MiniMax H3 Image: recensione con punti di forza, debolezze e le impostazioni migliori

16 megapixel in pochi secondi e modifiche con fino a 16 immagini di riferimento: con questi numeri il 10 novembre 2026 MiniMax ha pubblicato MiniMax H3 Image, la versione aperta per le immagini del suo noto modello video MiniMax H3. Poco prima è uscito, sulla stessa base, un secondo modello per immagini: P-H3-Image della startup monacense Pruna AI. Qui trovi cosa arriva davvero nell’uso pratico, dove MiniMax H3 Image perde contro Qwen Image e Krea 2 e come ottenere risultati migliori con poche impostazioni.1,4
H3 Image è forte nella modifica: inserire persone in nuovi ambienti, cambiare i vestiti, riscrivere le insegne. Luce e riflessi si adattano in modo credibile. È debole nei dettagli fini: zoomando, gli sfondi diventano impastati e nelle modifiche i volti non restano sempre gli stessi. Per le immagini da testo esistono modelli aperti migliori, mentre per le modifiche con molte immagini di riferimento H3 Image è tra i migliori. In Germania il modo più semplice per usarlo è l’API ufficiale, da circa 2 centesimi di dollaro a immagine. I prompt giusti li costruisci con il generatore di prompt più sotto.
Cosa mi ha colpito
- La modifica è la disciplina regina. Una persona presa da un’immagine di riferimento e messa su una sedia vuota: siede in modo coerente con la stanza, il suo riflesso compare sul monitor, mobili e cavi restano al loro posto.
- I volti sono il punto debole nelle modifiche. A volte la persona resta perfettamente riconoscibile, a volte esce un altro volto. L’espressione tende a diventare neutra.
- I dettagli fini non reggono il passo dei 16 megapixel. L’effetto d’insieme è giusto, ma zoomando recinzioni, fiori e sfondi diventano sfocati.
- È veloce. Un’immagine 2K viene generata in poco più di 10 secondi su una scheda grafica con 16 GB di memoria video.
- Il testo grande funziona, quello piccolo no. Insegne e titoli di solito sono scritti correttamente, la scrittura a mano piccola contiene errori.
MiniMax H3 Image a confronto: è il miglior modello di immagini aperto?
Non in tutto. MiniMax stessa descrive H3 Image come il modello aperto che segue meglio le istruzioni.1 Nei confronti il risultato dipende molto dal compito:
| Compito | In vantaggio | Valutazione |
|---|---|---|
| Modificare con più immagini di riferimento | H3 Image | Inserisce persone e oggetti in modo spazialmente credibile, fino a 16 immagini di riferimento |
| Mantenere il volto durante la modifica | Qwen Image 2.1 | Conserva l’identità in modo più affidabile, H3 Image è altalenante |
| Qualità dell’immagine da testo | Krea 2 | Appare più naturale e meno levigata; H3 Image spesso sembra troppo perfetta |
| Pose difficili | misto | La testa fuori dal finestrino dell’auto riesce meglio a H3 Image, la posa del piccione nello yoga non la riconosce |
| Alta risoluzione e velocità | H3 Image | 16 megapixel direttamente, senza upscaling |
| Stili | misto | Copertine di riviste e interfacce utente riescono a H3 Image, pixel art e stile Monet piuttosto a Krea 2 |
Rispetto ai modelli chiusi a pagamento GPT Image e Nano Banana, H3 Image si fa valere soprattutto per velocità e modifiche spazialmente coerenti. Un esempio: nell’immagine di confronto di GPT Image mancava il riflesso sul monitor della persona inserita.
