По данным ChainCatcher, MiniMax выпустила H3-Image и открыла доступ к весам модели. Модель генерирует изображения размером 4096 × 4096 пикселей — около 16,8 млн пикселей — без увеличения разрешения, используя шесть шагов сэмплирования. По словам MiniMax, генерация занимает менее 10 секунд и может быть до пяти раз быстрее, чем у ведущих продуктов. H3-Image объединяет генерацию изображений по текстовому описанию и редактирование изображений в одной модели и поддерживает до 16 референсных изображений.

Модель использует видеоархитектуру H3, из которой удалили аудиокомпонент и добавили декодер изображений, предназначенный для их генерации. В её основной сети генерации 33,1 млрд параметров; исходные веса и повторно используемый текстовый энкодер в сумме занимают около 135 ГБ. 7 августа исследователь MiniMax Kiro сообщил в AMA на Reddit, что команда разрабатывает специализированную модель для изображений на базе архитектуры H3 и планирует открыть доступ к её весам. Kiro также описал рабочий процесс, в котором модель для изображений создаёт первый кадр видео, а затем H3 генерирует само видео.

3 ноября Pruna AI выпустила P-H3-Image на основе видеомодели H3 с открытым исходным кодом. Модель поддерживает генерацию и редактирование изображений, сжимает сеть генерации примерно до 20 миллиардов параметров и использует восемь шагов сэмплирования. Её самая компактная квантованная версия занимает около 20 ГБ и требует примерно 21 ГБ видеопамяти в пиковом режиме для генерации изображения разрешением 8 мегапикселей. Лицензия сообщества H3-Image не распространяется на США, Великобританию, Европейский союз и Южную Корею. Компаниям с годовой выручкой свыше 1 миллиона долларов, а также тем, кто предоставляет третьим лицам хостинг моделей, необходимо заранее получить отдельное разрешение.