MiniMax представила H3-Image із нативним 4K
Новий генератор зображень на базі H3 створює нативні зображення 4096×4096 за 6 кроків і підтримує довгі промпти та референси.
MiniMax представила H3-Image із нативним 4K
На основі відеомоделі H3 створили генератор зображень. Він створює нативні зображення 4096×4096 за шість кроків, приймає промпт до 32 000 символів і до 16 референсів.
Генерація 4K за текстом зайняла ~10,3 секунди в режимі Highspeed і 16 секунд у Standard. У Nano Banana 2.1 з thinking medium у тому самому тесті вийшло 50 секунд. У API така генерація в Standard коштує ~$0,07, але на старті діє знижка 50%. До 23 листопада включно на fal можна отримати 3–5 безкоштовних генерацій.
H3-Image — це дифузійний трансформер на 33,1B. Разом з ендкодером і VAE потрібно завантажити близько 135 ГБ. Для карт на 24 ГБ SGLang пропонує переносити шари в оперативну пам’ять. У ComfyUI вже є шаблони. Ентузіасти вже створили двокрокову LoRA, але якість ще треба перевірити.
Чому це важливо
АналітикаЦе показує, що відкриті ШІ-моделі для генерації зображень швидко наближаються до комерційних сервісів за швидкістю, якістю та вартістю інференсу.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
GPT Image / DALL-E (Генерація зображень у ChatGPT)
Вбудований інструмент генерації візуального контенту безпосередньо у діалозі з ChatGPT. Дозволяє створювати ілюстрації, концепт-арт, постерні написи та локально редагувати фрагменти зображень.
Порівняння GPT Image 2.6 і Seedream 5.5: тест генерації фото
GPT Image 2.6 і Seedream 5.5 порівняли на реалістичному фото в ліфті: китайська модель краще імітує знімок iPhone, але має проблеми з деталями.
ControlNet: керування позами та геометрією
Нейромережева надбудова для дифузійних моделей (Stable Diffusion), що дозволяє керувати просторовою композицією генерації за допомогою карт глибини, контурів ліній (Canny edge) та «скелетів» людських поз (OpenPose). Перетворює хаотичну генерацію на точний інструмент дизайнера.
Промпт-гайд по генеративним моделям GPT Image
Моделі генерації зображень gpt-image від OpenAI створені для отримання візуалів виробничої якості та повністю керованих творчих процесів. Вони підходять як для професійних дизайн-з...