P-H3-Image è un’alternativa seria. Genera 8 megapixel invece di 16, è pensato per 8 step di calcolo e si può aggiungere a un’installazione H3 esistente come modulo aggiuntivo da circa 2 GB. Nelle modifiche precise al pixel convince: l’immagine non si sposta e i colori restano uguali.4 Pruna stessa indica come punti di forza fotorealismo, look cinematografici ed editoriali e stili grafici con testo breve.4
I due modelli a confronto diretto:
| MiniMax H3 Image | P-H3-Image | |
|---|---|---|
| Fornitore | MiniMax | Pruna AI |
| Dimensione immagine | circa 16 megapixel, ad es. 4096 × 4096 | 8 megapixel per testo-a-immagine, 4 o 8 per la modifica |
| Step di calcolo | 6 | 8 |
| Immagini di riferimento in modifica | fino a 16 | fino a 8 |
| Dimensione del modello | 33,1 mld di parametri, BF16 circa 69 GB | 33,1 mld di parametri, BF16 circa 100 GB; come modulo aggiuntivo per H3 circa 2 GB più text encoder e VAE |
| Prompt enhancer | opzionale: modello dedicato H3-Image-PE, in ComfyUI Qwen3.5-9B | attivo di default, basato su Qwen3.5-9B |
I punti di forza nel dettaglio
Modifica con immagini di riferimento
H3 Image e P-H3-Image gestiscono generazione e modifica nello stesso modello. Non ti serve un modello di modifica separato.1,4 Funzionano bene:
- Inserire persone in nuove scene, anche a partire da una character sheet con vista frontale, laterale e posteriore
- Cambiare i vestiti, comprese le stampe con testo
- Sostituire le parole sulle insegne, con lo stesso carattere
- Cambiare l’ora del giorno, ad esempio una casa da una giornata grigia a una notte limpida
- Restaurare e colorare vecchie foto
- Stampare loghi sui prodotti, compresa la trama del tessuto
Il motivo di questa forza spaziale sta nell’origine: H3 Image si basa sul modello video MiniMax H3 e ne eredita l’architettura.1 Un modello video deve capire come si legano spazi, luce e riflessi, e questa conoscenza sta anche nel modello per immagini.
Testo nelle immagini
Le parole grandi tra virgolette H3 Image le scrive di solito senza errori, anche i caratteri cinesi accanto al testo inglese. Un menu con più di 50 parole era completamente corretto a 8 megapixel, mentre a 1 megapixel la scrittura a mano piccola cedeva.
Velocità
| Scheda grafica | Modello | Risultato |
|---|---|---|
| 16 GB di memoria video | H3 Image, 4 bit (W4A8) | immagine 2K in ca. 11 s, modifica a 4 MP in ca. 26 s |
| RTX 4090 | H3 Image | 16 MP in ca. 40 s |
| RTX 5090 | P-H3-Image, con prompt enhancer | 2 MP in ca. 30 s, 4 MP in ca. 1 min |
| 24 GB di memoria video | P-H3-Image, senza prompt enhancer | 8 MP in ca. 20 s |
I valori sono indicativi, ricavati da test pratici con ComfyUI, non un benchmark di laboratorio. Che il prompt enhancer sia attivo o meno fa una grande differenza. Poca memoria di sistema rallenta molto: con 32 GB invece di 64 il computer ricarica i modelli a ogni esecuzione e un’immagine richiede circa quattro volte il tempo. Secondo Pruna, P-H3-Image a piena precisione e 8 megapixel richiede circa 101 GB di memoria grafica, mentre la versione a 4 bit per ComfyUI si accontenta di 21 GB.4,6
Le debolezze nel dettaglio
I volti nelle modifiche
Se inserisci in una nuova immagine una persona presa da un’immagine di riferimento, può uscire un volto diverso, abbastanza spesso da dover controllare con attenzione ogni risultato. È tipica anche un’espressione neutra. Le maiuscole nel prompt non cambiano nulla. Ha aiutato descrivere l’espressione con parole semplici, ad esempio “mouth slightly open, eyebrows raised”, e indicare esplicitamente che volto e lineamenti restano invariati.
Dettagli impastati
I dettagli sfocati hanno una causa tecnica. L’encoder delle immagini riduce l’immagine di un fattore 16, poi il modello raggruppa ancora una volta 2 × 2 celle. Ogni unità di calcolo rappresenta così 32 × 32 pixel.1 Per un modello video con molte immagini di riferimento ha senso, per i dettagli fini di un’immagine è uno svantaggio.
