MiniMax опубликовала веса модели MiniMax-H3-Image для генерации и редактирования изображений. По заявлению компании, она создаёт изображения примерно на 16 млн пикселей напрямую, без отдельного апскейлера для увеличения разрешения. Веса доступны для скачивания на Hugging Face, сообщает PC Watch.
Одна модель принимает текстовые запросы и редактирует изображения по образцу — можно передать до 16 референсов. Среди указанных форматов вывода есть квадрат 4096 × 4096 пикселей и широкий кадр 6272 × 2688 пикселей с соотношением сторон 21:9. MiniMax-H3-Image создана на основе видеомодели MiniMax H3. Компания утверждает, что после дистилляции для генерации достаточно шести шагов, что помогает удерживать вычислительные затраты при высоком разрешении в практических пределах.
Для локального запуска нужны не только основные веса объёмом 68,65 ГБ в формате BF16: текстовый кодировщик объёмом 66,7 ГБ скачивается отдельно. MiniMax заявляет поддержку SGLang, vLLM-Omni, diffusers и ComfyUI. Компания также называет точное следование запросам преимуществом модели перед другими моделями с доступными весами, но сравнительных результатов тестов PC Watch не приводит.
Веса опубликованы по собственной лицензии MiniMax-H3-Image Community License Agreement. Она допускает бесплатное использование, в том числе коммерческое, в разрешённых регионах; ЕС, Великобритания, Южная Корея и США в их число не входят. Предварительное письменное разрешение MiniMax требуется, если годовая выручка пользователя и связанных компаний превышает $1 млн либо если модель предоставляют другим через API или веб-сервис. Для коммерческих продуктов также обязательно указывать название модели в интерфейсе, а использовать созданные ею изображения для улучшения других ИИ-моделей запрещено.
Источник: PC Watch.
