
留在云端的一半开始归还:MiniMax 开源 H3-Image 提示词扩写权重,19GB 显存可自托管
MiniMax 开源 H3-Image 的提示词扩写模块 PE:Qwen3.8-27B 微调、FP4 约 19 GiB 显存,短句进、扩写描述与画幅比例出——此前只留在云端 API 的 Context-IR 环节现在可以自托管了。
相关标签
留在云端的一半开始归还:MiniMax 开源 H3-Image 提示词扩写权重,19GB 显存可自托管
昨天本版刚报道过 MiniMax-H3 的开源边界——核心权重开放,但决定画质成败的两个模块(提示词扩写 Context-IR 与重生成 Regenerate-2K)只留在云端 API 里。话音未落,边界移动了:MiniMax 已在 HuggingFace 放出 MiniMax-H3-Image-PE,把其中提示词扩写(Prompt Expansion)这一环的权重正式开源。两个”云端模块”之一,现在可以自托管了。
它是做什么的:MiniMax-H3-Image-PE 是官方为文生图/图像编辑模型 MiniMax-H3-Image 配套的提示词扩写模型。输入一句简短的生成请求(例如”一只橘猫在洒满阳光的窗台上睡觉”),输出固定两字段的 JSON:扩写后的完整画面描述 expanded_caption,加上推荐的画幅比例 aspect_ratio(如 “3:2”)。这段扩写描述再喂给 H3-Image 完成实际出图。也就是说,它不画图,而是负责把”一句话”翻译成画图模型吃得透的”详细画稿说明”——这一步的质量直接决定成图的构图、光线与细节。
权重与部署:T2I PE 权重从 Qwen3.8-27B 微调而来,以 FP4 精度发布。部署两条路:一是 SGLang(要求 sglang≥0.5.23 加 xgrammar,模型输出被约束在 JSON schema 内,默认 reasoning_effort 为 xhigh、max_tokens 4096 含思考过程);二是经 diffusers 的 Modular Diffusers blocks 在 Transformers 里本地跑,FP4 权重约占 19 GiB 显存——支持原生 FP4 的显卡直接跑 NVFP4,其他卡走 bitsandbytes。官方随包给出任务提示词、系统提示词、请求参数和客户端示例,照抄即可复现。
另一半还没归还:图像编辑环节的 PE 仍在开发中,本次只发布了任务提示词——可以接到任意支持图文交错输入的视觉语言模型上使用,但没有官方权重。被点名的重生成(Regenerate-2K)模块同样未开。许可证沿用 MiniMax-H3-Image Community License,需要单独书面授权的场景走官方许可页申请。
适合谁用:已经在自建 H3-Image 出图管线、此前只能依赖云端 API 补齐扩写环节的团队——现在这一环可以搬进自己的 19 GiB 显存里;也适合研究”提示词工程模型化”的团队:官方把扩写从手写模板升级为一个微调模型,并且用 JSON schema 约束输出结构,是一个可直接参考的工程范式。
从只开源中间一段,到逐块归还云端能力,MiniMax-H3 的开源策略正在以周为单位挪动边界。对自托管玩家来说,值得盯的下一格是 Regenerate-2K 何时开源;在那之前,管线里仍有一环要依赖云端或第三方替代实现。
更多资讯
想看更多优质内容?
浏览所有资讯