Errori ricorrenti
- Gli animali ricevono mani umane, ad esempio una lepre che suona la chitarra. Rimedio: chiedere esplicitamente “paws” nel prompt.
- Loghi indesiderati, ad esempio il nome di un produttore su una chitarra, anche se il prompt non ne voleva.
- Le pose si spostano nelle modifiche, ad esempio braccia incrociate che scompaiono.
- Il trasferimento di stile da una seconda immagine funziona male. Il modello non riconosce il cubismo, la pittura a olio resta quasi una foto.
Le migliori impostazioni e i consigli sui prompt per MiniMax H3 Image
- Descrivi in dettaglio, in inglese. Secondo la model card, H3 Image si aspetta una descrizione inglese dettagliata dell’intera immagine. I prompt brevi, nell’API, MiniMax li fa prima riformulare da un modello aggiuntivo.1
- Calcola abbastanza in grande. MiniMax indica un intervallo di lavoro di circa 4-20 megapixel, con il risultato migliore intorno ai 16.1 Per bozze veloci basta meno, ma i volti piccoli richiedono almeno 4 megapixel.
- Non aumentare gli step. H3 Image è pensato per 6 step, P-H3-Image per 8, entrambi senza CFG e senza prompt negativo.1,4 Con 20 step l’immagine risultava sovraccarica.
- Metti il testo tra virgolette e lascia perdere parole riempitive come “masterpiece” o “8K”. Rendono l’immagine lucida e troppo satura.
- Nelle modifiche di’ cosa resta. Alla fine del prompt indica esplicitamente come invariati volto, lineamenti, posa e inquadratura. Descrivi l’espressione in modo semplice invece di forzarla con le maiuscole, ad esempio “mouth slightly open, eyebrows raised”. Nomina solo ciò che è davvero nell’immagine, altrimenti i dettagli contaminano altri punti.
- La prima immagine determina il formato. Il risultato prende il rapporto d’aspetto della prima immagine. Quindi carica per prima lo sfondo.
- Quando rimuovi qualcosa, di’ cosa c’è dopo al suo posto. “Rimuovi la scritta” da sola spesso riempie il punto con qualcosa di nuovo. “Una superficie di legno liscia verde scuro senza lettere” funziona.
- Prova i sampler. Con LCM al posto di Euler i risultati spesso diventano più morbidi e hanno meno artefatti.
Il prompt enhancer integrato trasforma un’idea breve in un prompt lungo e così produce immagini da testo visibilmente migliori. Richiede però parecchi gigabyte aggiuntivi di memoria video, su computer meno potenti può essere lento e, senza indicazioni precise, inventa dettagli propri, ad esempio il nome di una band su un poster.
Generatore di prompt: prompt di modifica nel formato ufficiale
Negli esempi ufficiali di MiniMax un prompt di modifica ha una struttura fissa. Per prima cosa ogni oggetto viene associato in inglese a un’immagine, ad esempio “The woman on the left in <Picture 1> is <Subject 1>”. Poi segue cosa mostra l’immagine finale e, per ogni oggetto, cosa resta e cosa cambia.7 Questa struttura, altrimenti, la scrive il prompt enhancer.
Con il generatore compili tu le varie parti e ottieni il prompt finito. Ti avverte anche degli errori tipici: parole riempitive, maiuscole, negazioni, animali senza zampe e rimozioni senza indicare cosa deve vedersi dopo.
Generatore di prompt per MiniMax H3 Image
Costruisce il tuo prompt nel formato che MiniMax usa negli esempi ufficiali. Compila i campi in inglese, perché il modello si aspetta una descrizione inglese. Tutto avviene nel tuo browser, non viene inviato nulla.
Funziona tramite l’API di MiniMax, l’app Hailuo e, dove la licenza lo consente, in locale. Per P-H3-Image e altri editor di immagini i prompt di solito si possono usare allo stesso modo.
