MiniMax выпустила модель для расширения запросов к генератору картинок

MiniMax 8 ноября выложила MiniMax-H3-Image-PE — модель, которая превращает короткую просьбу о картинке в подробное описание и рекомендует пропорции кадра для генератора MiniMax-H3-Image.

Расклад: Основную модель MiniMax-H3-Image компания выложила 10 ноября. Она создаёт и редактирует изображения размером около 16 мегапикселей, а H3-Image-PE готовит для неё текстовое задание.

Детали: В основе H3-Image-PE — языковая Qwen3.8-27B на 27 млрд параметров, которую MiniMax дообучила для этой задачи. Веса — параметры обученной модели — выпущены в компактном 4-битном формате FP4 для экономии памяти. Для запуска через библиотеку Transformers разработчики указывают расход около 19 ГиБ видеопамяти.

Как это работает: Модель возвращает два отдельных поля: развёрнутое описание картинки и рекомендуемые пропорции кадра. Если пользователь заранее выбрал пропорции, при генерации используют именно их, а не рекомендацию модели. Вместе с весами MiniMax предоставила готовые инструкции и пример программы для обращения к модели.

Но: Для подготовки запросов на редактирование картинок MiniMax пока выпустила только инструкцию — этот режим ещё разрабатывают. Инструкцию предлагают использовать с отдельно выбранной моделью, которая понимает текст и изображения. Ей передают просьбу о правках и хотя бы одну картинку-образец.

По этой инструкции модель должна описать исходные объекты, указать, что сохранить или изменить, и описать новые элементы. Описание составляется на английском, но надписи внутри будущей картинки должны оставаться на языке, который запросил пользователь.

H3-Image-PE распространяется по собственной лицензии MiniMax-H3-Image Community License Agreement. У исходной Qwen3.8-27B другая лицензия — Apache 2.0.