MiniMax H3-Image：做图小样测试、参考图分工与局部编辑排查

这几天 AI 图像圈格外热闹。前不久字节刚发布了 Seedream 5.5，大家还在讨论多轮控图与透明素材表现，MiniMax 又在 2026 年 11 月 11 日推出了自研的图像生成与编辑模型 H3-Image，并宣布开放模型权重。

官方资料（可复制到浏览器访问）：

https://www.minimax.io/blog/minimax-h3-image

不过，不论各家官方样张看起来多惊艳，实际做图最磨人的时候，往往是第一眼已经挺好看，放大一看，产品还是有点不对。

杯把变粗了，瓶盖换了形状，Logo 多了一笔。你只想把背景调暗一点，结果连主体的材质都跟着变了。再改几轮，原本打算省下来的半小时，就这么过去了。

这次 MiniMax 发布的 H3-Image，支持文生图、参考图生成和图像编辑，还开放了模型权重。对做内容排版和商品图的人来说，确实值得关注。但我建议你先拿一件熟悉的产品做小样，看看它究竟能减少多少返工。

4K 和速度，得放在一起看

官方公布的能力包括最高 4096×4096 输出、最多 16 张参考图。分辨率高，给裁切和二次排版留下的空间也更大。比如同一张图片要做文章头图、方形卡片和商品详情局部，原图足够大，处理起来会方便些。

图源：MiniMax 官方发布页宣传图。

不过，“4K”只说明像素尺寸。产品边缘有没有错，中文是不是写对，缩成手机上的一张小图后是否还看得清，都要另看。

速度也有个值得留意的细节：官方文章标题强调进入“10 秒”时代，但同页对比图里，4K 文生图的高速模式中位耗时标为 10.3 秒，标准模式则是 16 秒；编辑任务还有另一组耗时。

图源：MiniMax 官方耗时对比图，P50 即中位耗时，单位为秒。图中区分生成、编辑及参考图数量。

所以我不会把“10 秒内”当成每次出图的保证。你实际选择的模式、输入和排队情况，还得在使用时看。对创作者更有价值的数字，是从开始输入要求到拿到可用图片，一共花了多久。

第一轮：只换背景，产品别动

先找一张你有权使用的清晰产品照。就用杯子举例：杯沿、杯把和标识都看得见，背景尽量简单。暂时别同时加手模、换视角、改材质，再叠一堆复杂文字。

可以先给它这样一段要求：

以这张照片里的杯子为唯一产品主体，保留杯身比例、颜色、杯把连接和标识。只把背景换成靠窗的木桌，柔和自然光，主体完整入镜，右侧留出放文案的空白，不额外添加文字或装饰。

这段提示词的重点，是明确哪些地方可以改，哪些地方必须保留。它是建议测试用法，不代表模型一定能逐项做到。

出图后，把原图和结果并排放，先看杯口椭圆、杯把接点，再看标识。别被整体氛围带着走。一张图的光影再舒服，杯子已经长成另一个款式，就得重来。

如果改动太大，下一轮先减少要求。比如去掉“木桌”和复杂环境，只换成浅色背景。把问题拆小，才容易判断它是认错了主体，还是处理环境时把主体一起改掉了。

做人物头像、包装或固定角色，也可以沿用这个思路。你先列出不能动的特征，再检查结果，判断会比一句“感觉有点不像”具体很多。

第二轮：给参考图分工

最多 16 张参考图听起来很宽裕，但第一次不必塞满。图片一多，里面可能既有正面又有侧面，既想保留冷色又想要暖光，要求本身就拧巴了。

我建议先从三张开始：第一张放产品，第二张给光线和色调，第三张参考画面留白。上传前，给自己看一遍：每张到底想借用什么？

然后把分工说出来：

第一张只用于确认杯子外观和结构；第二张参考暖色自然光，不引入图里的其他物品；第三张只参考主体靠左、右侧留白的构图。产品颜色仍以第一张为准。

这里特意补上“颜色以第一张为准”，是因为色调参考图可能会把产品本来的颜色也带偏。电商图片里，这个偏差往往比背景是否好看更要紧。

再生成一版只用第一张参考图的结果，和三张参考图那版对照。如果后者更贴近需求，说明新增的参考起了作用；如果主体更不稳定，就先撤掉其中一张，逐步排查。

把参考图和提示词一起存下来。下周还要做同系列图片时，至少能从同一组素材开始，不用重新回忆“上次那张暖光到底是哪张”。

第三轮：只改一处，看旁边会不会跟着变

第一版基本满意后，试一次很小的修改，比如降低背景亮度，让杯子更突出。修改前保留一份结果，接着说：

只降低背景亮度，保留杯子的颜色、位置、轮廓和标识，不改变杯子大小，保持原来的画幅与右侧留白。

改完再看原本没打算动的地方。杯沿有没有变薄？阴影方向有没有换？标识是否重新生成了？局部修改最容易让人放松检查，因为脑子里已经默认“其他地方应该没动”。

如果要用于移动端或卡片排版，最后还得缩到手机上的实际阅读大小。主图留白很舒服，正文卡片里可能显得产品太小；原图边缘细节丰富，缩略图里可能只剩一团暗色。

需要准确的价格、日期或品牌文案时，我更倾向于先生成合适的底图，再在排版工具里添加文字。少几个字出错，往往比追求一张图全部生成完更省事。

值不值得用？建议先记这三笔账

日常创作者可以从 MiniMax Design 的 H3 Image 工具页了解在线使用入口；想部署的开发者，可以看官方开源仓库与权重说明。开放权重本身不保证普通电脑能流畅运行，在线费用、本地部署门槛和商用授权条款也要分别确认。

第一次测试，建议顺手记下出图等待、修改轮数和最后人工处理的时间。假如五次都很快，却只有一张勉强能用，整个任务未必省时。反过来，某一轮等得稍久，但主体保留得好、后期只需加文字，也可能更适合你。

我对 H3-Image 的关注，就在这些小地方：能不能少修一个杯把，少重做一次背景，让同一系列图片更容易接着做。先留下一组自己的固定样题，之后再遇到新模型，也有东西可以对照。

你做图时最常返工的是文字、主体一致性，还是局部修改？拿最常出问题的那一步去试，比挑一个容易出彩的题目更能看出差别。