MiniMax H3 Image em análise: pontos fortes, pontos fracos e as melhores definições

Simon Gütter · 12 de novembro de 2026 · Tempo de leitura: cerca de 12 minutos

Imagem de capa «MiniMax H3 Image»: três fotografias instantâneas do mesmo motivo numa mesa de luz, com uma lupa de cabo cor de laranja por cima

16 megapixéis em segundos e edições com até 16 imagens de referência: com estes valores, a MiniMax lançou o MiniMax H3 Image a 10 de novembro de 2026, o derivado de imagem aberto do seu conhecido modelo de vídeo MiniMax H3. Pouco antes, a startup Pruna AI, de Munique, lançou o P-H3-Image, um segundo modelo de imagem na mesma base. Aqui explico o que disto chega à prática, onde o H3 Image perde para o Qwen Image e o Krea 2 e como podes tirar melhores resultados com poucas definições.1,4

Em resumo

O H3 Image é forte na edição: colocar pessoas em novas divisões, trocar roupa, reescrever letreiros. A luz e os reflexos adaptam-se de forma credível. É fraco nos detalhes finos: ao fazer zoom, os fundos ficam pastosos, e os rostos nem sempre se mantêm iguais nas edições. Para imagens a partir de texto há melhores modelos abertos; para edições com muitas imagens de referência, o H3 Image está entre os melhores. Na Alemanha, a forma mais simples de o usar é através da API oficial, a partir de cerca de 2 cêntimos de dólar por imagem. Os prompts certos constróis com o gerador de prompts mais abaixo.

O que me chamou a atenção

  • A edição é a disciplina rainha. Uma pessoa de uma imagem de referência colocada numa cadeira vazia: fica bem integrada na divisão, o reflexo aparece no monitor, e os móveis e os cabos continuam no sítio.
  • Os rostos são o ponto fraco na edição. Umas vezes a pessoa mantém-se perfeitamente reconhecível, outras sai um rosto diferente. A expressão facial tende a ficar neutra.
  • Os detalhes finos não acompanham os 16 megapixéis. O efeito geral está certo, mas ao fazer zoom, vedações, flores e fundos ficam desfocados.
  • É rápido. Uma imagem 2K é gerada em pouco mais de 10 segundos numa placa gráfica com 16 GB de memória de vídeo.
  • Letras grandes funcionam, pequenas não. Letreiros e títulos costumam sair bem escritos; a letra manuscrita pequena tem erros.

MiniMax H3 Image em comparação: é o melhor modelo de imagem aberto?

Não em tudo. A própria MiniMax descreve o H3 Image como o modelo aberto que melhor segue instruções.1 Nas comparações, o resultado depende muito da tarefa:

Tarefa À frente Avaliação
Edição com várias imagens de referência H3 Image Insere pessoas e objetos de forma espacialmente credível, até 16 imagens de referência
Preservar o rosto na edição Qwen Image 2.1 Mantém a identidade de forma mais fiável, o H3 Image oscila
Qualidade de imagem a partir de texto Krea 2 Parece mais natural e menos alisado; o H3 Image parece muitas vezes demasiado perfeito
Poses difíceis misto A cabeça fora da janela do carro o H3 Image faz melhor; a pose do pombo no ioga não a reconhece
Alta resolução e velocidade H3 Image 16 megapixéis diretamente, sem ampliar
Estilos misto Capas de revista e interfaces saem bem ao H3 Image; pixel art e estilo Monet saem melhor ao Krea 2

Face aos modelos fechados e pagos GPT Image e Nano Banana, o H3 Image ganha sobretudo na velocidade e em edições espacialmente coerentes. Um exemplo: o reflexo de uma pessoa inserida no monitor faltava na imagem de comparação do GPT Image.

