MiniMax presenta H3-Image con 4K nativo
El nuevo generador de imágenes basado en H3 produce imágenes nativas de 4096×4096 en seis pasos y admite prompts largos y múltiples referencias.
MiniMax presenta H3-Image con 4K nativo
A partir del modelo de vídeo H3, MiniMax creó un generador de imágenes. Genera imágenes nativas de 4096×4096 en seis pasos. Se pueden usar prompts de hasta 32 000 caracteres y hasta 16 referencias.
La generación de texto a imagen en 4K tardó unos 10,3 segundos en modo Highspeed y 16 segundos en modo Standard. En la misma prueba, Nano Banana 2.1 con thinking medium tardó 50 segundos. En la API, esta generación en Standard cuesta unos 0,07 USD, aunque ahora hay un descuento del 50% en el lanzamiento. Hasta el 23 de noviembre incluido, fal ofrece 3-5 generaciones gratuitas.
H3-Image es un transformador de difusión de 33,1B. Junto con el codificador y el VAE, hay que descargar unos 135 GB. Para tarjetas de 24 GB, SGLang propone descargar capas a la RAM del sistema. ComfyUI ya tiene plantillas. Los entusiastas ya han creado una LoRA de dos pasos, pero la calidad aún debe comprobarse.
Por qué es importante
AnálisisEste lanzamiento muestra que los modelos abiertos de IA para generar imágenes se acercan a los servicios comerciales en velocidad, calidad y coste de inferencia.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
GPT Image / DALL-E (Generación de Imágenes en ChatGPT)
Herramienta integrada de generación de contenido visual directamente en el diálogo con ChatGPT. Permite crear ilustraciones, arte conceptual, textos para carteles y editar fragmentos de imágenes localmente.
GPT Image 2.6 vs. Seedream 5.5: prueba de generación de fotos
Se comparó GPT Image 2.6 y Seedream 5.5 con una foto realista en un ascensor: el modelo chino imita mejor la foto de iPhone, pero sigue fallando en detalles.
ControlNet: Control de Posiciones y Geometría
Extensión de red neuronal para modelos de difusión (Stable Diffusion) que permite controlar la composición espacial de la generación mediante mapas de profundidad, contornos de líneas (Canny edge) y 'esqueletos' de poses humanas (OpenPose). Transforma la generación caótica en una herramienta precisa para diseñadores.
Guía de prompts para los modelos generativos GPT Image
Los modelos de generación de imágenes gpt-image de OpenAI están diseñados para obtener visuales de calidad de producción y procesos creativos totalmente controlables. Son adecuados...