Segundo o ChainCatcher, a MiniMax lançou o H3-Image e disponibilizou os pesos do modelo em código aberto. O modelo gera imagens de 4096 por 4096, cerca de 16,8 milhões de pixels, sem aumento de resolução e usando seis etapas de amostragem. A MiniMax afirma que a geração leva menos de 10 segundos e pode ser até cinco vezes mais rápida que a dos produtos convencionais. O H3-Image combina a geração de imagens a partir de texto e a edição de imagens em um único modelo e aceita até 16 imagens de referência.

O modelo usa a arquitetura de vídeo H3, sem o componente de áudio e com um decodificador de imagens projetado para a geração de imagens. Sua rede central de geração tem 33,1 bilhões de parâmetros; os pesos originais e o codificador de texto reutilizado somam cerca de 135 GB. Em 7 de agosto, o pesquisador da MiniMax Kiro disse, em uma sessão AMA no Reddit, que a equipe estava desenvolvendo um modelo de imagem dedicado baseado na arquitetura H3 e planejava disponibilizar seus pesos em código aberto. Kiro também descreveu um fluxo de trabalho no qual um modelo de imagem cria o primeiro quadro de um vídeo antes de o H3 gerar o vídeo.

Em 3 de novembro, a Pruna AI lançou o P-H3-Image, baseado no modelo de vídeo H3 de código aberto. Ele oferece suporte à geração e edição de imagens, comprime a rede de geração para cerca de 20 bilhões de parâmetros e usa oito etapas de amostragem. Sua menor versão quantizada tem cerca de 20 GB e requer aproximadamente 21 GB de VRAM de pico para gerar uma imagem de 8 megapixels. A licença comunitária do H3-Image exclui os Estados Unidos, o Reino Unido, a União Europeia e a Coreia do Sul. Empresas com receita anualizada superior a US$ 1 milhão, ou que ofereçam hospedagem de modelos a terceiros, devem obter autorização separada com antecedência.