O P-H3-Image é uma alternativa séria. Gera 8 em vez de 16 megapixéis, está pensado para 8 passos de cálculo e pode ser acrescentado a uma instalação H3 existente como módulo adicional de cerca de 2 GB. Em edições ao pixel convence: a imagem não se desloca e as cores mantêm-se.4 A própria Pruna aponta como pontos fortes o fotorrealismo, os looks de cinema e editoriais e estilos gráficos com texto curto.4

Os dois modelos lado a lado:

MiniMax H3 Image P-H3-Image
Fornecedor MiniMax Pruna AI
Tamanho da imagem cerca de 16 megapixéis, p. ex. 4096 × 4096 8 megapixéis para texto-para-imagem, 4 ou 8 para edição
Passos de cálculo 6 8
Imagens de referência na edição até 16 até 8
Tamanho do modelo 33,1 mil milhões de parâmetros, BF16 cerca de 69 GB 33,1 mil milhões de parâmetros, BF16 cerca de 100 GB; como módulo adicional para o H3 cerca de 2 GB, mais codificador de texto e VAE
Melhorador de prompts opcional: modelo próprio H3-Image-PE, no ComfyUI Qwen3.5-9B ativo por defeito, com base no Qwen3.5-9B

Pontos fortes em detalhe

Edição com imagens de referência

O H3 Image e o P-H3-Image tratam da geração e da edição no mesmo modelo. Não precisas de um modelo de edição separado.1,4 Funcionam bem:

  • Colocar pessoas em novas cenas, também a partir de uma folha de personagem com vista frontal, lateral e traseira
  • Trocar roupa, incluindo estampados com texto
  • Substituir palavras em letreiros, no mesmo tipo de letra
  • Mudar a hora do dia, por exemplo uma casa de um dia cinzento para uma noite limpa
  • Restaurar e colorir fotografias antigas
  • Imprimir logótipos em produtos, incluindo a estrutura do tecido

A razão para esta força espacial está na origem: o H3 Image baseia-se no modelo de vídeo MiniMax H3 e herda a sua arquitetura.1 Um modelo de vídeo tem de perceber como se relacionam espaços, luz e reflexos, e esse conhecimento também está no modelo de imagem.

Texto em imagens

Palavras grandes entre aspas o H3 Image escreve quase sempre sem erros, incluindo carateres chineses ao lado de texto em inglês. Um menu com mais de 50 palavras saiu totalmente certo a 8 megapixéis; a 1 megapixel, a letra manuscrita pequena degradou-se.

Velocidade

Placa gráfica Modelo Resultado
16 GB de memória de vídeo H3 Image, 4 bits (W4A8) imagem 2K em cerca de 11 s, edição com 4 MP em cerca de 26 s
RTX 4090 H3 Image 16 MP em cerca de 40 s
RTX 5090 P-H3-Image, com melhorador de prompts 2 MP em cerca de 30 s, 4 MP em cerca de 1 min
24 GB de memória de vídeo P-H3-Image, sem melhorador de prompts 8 MP em cerca de 20 s

Os valores são indicativos, retirados de testes práticos com ComfyUI, e não um benchmark de laboratório. Se o melhorador de prompts corre ou não faz uma grande diferença. Pouca memória RAM trava muito: com 32 em vez de 64 GB, o computador volta a carregar os modelos em cada execução, e uma imagem demora então cerca de quatro vezes mais. Segundo a Pruna, o P-H3-Image em precisão total precisa de cerca de 101 GB de memória gráfica a 8 megapixéis; a versão de 4 bits para ComfyUI fica-se pelos 21 GB.4,6

Pontos fracos em detalhe

Rostos na edição

Se colocas uma pessoa de uma imagem de referência numa nova imagem, pode sair um rosto diferente, com frequência suficiente para verificares cada resultado com atenção. Também é típica uma expressão facial neutra. Maiúsculas no prompt não mudam nada. Ajudou descrever a expressão em palavras simples, por exemplo “mouth slightly open, eyebrows raised”, e definir explicitamente o rosto e as feições como inalterados.

Detalhes pastosos

Para os detalhes desfocados há uma causa técnica. O codificador de imagem reduz a imagem por um fator de 16, e o modelo agrupa depois mais uma vez 2 × 2 campos. Cada unidade de cálculo representa assim 32 × 32 píxeis.1 Num modelo de vídeo com muitas imagens de referência isso faz sentido; para detalhes finos de imagem é uma desvantagem.

