最大 4K を直接生成する画像生成モデル MiniMax H3 Image を追加しました
画像生成 API に minimax-h3-image を追加しました。MiniMax が 2026-11-10 に重みを公開した画像生成モデル MiniMaxAI/MiniMax-H3-Image で、約 16 メガピクセル(4096×4096 相当)の画像をアップスケーラーなしで直接生成できます。単価は画像出力 ¥800 / テキスト入力 ¥600(1M tok・税込表示)です。1 枚あたりの画像分は 1K が約 ¥0.8、2K が約 ¥3.3、4K が約 ¥13.1 で、これにプロンプトのトークン分が加わります。
既存の krea-2-medium-turbo(1K のみ・1 枚約 ¥3)と比べると、1K は安く、2K はほぼ同額で、4K まで選べます。ポスターや印刷物のように大きな出力が要る用途と、文字を画面に入れたい用途に向きます。
特徴
1K / 2K / 4K を 9 種類のアスペクト比で
resolution で 1K / 2K / 4K を、aspect_ratio で 1:1 / 4:3 / 3:4 / 3:2 / 2:3 / 16:9 / 9:16 / 21:9 / 9:21 を選べます。既定は 1K の 1:1 です。出力の縦横は 32 px 単位で、返る画像は下の表の寸法と一致します。
| アスペクト比 | 1K | 2K | 4K |
|---|---|---|---|
| 1:1 | 1024×1024 | 2048×2048 | 4096×4096 |
| 4:3 | 1184×896 | 2368×1760 | 4736×3552 |
| 3:2 | 1248×832 | 2496×1664 | 5024×3360 |
| 16:9 | 1376×768 | 2720×1536 | 5472×3072 |
| 21:9 | 1568×672 | 3136×1344 | 6272×2688 |
縦長(3:4 / 2:3 / 9:16 / 9:21)は幅と高さを入れ替えた寸法です。OpenAI 互換の size に表の寸法(5472x3072 など)をそのまま書いても同じ指定になります。
課金は出力の画素数とプロンプトの長さで決まります
画像のトークン数は出力の幅 × 高さ ÷ 1,024 です(1 トークンが 32×32 px)。1024×1024 は 1,024 トークン、2048×2048 は 4,096 トークン、4096×4096 は 16,384 トークンで、リクエストを送る時点で決まります。これに ¥800 / 1M を掛けた額が画像分です。
このモデルはプロンプトのトークンにも ¥600 / 1M で課金します。300 トークンの説明文で約 ¥0.18 です。レスポンスの usage.completion_tokens が画像、usage.prompt_tokens がプロンプトのトークン数です。
6 ステップに蒸留された 33.1B パラメータの DiT
モデルカードによると、拡散トランスフォーマー(DiT)は 33.1B パラメータで、サンプリングは 6 ステップに蒸留されています。公開されている重みは BF16 で、当サービスでは FP8 に量子化して提供しています。所要時間の目安は 1K / 2K が 5 秒前後、4K が 25 秒前後です。
PNG と JPEG を選べます
output_format に png(既定)か jpeg を指定できます。4K の PNG はレスポンスが 60 MB を超えることがあるため、4K では jpeg を推奨します(数 MB に収まります)。
使い方
OpenAI Images API 互換の形なので、OpenAI SDK の images.generate がそのまま使えます。画像は base64(b64_json)で返ります。
from openai import OpenAI
import base64
client = OpenAI(base_url="https://api.router.hello.ai/v1", api_key="hello_...")
resp = client.images.generate(
model="minimax-h3-image",
prompt="A weathered lighthouse on a basalt cliff at dusk, long exposure, "
"warm light in the lantern room, waves breaking below, 35mm photo",
size="5472x3072", # 4K の 16:9
output_format="jpeg", # 既定は png
)
open("lighthouse.jpg", "wb").write(base64.b64decode(resp.data[0].b64_json))
print(resp.usage) # prompt_tokens(プロンプト)と completion_tokens(画像)
curl https://api.router.hello.ai/v1/images/generations \
-H "Authorization: Bearer hello_..." \
-H "Content-Type: application/json" \
-d '{
"model": "minimax-h3-image",
"prompt": "A weathered lighthouse on a basalt cliff at dusk, long exposure, 35mm photo",
"aspect_ratio": "16:9",
"resolution": "4K",
"output_format": "jpeg"
}'
モデルカードは、短い指示よりも画面全体を具体的に書いた英語の説明文を推奨しています。構図・被写体・光・質感・画面に入れたい文字を文章で書くと、意図どおりになりやすくなります。
対応モデルは GET /v1/images/models で確認できます。リクエストの仕様はドキュメントに掲載しています。
注意点
- 生成は 1 件ずつ処理します。 提供できる同時実行数に限りがあり、混雑時は順番待ちが加わります。待ちが 60 秒を超えたリクエストは 429(
Retry-After付き)を返します。OpenAI SDK は既定で自動的に再試行します - プロンプトにも課金します。 既存の画像モデル 2 つはプロンプトに課金しませんが、このモデルは ¥600 / 1M で課金します。プロンプトは 4,096 トークンまで、かつ 32,768 文字までで、どちらかを超えると 400 を返します
- 参照画像(
input_references)を 1 枚渡すと、その画像を元に編集できます。受け付けるのは PNG / JPEG の data URL だけで、参照画像には ¥400 / 1M で課金します(1024×1024 の参照画像で約 ¥0.4)。仕様はドキュメントに掲載しています nは 1 だけです。複数枚が必要な場合はリクエストを分けてください。seedを指定すると同じプロンプト・同じ寸法から同じ画像が返ります- 生成の途中で接続が切れても、生成が完了すれば課金されます。生成に失敗した場合は課金されません
- テキスト生成とは別サーフェスのため、
GET /v1/modelsにはこのモデルは含まれません - 定額プランの対象外で、クレジットから消費します。トライアルキーは使えません
- このモデルは MiniMax-H3-Image Community License Agreement の利用制限(第 V 条と Exhibit A の Acceptable Use Policy)の対象です。当サービスの利用規約に加えてこの制限が適用されます。EU・英国・韓国・米国での利用は同ライセンスの対象地域外です