11月10日，MiniMax正式发布了新一代图像生成模型H3-Image，并同步开放模型权重。这款模型支持文生图、参考图生成和图片编辑等功能。

根据MiniMax官方介绍，H3-Image这次主要升级了三个方面：生成速度、画面真实感和复杂指令遵循能力。 官方宣称，模型最快可以在10秒内生成一张4096×4096像素、约1600万像素的4K图片，生成速度最高可达到主流模型的5倍。

图｜网页端已经可以使用，支持各种分辨率以及比例图片生成

在画面质量方面，H3-Image着重改善了AI图片常见的塑料感，能够还原更加真实的皮肤、毛发、光影和材质细节。指令遵循方面，官方称模型能够理解复杂的画面要求，最多支持16张参考图片输入。

从官方展示的案例来看，H3-Image已经可以完成机械爆炸图、产品设计图、多图融合以及复杂商业海报等任务。不过，这些能力在实际使用中究竟表现如何？

图｜官方称已经支持白模渲染

为此，我们设计了一套100分的测评方案，分别从生成速度、画面真实感、复杂指令遵循、图片编辑、多图参考融合、商业实用性六个维度展开，一共设置8个测试项目。

最终，H3-Image在这套测试中获得了77分，总得来说，你需要的如果只是一张高质量的照片，那么在很多商业场景里，已经不需要专业摄影师了！

生成4K图片速度测试

为了测试官方重点宣传的4K图像生成速度，我们让H3-Image生成一张具有3D游戏引擎质感的未来港口场景。

画面里需要出现集装箱、工业起重机、仓库和雨后的金属地面，同时安排两名穿着不同装备的游戏角色，其中一人半蹲在掩体后，另一人站在高处平台上，这次生成最终用时59秒，明显超过了官方宣传的最快10秒。

图｜用时还是比较长的，不过和主流模型接近，只是没有达到宣称的几秒出图

当然，这是我们在当前使用环境下记录的一次生成耗时，尚不足以代表模型的平均速度。不过单看这次体验，H3-Image在速度方面并没有带来明显惊喜。

不过图片质量倒是没有太大问题。下载后确认，生成结果确实达到了所选的4K规格，没有出现分辨率缩水的情况。

不过，画面里的两名游戏角色出现了明显的风格差异。其中一名角色符合科幻射击游戏的设定，另一名角色却带着浓厚的仙侠游戏风格，多少有点跨服联机的意思了。

综合考虑分辨率、生成耗时和画面完成度，这一项我们给H3-Image打了12分，满分20分。

真实人物摄影测试

画面真实感是H3-Image另一个重点宣传的能力。过去不少AI生图模型虽然能生成非常精致的人像，但经常存在皮肤过度平滑的问题，人物的毛孔、皱纹和皮肤色差被处理得过于干净，看起来更接近商业精修照片。

这次要求H3-Image生成一张普通人在咖啡馆里的生活照片。

人物设定为一名30岁左右的亚洲女性，坐在咖啡馆靠窗的位置，刚刚回头看向镜头。人物没有浓妆，需要保留真实的皮肤毛孔、雀斑、细小绒毛和眼角纹理，窗户上还要有少量灰尘和水痕。

生成结果确实令人惊喜。整张图片的第一观感已经非常接近真实摄影。人物的神态自然，没有明显的摆拍感。

尤其是将图片放大之后，脸上的细小雀斑、毛孔、嘴唇纹理以及发际线附近的碎发，都能够比较清楚地观察到。人物的眼神、手部姿态和窗边的自然光影也处理得相当协调。H3-Image并没有刻意把人物处理得过于精致，而是保留了一些真实生活中常见的皮肤瑕疵。

人物真实感测试，我们给了15分满分。

立体纸雕材质测试

除了人像摄影，我们还测试了另一种对材质和空间关系要求较高的画面。

这次的任务，是将巴西里约热内卢的城市地标制作成一本立体纸雕旅行手帐。要求画面中出现基督像、糖面包山、海湾和海滩等元素，全部采用多层彩色纸张制作，能够看清纸张的裁切边缘、实际厚度，以及纸层之间的自然阴影。

为了增加难度，还要求画面左下角出现一只真实的人手，轻轻扶住手帐。手指的皮肤纹理、关节、指甲边缘，甚至少量小痣都要符合真实摄影效果。

这张图的完成度同样很高。首先，纸雕的层次表现比较准确。不同颜色的纸张按照前后关系排列，边缘有明显的厚度，阴影也能对应不同的纸层位置，没有直接变成一张平面的彩色插画。

其次，基督像、糖面包山等城市地标具有较高的辨识度，整体配色鲜活，但没有明显的过度饱和问题。另外，左下角的人手放大之后，手指关节的褶皱、皮肤纹理、指甲边缘的细节都比较自然，甚至连手背上的小痣都生成了出来。