Erros recorrentes

  • Os animais ficam com mãos humanas, por exemplo um coelho a tocar guitarra. Solução: pedir explicitamente “paws” no prompt.
  • Logótipos indesejados, por exemplo o nome de um fabricante numa guitarra, embora o prompt não o pedisse.
  • As poses deslocam-se nas edições, por exemplo braços cruzados que desaparecem.
  • A transferência de estilo a partir de uma segunda imagem funciona mal. O modelo não reconhece o cubismo, e a pintura a óleo continua a parecer quase uma fotografia.

As melhores definições e dicas de prompt para o MiniMax H3 Image

  1. Descreve em pormenor e em inglês. Segundo o cartão do modelo, o H3 Image espera uma descrição inglesa detalhada de toda a imagem. Na API, a MiniMax faz primeiro com que um modelo adicional desenvolva os prompts curtos.1
  2. Calcula com tamanho suficiente. A MiniMax indica uma área de trabalho de cerca de 4 a 20 megapixéis, com o melhor resultado a rondar os 16.1 Para rascunhos rápidos serve menos, mas rostos pequenos precisam de pelo menos 4 megapixéis.
  3. Não aumentes os passos. O H3 Image está pensado para 6 passos e o P-H3-Image para 8, ambos sem CFG e sem prompt negativo.1,4 Com 20 passos, a imagem ficou exagerada.
  4. Põe o texto entre aspas e deixa de fora palavras de enchimento como “masterpiece” ou “8K”. Tornam a imagem brilhante e sobressaturada.
  5. Nas edições, diz o que se mantém. No fim do prompt, define explicitamente o rosto, as feições, a pose e o enquadramento como inalterados. Descreve a expressão facial de forma simples em vez de a impor com maiúsculas, por exemplo “mouth slightly open, eyebrows raised”. Menciona apenas o que realmente está na imagem, caso contrário os detalhes contaminam outros sítios.
  6. A primeira imagem determina o formato. O resultado adota a proporção da primeira imagem. Por isso, carrega primeiro o fundo.
  7. Ao remover, diz o que fica ali depois. “Remove o letreiro” sozinho muitas vezes preenche o local com algo novo. “Uma superfície de madeira lisa, verde-escura, sem letras” funciona.
  8. Experimenta amostradores. Com LCM em vez de Euler, os resultados ficam muitas vezes mais suaves e com menos artefactos.

O melhorador de prompts integrado transforma uma ideia curta num prompt longo e, com isso, produz imagens claramente melhores a partir de texto. Mas precisa de vários gigabytes adicionais de memória de vídeo, pode demorar muito em computadores mais fracos e, sem indicações precisas, inventa detalhes próprios, por exemplo o nome de uma banda num cartaz.

Gerador de prompts: prompts de edição no formato oficial

Nos exemplos oficiais da MiniMax, um prompt de edição tem uma estrutura fixa. Primeiro, cada objeto é atribuído a uma imagem, em inglês, por exemplo “The woman on the left in <Picture 1> is <Subject 1>”. Segue-se o que a imagem final mostra e, para cada objeto, o que se mantém e o que muda.7 Esta estrutura é normalmente escrita pelo melhorador de prompts.

Com o gerador preenches tu as partes e recebes o prompt pronto. Ao mesmo tempo, ele avisa-te dos erros típicos: palavras de enchimento, maiúsculas, negações, animais sem patas e remoções sem indicar o que deve ver-se depois.

Gerador de prompts para o MiniMax H3 Image

Constrói o teu prompt no formato que a MiniMax usa nos exemplos oficiais. Preenche os campos em inglês, porque o modelo espera uma descrição em inglês. Tudo corre no teu navegador, nada é enviado.

Tamanho recomendado: Comprimento:

  

    Funciona através da API da MiniMax, da app Hailuo e, onde a licença o permitir, localmente. Para o P-H3-Image e outros editores de imagem, os prompts costumam poder ser usados da mesma forma.

