Según ChainCatcher, MiniMax ha lanzado H3-Image y ha publicado los pesos de su modelo como código abierto. El modelo genera imágenes de 4096 por 4096 píxeles, unos 16,8 millones de píxeles, sin ampliarlas y con seis pasos de muestreo. MiniMax afirma que la generación tarda menos de 10 segundos y puede ser hasta cinco veces más rápida que la de los productos más populares. H3-Image combina la generación de texto a imagen y la edición de imágenes en un solo modelo, y admite hasta 16 imágenes de referencia.
El modelo utiliza la arquitectura de vídeo H3, a la que se le ha eliminado el componente de audio y se le ha añadido un decodificador de imágenes diseñado para generarlas. Su red de generación principal tiene 33.100 millones de parámetros; los pesos originales y el codificador de texto reutilizado suman unos 135 GB. El 7 de agosto, el investigador de MiniMax Kiro dijo en una sesión de preguntas y respuestas en Reddit que el equipo estaba desarrollando un modelo de imágenes específico basado en la arquitectura H3 y que tenía previsto publicar sus pesos como código abierto. Kiro también describió un flujo de trabajo en el que un modelo de imágenes crea el primer fotograma de un vídeo antes de que H3 genere el vídeo.
El 3 de noviembre, Pruna AI lanzó P-H3-Image, basado en el modelo de vídeo de código abierto H3. Admite la generación y edición de imágenes, comprime la red de generación a unos 20.000 millones de parámetros y utiliza ocho pasos de muestreo. Su versión cuantizada más pequeña ocupa unos 20 GB y requiere aproximadamente 21 GB de VRAM máxima para generar una imagen de 8 megapíxeles. La licencia comunitaria de H3-Image excluye a Estados Unidos, Reino Unido, la Unión Europea y Corea del Sur. Las empresas con ingresos anualizados superiores a 1 millón de dólares, así como las que ofrecen alojamiento de modelos a terceros, deben obtener una autorización independiente con antelación.