MiniMax预告生图模型

MiniMax H3团队在Reddit AMA中透露，正在开发一款专门的图像模型，并计划开放权重。

核心要点

  • 功能整合：将文生图和通用图片编辑放进同一个模型，单个模型包办两类任务

  • 架构沿用：基于H3同一套架构思路，沿用H3的VAE Encoder，为图片生成单独设计VAE Decoder

  • 开发进度：目前已经进入后训练优化阶段


工作流设计

MiniMax设想的工作流是：先用图像模型生成首帧，再交给H3继续生成视频，形成「图生视频」的完整链路。

技术依据

团队透露，H3本身已表现出一定的生图和修图潜力。此前仅训练模型根据「首帧+文字描述」预测尾帧，未专门做图片编辑训练，但模型在多项图片编辑评测中仍展现出较强的零样本能力，成为将该架构扩展到图像模型的重要依据。