11月11日凌晨，MiniMax发布图像生成模型H3 Image，并同步开放模型权重。该模型衍生自此前的H3多模态模型，支持文生图、图片编辑，以及最多16张参考图输入。官方披露的核心指标包括：生成一张约1600万像素的4K图片最快只需10秒，单张价格不到0.3元。此前，MiniMax创始人闫俊杰曾表示近期全部精力投入于M3 Pro的研发，H3 Image的发布被视为其多模态路线上的阶段性产品。
此次发布距离OpenAI推出GPT Image 2.6仅一周。11月4日，OpenAI对GPT Image 2.6进行了升级，重点同样落在生成速度、图像编辑和视觉一致性上。两款模型发布时间接近，能力对比随之成为开发者社区关注的焦点。有评测机构使用2K画质对两款模型进行了六轮横向测试，覆盖生活纪实、科技封面、中文商业海报、工业爆炸图、多参考图融合及3A游戏场景等任务类型。
在生活纪实类测试中，两款模型被要求生成上海老居民区雨后街景，包含修自行车老人、提塑料袋的年轻女性及远处行人等元素。GPT Image 2.6在人物位置、环境元素完整性上表现稳定，但画面整体过于工整，缺乏生活场景的随意感。H3 Image在材质质感上更接近纪实摄影，老人面部皱纹、自行车锈迹、斑驳墙面等细节呈现较为粗粝真实，但出现人物年龄偏差、指定便利店未清晰呈现等指令执行问题。该轮测试中，GPT Image 2.6在指令准确性上小幅领先。
视觉审美测试要求为“AI算力与能源”主题设计高端科技杂志封面。GPT Image 2.6将数据中心、输电铁塔与变电设施整合于同一场景，结构完整但设计语言偏向商业效果图。H3 Image采用大面积天空留白与灰褐色调，视觉氛围更接近纪实摄影，但数据中心被处理为普通工业厂房形态，右侧出现易被联想为传统发电厂的冷却塔，对主题表达形成一定弱化。测试结果显示，两款模型在信息表达准确性与审美风格上各有侧重。
在中文商业海报任务中，两款模型均能准确呈现会议名称、时间、地点及六项议程文字，未出现错字或信息遗漏。差异体现在设计层面：GPT Image 2.6采用黑橙配色并建立明确的视觉层级，具备商业海报的基本可用性；H3 Image将信息规整排列于米白色背景，视觉表达接近会议通知或未完成的演示文稿，理解了文字要求但未完成设计任务。工业产品爆炸图测试中，GPT Image 2.6完整呈现7个部件、3枚螺丝及组装效果，材质区分清晰；H3 Image部件与中文标注基本正确，但螺丝数量缺失一枚，成品图出现与拆解图不一致的外露散热结构。此类偏差在普通插画场景影响有限，但在产品介绍与结构说明场景中不可忽视。
多参考图融合测试提供耳机产品、人物主体、动作姿势和建筑环境四张参考图，要求合成高端商业广告。两款模型整体表现接近，GPT Image 2.6构图完整度更高，人物、耳机与建筑环境结合自然；H3 Image在皮肤、服装纹理与光影处理上具备时尚摄影质感，但未完整保留原始参考图中的椅子，人物直接倚坐于建筑边缘，场景安排出现偏差。3A游戏场景测试中，两款模型生成的画面均更接近游戏宣传CG，缺少实机运行时的自然镜头语言。
从测试结果看，H3 Image在画面真实感与视觉审美层面已具备与头部生图模型竞争的能力，模型不再单纯依靠低价策略获客。但在复杂指令遵循、精确数量控制与商业设计任务中，GPT Image 2.6仍保持明显优势。对于开发者而言，H3 Image的开源权重与低成本推理价格，使其在批量生成、风格化内容生产等场景中具备实用价值；而在需要严格指令执行与专业设计输出的企业级应用中，模型选型仍需结合具体任务类型评估。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