这一项我们同样给了15分满分。两项真实感测试合计30分，H3-Image全部拿下。

手机CAD三视图与爆炸拆解测试

在官方展示的案例中，机械结构图和爆炸拆解图是比较有代表性的应用场景。这种任务对于图像生成模型的要求，比普通摄影图片更复杂。除了画面本身要清晰，还需要理解产品结构、零件之间的空间关系，以及基本的装配逻辑。

所以这次，我们直接拿一部iPhone Air来测试。我们上传了手机的正面和背面参考图片，要求H3-Image为它生成一张工业设计风格的产品结构展示板。

从整体展示效果来看，H3-Image确实理解了我们想要的画面形式。手机的各个部分按照爆炸图的方式排列，主要零件之间留有间距，中文名称也基本能够准确显示，如果只是简单看一下，确实很像一张专业的产品结构示意图。

但仔细放大研究之后，就会发现这张图存在不少问题。 首先，手机内部的零件结构并不准确。主板、摄像头模组等部件的具体形状和位置，与真实产品的内部结构存在较大差异。部分零件看起来确实具有手机内部元器件的特征，但具体的装配关系并不合理。模型更像是根据常见手机拆解图的视觉特征，推测出了一套内部结构。

对于一般准确度要求不高的场景，这类图片可以作为概念示意图使用。但如果涉及严肃的机械设计、维修教学或工业生产，就不能直接采用。

这轮测试中，我们给11分，满分20分。

多参考图融合测试

H3-Image官方宣称最多可以支持16张参考图片输入，这个功能对于角色设计、产品视觉和复杂场景创作比较有吸引力。为了测试多图融合效果，我选择了一个更容易判断角色一致性的任务：给我家的猫变成一只猫咪探险家。

我家的猫是一只银灰色虎斑猫，我们上传了猫咪照片，以及探险夹克、望远镜、手套、裤子和登山靴等参考图片，要求模型将这些素材融合成一张拟人猫咪探险家的电影海报。

这项测试之前，我们还使用ChatGPT生成过相同主题的角色图片，因此这次正好可以把两个结果放在一起观察。

原始猫咪照片	ChatGPT生成	H3-Image生成

从装备还原情况来看，H3-Image表现得比较完整。探险服、手套、靴子和背包等元素都得到了体现，猫咪也能够自然地站立在雪山场景中，整体具有电影海报的视觉效果。

但比较两个版本之后，我发现了一个很明显的区别。ChatGPT生成的版本，在猫咪的脸部神态上更接近我自己家的猫，而H3-Image生成的角色虽然同样是一只银灰色虎斑猫，但猫咪的神韵没有完全还原，看起来更像另外一只猫。

所以这一项最终得分14分，满分20分。

跨境电商宣传海报测试

商业实用性方面，我们还安排了一项跨境电商海报测试，主题是给中国辣条制作一张面向海外消费者的宣传图片。要求：画面中需要出现红色的辣条包装、辣条实物以及香辛料元素，商品呈现自然的油润质感，同时加入指定的中英文广告文案。

英文主标题为“SPICY SNACKS”，副标题为“Made for Bold Flavors”，底部还需要准确写出中文“辣得过瘾”。

最终生成的海报整体效果不错。英文标题和副标题都没有出现拼写错误，中文文字也准确显示。商品包装的塑料反光、辣条表面的油润质感，以及香辛料的细节，都符合食品广告的视觉要求。

在画面构图上，辣条包装位于视觉中心，产品和背景之间有比较明显的层次，文字也没有被商品遮挡。对于这类常见的电商营销素材，H3-Image的完成度已经比较高。

跨境电商海报测试得分5分，满分5分。

图片生成成本测试

最后再看实际成本。按照这次测试记录，我们总共生成了8张图片，其中有5张达到了设定的合格标准，累计花费3.5元。也就是说，平均每生成一张合格图片，实际费用约为0.7元。

对于需要大量制作文章配图、电商素材和社交媒体图片的团队来说，这个价格具有一定的吸引力，成本测试得分5分，满分5分。

从这次测试结果来看，H3-Image在画面真实感、材质和光影表现上，已经达到了相当高的水平。尤其是人物摄影，皮肤毛孔、发丝、自然光影都非常逼真，普通人很难一眼分辨真假。

以前需要摄影师、模特、场地、灯光和后期团队配合完成，现在只需要一段提示词，花几块钱甚至几毛钱，就能得到非常接近真实摄影的效果。

所以我想说一个可能得罪摄影师的观点：如果从第一性原理出发，你需要的仅仅是一张高质量的照片，那么在很多商业场景里，比如电商产品图、人像实景照片等，已经不需要专业摄影师了。

当然，如果你需要的是真实事件的记录、婚礼现场，或者享受拍摄本身的情绪价值，那就是另外一回事了。

▲星海情报局 AI重构世界专栏