시위커지(MiniMax, 미니맥스)가 이미지 모델 MiniMax H3-Image를 발표하고 Hugging Face에 가중치도 함께 공개했다. 텍스트-이미지 생성, 이미지 참조, 이미지 편집을 하나의 모델로 처리한다. 회사 측은 약 1600만 화소에 해당하는 4096×4096 4K 이미지를 약 10초에 만들 수 있고, 참조 이미지는 최대 16장까지 입력할 수 있다고 밝혔다.
모델은 Hugging Face와 MiniMax 오픈 플랫폼 API에 올라왔고, MiniMax Code와 하이뤄(Hailuo) 같은 자사 제품에도 연동됐다. 제휴 플랫폼인 PixPix와 PixTV에서도 바로 호출할 수 있어, 직접 배포하고 싶지 않은 사용자는 웹페이지만 열면 4K 출력을 체험할 수 있다.
모델 카드에서 눈에 띄는 대목
H3-Image의 본체는 33.1B 파라미터 확산 트랜스포머로, 50개 레이어와 56개 어텐션 헤드를 갖췄고 가중치는 BF16이다. 텍스트 인코더는 H3 비디오 모델의 Qwen3-VL 인코더를 수정 없이 그대로 가져왔으며, DiT는 그 50번째 레이어의 은닉 상태를 읽는다.
속도는 주로 증류에서 나온다. 체크포인트를 6스텝 샘플링으로 압축했고 분류기 없는 가이던스(CFG)도 쓰지 않는다. 일반적인 확산 모델은 20~30스텝이 보통이고 CFG를 켜면 스텝마다 연산을 두 번 해야 한다. 이 두 가지를 한꺼번에 덜어내니 한 장당 소요 시간이 자연스럽게 줄어든다.
"The checkpoint is distilled to 6 sampling steps (6 NFEs) with no classifier-free guidance."
체크포인트는 6개 샘플링 스텝으로 증류되었으며 분류기 없는 가이던스를 사용하지 않는다.
해상도 면에서 모델 카드가 제시한 유효 범위는 4~20메가픽셀이고 16메가픽셀 부근에서 가장 좋은 결과가 나온다. 1:1 화면비는 4096×4096, 21:9는 6272×2688에 대응하며 둘 다 별도의 업스케일 모델이 필요 없다. 공식은 고속 버전인 Highspeed도 함께 내놓았다. 표준 모드의 출력 속도는 주요 도구의 약 1.5~2배, 고속 모드는 3~4배라고 하지만 어떤 도구와 비교했는지는 밝히지 않았다.
모델과 함께 공개된 것이 또 있다. 27B 프롬프트 확장 모델 H3-Image-PE로, Qwen3.8-27B를 파인튜닝했다. 짧은 요청을 상세한 화면 묘사로 풀어 주고 알맞은 화면비도 추천한다. 이미지 편집용 확장은 현재 프롬프트 템플릿만 올라와 있으며, 저장소에는 아직 개발 중이라고 표시돼 있다.
비디오에서 이미지로, H3 라인의 흐름
7월 말 MiniMax는 먼저 H3 비디오 모델을 발표하고 이어서 가중치를 공개했다. 이후 SGLang이 H3용 추론 가속을 지원했다. 이번 H3-Image는 비디오 모델과 같은 텍스트 인코더를 공유하고, 이미지 VAE는 새로 만들었다. CNN 인코더에 24층 2D ViT 디코더를 붙였고 공간 다운샘플링은 16배라서 토큰 하나가 32×32 픽셀을 담당한다.
이 흐름을 이어 보면 MiniMax의 멀티모달 생성 전략은 꽤 일관돼 있다. 비디오를 먼저 내고 이미지를 분리해 내놓으며, 가중치는 모두 공개하고 배포 프레임워크 지원도 동시에 맞춘다. H3-Image는 출시 당일 SGLang, vLLM-Omni, Diffusers, ComfyUI 네 가지 배포 경로를 제공했고 가중치는 Hugging Face와 ModelScope에서 함께 받을 수 있다.
지시 이행 능력에 대해 공식 블로그는 H3-Image가 오픈소스 모델 가운데 가장 강하다고 주장하지만, 모델 카드에는 구체적인 벤치마크 점수가 없다. 제3자 평가가 나오기 전까지 이 주장은 공식 입장으로 받아들여야 한다.
누가 먼저 쓰게 될까
참조 이미지 16장이라는 상한은 이커머스와 브랜드 디자인에 실용적이다. 같은 상품을 여러 각도에서 찍은 실사, 브랜드 컬러 팔레트, 모델 포즈를 한 번에 넣어 피사체를 일관되게 유지할 수 있다. 공식이 보여 준 사례 중에는 참조 이미지 10장을 쓴 것도 있다.
숏폼 영상 제작자는 이 모델을 영상 이전 단계로 쓸 수 있다. H3-Image로 4K 정지 프레임과 캐릭터 설정을 먼저 잡고, H3 비디오 모델에 넘겨 움직이게 하는 식이다. PixTV의 무한 캔버스는 이미지와 영상 생성을 한 캔버스에 올려 두어 이 흐름을 웹에서 끝낼 수 있다. 상품 이미지나 상세 페이지가 목적이라면 PixPix의 이커머스 워크스페이스가 더 손에 맞는다.
라이선스는 MiniMax-H3-Image 커뮤니티 라이선스 계약을 따르며, 일부 용도는 공식 신청서를 통해 서면 허가를 받아야 한다. 상업적으로 쓰기 전에 계약서 제4조를 한 번 읽어 보길 권한다.
참고 출처: MiniMax 공식 블로그, Hugging Face 모델 카드, CocoLoop, MiniMax-H3-Image-PE 모델 카드. 파라미터 규모, 샘플링 스텝 수, 해상도 범위, 참조 이미지 상한을 확인했으며 속도 배수는 공식 수치를 따랐다.