    Como começar com o MiniMax H3 Image: API ou ComfyUI

    Sem instalação, funciona na app web Hailuo ou através da API da plataforma MiniMax. A API tem interfaces separadas para texto-para-imagem, edição e expansão de prompts.1,11 A faturação é feita por consumo. A MiniMax indica estes preços de exemplo por imagem:13

    Tarefa Resultado Preço por imagem
    Imagem a partir de texto 1K (1024 × 1024) cerca de 0,022 dólares americanos
    Imagem a partir de texto 2K (2048 × 2048) cerca de 0,023 dólares americanos
    Imagem a partir de texto 4K (4096 × 4096) cerca de 0,069 dólares americanos
    Edição com 1 imagem de referência 4K cerca de 0,073 dólares americanos
    Edição com 3 imagens de referência 4K cerca de 0,079 dólares americanos

    No lançamento, as imagens 4K custam metade do preço até 17 de novembro de 2026. Uma variante mais rápida, chamada H3-Image-Highspeed, custa cerca do dobro.13 A API pode ser integrada em fluxos com n8n, Make ou num agente de IA. Tem em conta que, assim, as tuas imagens vão para a MiniMax. Fotografias de clientes só devem ir para lá com fundamento jurídico.

    No ComfyUI precisas da versão mais recente. Depois, em “Templates”, encontras um modelo para texto-para-imagem e outro para edição. Os ficheiros oficiais do ComfyUI:5

    Ficheiro Tamanho Pasta
    Modelo de difusão (INT8) 21 GB models/diffusion_models
    Codificador de texto Qwen3-VL-32B (INT8) 25,3 GB models/text_encoders
    VAE (FP16) 1,2 GB models/vae
    Melhorador de prompts Qwen3.5-9B (opcional) 7,3 GB models/text_encoders

    Quem já trabalha com o modelo de vídeo MiniMax H3 costuma já ter o codificador de texto. Para o uso local, porém, aplica-se a questão da licença na secção seguinte.

    Posso usar o MiniMax H3 Image localmente na Alemanha?

    Esta é a grande questão se queres correr o modelo no teu próprio computador, no ComfyUI. A licença do H3 Image vale em todo o mundo, com exceção da UE, do Reino Unido, da Coreia do Sul e dos EUA. Isto aplica-se expressamente também às imagens geradas.2 Para o P-H3-Image vale a mesma regra territorial.4 A MiniMax justifica-o com as regras ainda pouco claras para modelos generativos, entre outras o Regulamento da UE sobre IA, e oferece, para estes países, um pedido de licença separada.3

    Para a API oficial, segundo a MiniMax, a restrição não se aplica.3 Através da plataforma MiniMax, da app web Hailuo ou do OpenRouter, podes por isso usar o H3 Image também a partir da Alemanha.1,11,12 Se, mesmo assim, apostares em self-hosting para a tua edição de imagem, verifica primeiro o texto da licença de cada modelo aberto. Isto não é aconselhamento jurídico.

    Quem está por trás do H3 Image e do P-H3-Image?

    A MiniMax é uma empresa de IA da China. Desenvolve modelos de base próprios para texto, imagem, vídeo, voz e música e é conhecida sobretudo pela app de vídeo Hailuo. Segundo a própria empresa, mais de 300 milhões de pessoas em mais de 230 países e regiões usam os seus modelos e produtos.8 O H3 Image é o derivado de imagem do modelo de vídeo MiniMax H3, lançado no verão.1

    A Pruna AI é uma startup de Munique com um segundo centro de investigação em Paris. Entre os fundadores está Stephan Günnemann, professor da Universidade Técnica de Munique. A Pruna torna os modelos de IA mais pequenos, mais rápidos e mais baratos de operar.9,10 O P-H3-Image é precisamente um projeto assim: a Pruna transformou o grande modelo de vídeo H3 num modelo de imagem.4

    Conclusão: para quem vale a pena o MiniMax H3 Image

    Vale a pena se queres editar imagens existentes: colocar fotografias de produto em novos ambientes, juntar pessoas de várias imagens de referência, alterar legendas ou restaurar fotografias antigas.

    Mais para não se precisas sobretudo de imagens ricas em detalhe e de aspeto natural a partir de texto. Para isso, o Krea 2 foi, nas comparações, quase sempre a melhor escolha. E se os rostos têm de se manter exatamente iguais nas edições, o Qwen Image 2.1 é mais fiável.

    Perguntas frequentes sobre o MiniMax H3 Image

    O MiniMax H3 Image é melhor do que o Qwen Image 2.1?

