hai điểm mạnh có thể kiểm tra ngay bằng cách tạo ảnh và đọc kích thước file, còn tốc độ 10 giây và chất lượng hình ảnh cần chờ các bài đo đạc độc lập trong những ngày tới. Trước khi tải 68 GB trọng số hay xây tính năng lên API, người dùng nên đọc kỹ giấy phép cộng đồng để chắc mình được phép dùng mô hình ở nơi mình sinh sống.

Nguồn tham khảo: MiniMax