MiniMax H3-Image 的权重放出来了，可想在自己机器上跑起来，第一道坎是下载量。按 Hugging Face 模型卡列出的文件，扩散主干 DiT 约 68.65GB，文本编码器约 66.7GB，图像 VAE 2.34GB，三项合计约 138GB，还没算可选的提示词扩写模型。
文本编码器不在 H3-Image 的仓库里，要另外从 H3 视频模型的仓库下载。已经部署过 H3 视频模型的团队可以直接复用这部分，省掉一半的下载量。
什么硬件能跑
模型卡没有写显存下限，只列了推理框架验证过的平台：NVIDIA H200、RTX PRO 6000 Blackwell 和 AMD Instinct MI350X，支持单卡运行，也可以用 4 卡序列并行压低延迟。
几张卡的显存分别是 H200 141GB、RTX PRO 6000 96GB、MI350X 288GB。BF16 权重本身就超过百 GB，单卡跑大概率要靠分阶段加载或者把文本编码器挪到别处，具体怎么配，以官方给的 vLLM-Omni 和 SGLang 部署配方为准。消费级显卡，包括 24GB 和 32GB 的型号，目前看不在官方支持范围内。
可选的提示词扩写模型 H3-Image-PE 门槛低得多。它基于 Qwen3.8-27B 微调，放出的是 NVFP4 量化权重，约 17.9GB，用 Diffusers 本地跑约需 19GiB 显存，一张 24GB 的卡能装下。它的作用是把一句话需求扩成完整画面描述，并推荐画幅比例，可以单独部署，再把结果交给云端的 H3-Image 去画。
国内开发者怎么拿到
权重在 Hugging Face 和 ModelScope 同时提供，国内直接从魔搭下载会顺很多。部署框架给了四条路：SGLang、vLLM-Omni、Diffusers 和 ComfyUI。习惯节点式工作流的设计师，等 ComfyUI 的节点包稳定后上手最快；做服务化的团队更可能选 SGLang 或 vLLM-Omni。
许可证是 MiniMax-H3-Image 社区许可协议，PE 模型同样适用。协议第四节涉及的用途需要通过官方表单申请书面授权，商用前要先确认自己落在哪一类。模型卡没有单独写地区限制。此前有第三方梳理指出，H3 视频模型的社区许可排除了部分国家和地区，H3-Image 的协议是否沿用，下载前要逐条对照。
没有显卡的选项
对大多数个人创作者和小团队，自己部署一套 138GB 的模型并不划算。官方渠道有 MiniMax 开放平台 API、海螺和 MiniMax Agent；不想接 API 的，可以直接在合作平台上用。
PixPix 侧重电商和商品图，产品套图、详情页、模特图这些工序都有现成入口，选 H3-Image 就能出 4K。PixTV 是一张无限画布，图像、视频、音频模型都能在上面调，适合先用 H3-Image 定静帧、再交给视频模型做成片的流程。两边都是按次用，不需要准备任何硬件。
自建和调用的分界线大致可以这样划：每天出图量在几百张以内、对数据不出本地没有硬要求的，用网页或 API；量大、要改模型、或者有私有化要求的，再考虑上卡部署。
参考来源：Hugging Face 模型卡、CocoLoop、MiniMax-H3-Image-PE 模型卡、MiniMax 官方博客；核验各组件文件大小、支持硬件平台、部署框架与许可协议名称。