    Depende da tarefa. Em alta resolução, velocidade e edições espacialmente coerentes, o H3 Image está à frente. Na preservação de rostos, o Qwen Image 2.1 foi mais fiável nas comparações.

    Porque é que o MiniMax H3 Image altera o rosto nas edições?

    Não acontece sempre, mas acontece com regularidade. Ajudam pelo menos 4 megapixéis para rostos pequenos, uma descrição da expressão em palavras simples e uma linha que defina explicitamente o rosto como inalterado.

    Qual é a diferença entre o MiniMax H3 Image e o P-H3-Image?

    O H3 Image vem da própria MiniMax, gera cerca de 16 megapixéis em 6 passos e aceita até 16 imagens de referência. O P-H3-Image vem da startup de Munique Pruna AI, gera 8 megapixéis em 8 passos e aceita até 8 imagens de referência. Ambos se baseiam no modelo de vídeo MiniMax H3.1,4

    Quanta memória gráfica precisa o MiniMax H3 Image?

    A versão completa em BF16 tem cerca de 69 GB, a que se soma o codificador de texto.1 Para o ComfyUI existe uma versão INT8 com 21 GB mais um codificador de texto de 25,3 GB. O modelo começa de propósito com 4 megapíxeis, para que computadores com pouca memória de vídeo não bloqueiem.5 Graças à transferência automática para a memória RAM, o H3 Image correu depressa mesmo numa placa com 16 GB de memória de vídeo.

    Quanto custa o MiniMax H3 Image?

    Os ficheiros do modelo não custam nada, mas, segundo a licença, o seu uso só é permitido fora dos territórios excluídos, entre os quais a UE.2 Através da API, segundo a MiniMax, uma imagem custa entre cerca de 0,022 dólares americanos (1K) e 0,069 dólares americanos (4K), e as edições um pouco mais.13

    Como instalo o MiniMax H3 Image no ComfyUI?

    Atualizar o ComfyUI, abrir em “Templates” o modelo para o MiniMax H3 Image e colocar os quatro ficheiros nas pastas indicadas: modelo de difusão, codificador de texto, VAE e, opcionalmente, o melhorador de prompts.5 Na UE, segundo a licença, o uso local só é permitido com autorização separada da MiniMax.2,3

    Posso criar vídeos com o MiniMax H3 Image?

    Não, o H3 Image só gera imagens estáticas. Para vídeos, o responsável é o modelo irmão MiniMax H3. Uma imagem gerada com o H3 Image podes usá-la lá como imagem inicial.1

    Fontes

    1. MiniMax: Modellkarte MiniMax-H3-Image auf Hugging Face, consultado em 12/11/2026. huggingface.co.
    2. MiniMax: MiniMax-H3-Image Community License Agreement, consultado em 12/11/2026. huggingface.co.
    3. MiniMax: Q&A About License (MiniMax-H3), consultado em 12/11/2026. huggingface.co.
    4. Pruna AI: Modellkarte P-H3-Image auf Hugging Face, consultado em 12/11/2026. huggingface.co.
    5. ComfyUI-Dokumentation: MiniMax H3 Image. docs.comfy.org.
    6. ComfyUI-Dokumentation: P-H3-Image. docs.comfy.org.
    7. MiniMax: Offizielles Bearbeitungsbeispiel (revised_prompt.edit.txt) zur Modellkarte. huggingface.co.
    8. MiniMax: About MiniMax, consultado em 12/11/2026. minimax.io.
    9. Pruna AI: About, consultado em 12/11/2026. pruna.ai.
    10. Technische Universität München (01/10/2026): Pruna AI develops optimized, highly efficient AI models. tum.de.
    11. MiniMax-Plattform: Image Generation Guide. platform.minimax.io.
    12. OpenRouter: MiniMax H3 Image, Modellseite mit Preisen. openrouter.ai.
    13. MiniMax-Plattform: Pricing Overview, secção Image, consultado em 12/11/2026. platform.minimax.io.

    Os valores medidos são indicativos, retirados de testes práticos, e dependem do hardware e das definições. Data: 12 de novembro de 2026.