Come iniziare con MiniMax H3 Image: API o ComfyUI
Senza installazione puoi usarlo nell’app web Hailuo o tramite l’API della piattaforma MiniMax. L’API ha interfacce separate per testo-a-immagine, modifica ed espansione del prompt.1,11 Si paga in base al consumo. MiniMax indica questi prezzi di esempio per immagine:13
| Compito | Risultato | Prezzo per immagine |
|---|---|---|
| Immagine da testo | 1K (1024 × 1024) | ca. 0,022 dollari USA |
| Immagine da testo | 2K (2048 × 2048) | ca. 0,023 dollari USA |
| Immagine da testo | 4K (4096 × 4096) | ca. 0,069 dollari USA |
| Modifica con 1 immagine di riferimento | 4K | ca. 0,073 dollari USA |
| Modifica con 3 immagini di riferimento | 4K | ca. 0,079 dollari USA |
Per il lancio, le immagini 4K costano la metà fino al 17 novembre 2026. Una variante più veloce chiamata H3-Image-Highspeed costa circa il doppio.13 L’API si può integrare in flussi con n8n, Make o un agente IA. Tieni presente che così le tue immagini vanno a MiniMax. Le foto dei clienti ci vanno solo con una base giuridica.
In ComfyUI ti serve la versione aggiornata. Poi sotto “Templates” trovi un template per testo-a-immagine e uno per la modifica. I file ufficiali per ComfyUI:5
| File | Dimensione | Cartella |
|---|---|---|
| Modello di diffusione (INT8) | 21 GB | models/diffusion_models |
| Text encoder Qwen3-VL-32B (INT8) | 25,3 GB | models/text_encoders |
| VAE (FP16) | 1,2 GB | models/vae |
| Prompt enhancer Qwen3.5-9B (opzionale) | 7,3 GB | models/text_encoders |
Chi lavora già con il modello video MiniMax H3 di solito ha già il text encoder. Per l’uso in locale vale però la questione della licenza nella sezione successiva.
Posso usare MiniMax H3 Image in locale in Germania?
È la grande domanda se vuoi far girare il modello sul tuo computer in ComfyUI. La licenza di H3 Image vale in tutto il mondo, con l’eccezione dell’UE, del Regno Unito, della Corea del Sud e degli Stati Uniti. Riguarda espressamente anche le immagini generate.2 Per P-H3-Image vale la stessa regola territoriale.4 MiniMax motiva la scelta con le regole ancora poco chiare per i modelli generativi, tra l’altro a causa del regolamento UE sull’IA, e per questi paesi offre la possibilità di richiedere una licenza separata.3
Per l’API ufficiale, secondo MiniMax, la limitazione non vale.3 Tramite la piattaforma MiniMax, l’app web Hailuo o OpenRouter puoi quindi usare H3 Image anche dalla Germania.1,11,12 Se per l’elaborazione delle immagini punti comunque sul self-hosting, con ogni modello aperto controlla prima il testo della licenza. Questa non è consulenza legale.
Chi c’è dietro H3 Image e P-H3-Image?
MiniMax è un’azienda di IA cinese. Sviluppa modelli di base propri per testo, immagini, video, voce e musica ed è nota soprattutto per l’app video Hailuo. Secondo i suoi stessi dati, oltre 300 milioni di persone in più di 230 paesi e regioni usano i suoi modelli e prodotti.8 H3 Image è la versione per immagini del modello video MiniMax H3, uscito in estate.1
Pruna AI è una startup di Monaco di Baviera con una seconda sede di ricerca a Parigi. Tra i fondatori c’è Stephan Günnemann, professore all’Università Tecnica di Monaco. Pruna rende i modelli di IA più piccoli, più veloci e più economici da far funzionare.9,10 P-H3-Image è proprio un progetto di questo tipo: Pruna ha trasformato il grande modello video H3 in un modello per immagini.4
Conclusione: per chi vale la pena usare MiniMax H3 Image
Vale la pena se vuoi modificare immagini esistenti: inserire foto di prodotto in nuovi ambienti, riunire persone da più immagini di riferimento, cambiare scritte o restaurare vecchie foto.
Meglio di no se ti servono soprattutto immagini da testo ricche di dettagli e dall’aspetto naturale. Per questo Krea 2 nei confronti è stata di solito la scelta migliore. E se nelle modifiche i volti devono restare esattamente uguali, Qwen Image 2.1 è più affidabile.
