Bobot MiniMax H3-Image sudah dirilis, tetapi bagi yang ingin menjalankannya di mesin sendiri, rintangan pertama adalah ukuran unduhan. Berdasarkan berkas yang tercantum di model card Hugging Face, backbone difusi DiT sekitar 68,65GB, encoder teks sekitar 66,7GB, dan VAE gambar 2,34GB, sehingga totalnya sekitar 138GB, belum termasuk model perluasan prompt yang bersifat opsional.
Encoder teks tidak ada di repositori H3-Image, sehingga harus diunduh terpisah dari repositori model video H3. Tim yang sudah pernah men-deploy model video H3 bisa langsung memakai ulang bagian ini dan memangkas unduhan hampir setengahnya.
Perangkat keras apa yang sanggup
Model card tidak menulis batas bawah VRAM, hanya mencantumkan platform yang sudah diverifikasi dengan framework inferensi: NVIDIA H200, RTX PRO 6000 Blackwell, dan AMD Instinct MI350X. Eksekusi pada satu kartu didukung, dan paralelisme sekuens dengan 4 kartu juga bisa dipakai untuk menekan latensi.
Memori ketiga kartu itu masing-masing 141GB untuk H200, 96GB untuk RTX PRO 6000, dan 288GB untuk MI350X. Bobot BF16 saja sudah melebihi 100GB, jadi pada satu kartu kemungkinan besar harus mengandalkan pemuatan bertahap atau memindahkan encoder teks ke tempat lain. Konfigurasi persisnya mengikuti resep deployment vLLM-Omni dan SGLang yang diberikan pihak resmi. GPU kelas konsumen, termasuk model 24GB dan 32GB, saat ini tampaknya berada di luar dukungan resmi.
Model perluasan prompt opsional, H3-Image-PE, syaratnya jauh lebih ringan. Model ini hasil fine-tuning dari Qwen3.8-27B, dan yang dirilis adalah bobot terkuantisasi NVFP4 sekitar 17,9GB. Dijalankan lokal dengan Diffusers, kebutuhan VRAM-nya sekitar 19GiB, sehingga muat di satu kartu 24GB. Fungsinya mengembangkan permintaan satu kalimat menjadi deskripsi gambar yang utuh sekaligus merekomendasikan rasio aspek. Model ini bisa di-deploy sendiri, lalu hasilnya diserahkan ke H3-Image di cloud untuk menggambar.
Cara developer di Tiongkok mendapatkannya
Bobotnya tersedia di Hugging Face dan ModelScope sekaligus, dan mengunduh langsung dari ModelScope di dalam Tiongkok jauh lebih lancar. Framework deployment menyediakan empat jalur: SGLang, vLLM-Omni, Diffusers, dan ComfyUI. Desainer yang terbiasa dengan alur kerja berbasis node akan paling cepat memulai begitu paket node ComfyUI stabil, sedangkan tim yang membangun layanan lebih mungkin memilih SGLang atau vLLM-Omni.
Lisensinya adalah Perjanjian Lisensi Komunitas MiniMax-H3-Image, yang juga berlaku untuk model PE. Penggunaan yang tercakup dalam Pasal 4 perjanjian memerlukan otorisasi tertulis melalui formulir resmi, jadi sebelum penggunaan komersial pastikan dulu masuk kategori yang mana. Model card tidak menuliskan pembatasan wilayah secara terpisah. Sebelumnya, sebuah rangkuman pihak ketiga menunjukkan bahwa lisensi komunitas model video H3 mengecualikan sejumlah negara dan wilayah. Apakah perjanjian H3-Image meneruskan hal itu perlu dicocokkan pasal demi pasal sebelum mengunduh.
Pilihan bagi yang tak punya GPU
Bagi sebagian besar kreator individu dan tim kecil, men-deploy sendiri model 138GB tidaklah sepadan. Saluran resmi mencakup API MiniMax Open Platform, Hailuo, dan MiniMax Agent; bila tak ingin mengintegrasikan API, model ini bisa langsung dipakai di platform mitra.
PixPix berfokus pada e-commerce dan foto produk, dengan pintu masuk siap pakai untuk tahapan seperti set gambar produk, halaman detail, dan foto model; pilih H3-Image di sana untuk mendapatkan 4K. PixTV adalah kanvas tanpa batas tempat model gambar, video, dan audio semuanya bisa dipanggil, cocok untuk alur yang menetapkan gambar diam dengan H3-Image lalu menyerahkannya ke model video untuk menjadi karya jadi. Keduanya dibayar per pemakaian, tanpa perlu menyiapkan perangkat keras apa pun.
Garis pemisah antara membangun sendiri dan memakai layanan kira-kira bisa ditarik begini: bila produksi gambar per hari di bawah beberapa ratus dan tidak ada tuntutan keras agar data tidak keluar dari lokal, pakai web atau API; bila volumenya besar, perlu memodifikasi model, atau ada kebutuhan deployment privat, barulah pertimbangkan memasang kartu GPU.
Sumber: model card Hugging Face, CocoLoop, model card MiniMax-H3-Image-PE, blog resmi MiniMax; ukuran berkas tiap komponen, platform perangkat keras yang didukung, framework deployment, dan nama perjanjian lisensi telah diperiksa.