ChainCatcherによると、MiniMaxはH3-Imageをリリースし、モデルの重みをオープンソース化しました。このモデルは、アップスケーリングなしで4096×4096ピクセル（約1,680万画素）の画像を、6回のサンプリングステップで生成します。MiniMaxによると、生成にかかる時間は10秒未満で、主流製品より最大5倍高速です。H3-Imageは、テキストからの画像生成と画像編集を1つのモデルに統合し、最大16枚の参照画像に対応しています。

このモデルはH3の動画アーキテクチャを採用し、音声コンポーネントを取り除いて、画像生成向けに設計された画像デコーダーを搭載しています。中核となる生成ネットワークのパラメーター数は331億で、元の重みと再利用されたテキストエンコーダーを合わせると、約135 GBになります。8月7日、MiniMaxの研究者KiroはRedditのAMAで、チームがH3アーキテクチャを基盤とする専用の画像モデルを開発中であり、その重みをオープンソース化する予定だと述べました。また、画像モデルが動画の最初のフレームを作成し、その後H3が動画を生成するワークフローについても説明しました。

11月3日、Pruna AIはオープンソースのH3動画モデルをベースにしたP-H3-Imageをリリースしました。画像の生成と編集に対応し、生成ネットワークを約200億パラメーターに圧縮しており、サンプリングステップ数は8です。最小の量子化バージョンは約20 GBで、800万画素の画像を生成するにはピーク時に約21 GBのVRAMが必要です。H3-Imageのコミュニティライセンスの対象地域からは、米国、英国、欧州連合、韓国が除外されています。年換算売上高が100万ドルを超える企業、または第三者にモデルホスティングを提供する企業は、事前に別途許可を取得する必要があります。