Domande frequenti su MiniMax H3 Image
MiniMax H3 Image è meglio di Qwen Image 2.1?
Dipende dal compito. Per alta risoluzione, velocità e modifiche spazialmente coerenti H3 Image è in vantaggio. Nel mantenere i volti, nei confronti Qwen Image 2.1 è stato più affidabile.
Perché MiniMax H3 Image cambia il volto nelle modifiche?
Non succede sempre, ma succede con regolarità. Aiutano almeno 4 megapixel per i volti piccoli, una descrizione dell’espressione con parole semplici e una riga che indichi esplicitamente il volto come invariato.
Qual è la differenza tra MiniMax H3 Image e P-H3-Image?
H3 Image viene da MiniMax stessa, genera circa 16 megapixel in 6 step e accetta fino a 16 immagini di riferimento. P-H3-Image viene dalla startup monacense Pruna AI, genera 8 megapixel in 8 step e accetta fino a 8 immagini di riferimento. Entrambi si basano sul modello video MiniMax H3.1,4
Di quanta memoria grafica ha bisogno MiniMax H3 Image?
La versione completa BF16 pesa circa 69 GB, a cui si aggiunge il text encoder.1 Per ComfyUI esiste una versione INT8 da 21 GB più un text encoder da 25,3 GB. Il template parte volutamente con 4 megapixel, perché i computer con poca memoria video non vadano in crash.5 Grazie al trasferimento automatico nella memoria di sistema, H3 Image ha girato velocemente anche su una scheda con 16 GB di memoria video.
Quanto costa MiniMax H3 Image?
I file del modello sono gratuiti, ma secondo la licenza il loro uso è consentito solo fuori dai territori esclusi, tra cui c’è l’UE.2 Tramite l’API un’immagine costa, secondo MiniMax, tra circa 0,022 dollari USA (1K) e 0,069 dollari USA (4K), le modifiche qualcosa in più.13
Come installo MiniMax H3 Image in ComfyUI?
Aggiorna ComfyUI, apri sotto “Templates” il template per MiniMax H3 Image e metti i quattro file nelle cartelle indicate: modello di diffusione, text encoder, VAE e, opzionalmente, il prompt enhancer.5 Nell’UE l’uso in locale, secondo la licenza, è consentito solo con un’autorizzazione separata di MiniMax.2,3
Posso creare video con MiniMax H3 Image?
No, H3 Image genera solo immagini statiche. Per i video c’è il modello gemello MiniMax H3. Un’immagine creata con H3 Image puoi usarla lì come immagine iniziale.1
Fonti
- MiniMax: model card MiniMax-H3-Image su Hugging Face, consultata il 12/11/2026. huggingface.co.
- MiniMax: MiniMax-H3-Image Community License Agreement, consultato il 12/11/2026. huggingface.co.
- MiniMax: Q&A About License (MiniMax-H3), consultato il 12/11/2026. huggingface.co.
- Pruna AI: model card P-H3-Image su Hugging Face, consultata il 12/11/2026. huggingface.co.
- Documentazione di ComfyUI: MiniMax H3 Image. docs.comfy.org.
- Documentazione di ComfyUI: P-H3-Image. docs.comfy.org.
- MiniMax: esempio ufficiale di modifica (revised_prompt.edit.txt) per la model card. huggingface.co.
- MiniMax: About MiniMax, consultato il 12/11/2026. minimax.io.
- Pruna AI: About, consultato il 12/11/2026. pruna.ai.
- Technische Universität München (01/10/2026): Pruna AI develops optimized, highly efficient AI models. tum.de.
- Piattaforma MiniMax: Image Generation Guide. platform.minimax.io.
- OpenRouter: MiniMax H3 Image, pagina del modello con i prezzi. openrouter.ai.
- Piattaforma MiniMax: Pricing Overview, sezione Image, consultata il 12/11/2026. platform.minimax.io.
I valori misurati sono indicativi, ricavati da test pratici, e dipendono da hardware e impostazioni. Aggiornato al 12 novembre 2026.