Selon ChainCatcher, MiniMax a lancé H3-Image et publié les poids de son modèle en open source. Le modèle génère des images de 4096 × 4096 pixels, soit environ 16,8 millions de pixels, sans suréchantillonnage et en six étapes d’échantillonnage. MiniMax indique que la génération prend moins de 10 secondes et peut être jusqu’à cinq fois plus rapide que celle des produits grand public. H3-Image combine la génération d’images à partir de texte et la retouche d’images au sein d’un même modèle, et prend en charge jusqu’à 16 images de référence.

Le modèle utilise l’architecture vidéo H3, dont le composant audio a été retiré, et un décodeur d’images conçu pour la génération d’images. Son réseau de génération central compte 33,1 milliards de paramètres ; les poids d’origine et l’encodeur de texte réutilisé totalisent environ 135 Go. Le 7 août, le chercheur de MiniMax Kiro a déclaré lors d’une session AMA sur Reddit que l’équipe développait un modèle d’image dédié basé sur l’architecture H3 et prévoyait d’en publier les poids en open source. Kiro a également décrit un processus dans lequel un modèle d’image crée la première image d’une vidéo avant que H3 ne génère la vidéo.

Le 3 novembre, Pruna AI a lancé P-H3-Image, basé sur le modèle vidéo open source H3. Il prend en charge la génération et la retouche d’images, compresse le réseau de génération à environ 20 milliards de paramètres et utilise huit étapes d’échantillonnage. Sa version quantifiée la plus légère pèse environ 20 Go et nécessite environ 21 Go de VRAM en pic pour générer une image de 8 mégapixels. La licence communautaire de H3-Image exclut les États-Unis, le Royaume-Uni, l’Union européenne et la Corée du Sud. Les entreprises dont le chiffre d’affaires annualisé dépasse 1 million de dollars, ou qui hébergent des modèles pour des tiers, doivent obtenir une autorisation distincte au préalable.