MiniMax H3 Image im Test: Stärken, Schwächen und die besten Einstellungen

Simon Gütter · 12. November 2026 · Lesezeit etwa 12 Minuten

Titelbild „MiniMax H3 Image“: drei Sofortbilder desselben Motivs auf einem Leuchttisch, darüber eine Lupe mit orangefarbenem Griff

16 Megapixel in Sekunden und Bearbeitungen mit bis zu 16 Vorlagen: Mit diesen Werten hat MiniMax am 10. November 2026 H3 Image veröffentlicht, den offenen Bildableger seines bekannten Videomodells MiniMax H3. Kurz davor kam mit P-H3-Image vom Münchner Start-up Pruna AI ein zweites Bildmodell auf derselben Basis heraus. Was davon in der Praxis ankommt, wo H3 Image gegen Qwen Image und Krea 2 verliert und wie du es mit wenigen Einstellungen besser machst, steht hier.1,4

Kurz gesagt

H3 Image ist stark im Bearbeiten: Personen in neue Räume setzen, Kleidung tauschen, Schilder umschreiben. Licht und Spiegelungen passen sich dabei glaubwürdig an. Schwach ist es bei feinen Details: Beim Reinzoomen werden Hintergründe matschig, und Gesichter bleiben bei Bearbeitungen nicht immer dieselben. Für Bilder aus Text gibt es bessere offene Modelle, für Bearbeitungen mit vielen Vorlagen gehört H3 Image zu den besten. In Deutschland nutzt du es am einfachsten über die offizielle API, ab etwa 2 US-Cent pro Bild. Passende Prompts baust du mit dem Prompt-Baukasten weiter unten.

Was mir aufgefallen ist

  • Bearbeitung ist die Paradedisziplin. Eine Person aus einer Vorlage auf einen leeren Stuhl gesetzt: Sie sitzt passend im Raum, ihr Spiegelbild erscheint auf dem Monitor, Möbel und Kabel bleiben an ihrem Platz.
  • Gesichter sind die Schwachstelle beim Bearbeiten. Mal bleibt die Person perfekt erkennbar, mal kommt ein anderes Gesicht heraus. Der Gesichtsausdruck wird gern neutral.
  • Feine Details halten mit den 16 Megapixeln nicht mit. Die Gesamtwirkung stimmt, beim Reinzoomen werden Zäune, Blüten und Hintergründe unscharf.
  • Es ist schnell. Ein 2K-Bild entsteht auf einer Grafikkarte mit 16 GB Videospeicher in gut 10 Sekunden.
  • Große Schrift sitzt, kleine nicht. Schilder und Überschriften werden meist korrekt geschrieben, kleine Handschrift enthält Fehler.

MiniMax H3 Image im Vergleich: Ist es das beste offene Bildmodell?

Nicht in allem. MiniMax selbst beschreibt H3 Image als offenes Modell mit der stärksten Befolgung von Anweisungen.1 In den Vergleichen hängt das Ergebnis stark von der Aufgabe ab:

Aufgabe Vorne Einordnung
Bearbeiten mit mehreren Vorlagen H3 Image Setzt Personen und Objekte räumlich glaubwürdig ein, bis zu 16 Vorlagen
Gesicht beim Bearbeiten erhalten Qwen Image 2.1 Hält die Identität zuverlässiger, H3 Image schwankt
Bildqualität aus Text Krea 2 Wirkt natürlicher und weniger glattgebügelt; H3 Image wirkt oft zu perfekt
Schwierige Posen gemischt Den Kopf aus dem Autofenster schafft H3 Image besser, die Taubenpose im Yoga erkennt es nicht
Hohe Auflösung und Tempo H3 Image 16 Megapixel direkt, ohne Hochskalieren
Stilrichtungen gemischt Magazincover und Benutzeroberflächen gelingen H3 Image, Punktgrafik und Monet-Stil eher Krea 2

Gegenüber den geschlossenen Bezahlmodellen GPT Image und Nano Banana punktet H3 Image vor allem beim Tempo und bei räumlich stimmigen Bearbeitungen. Ein Beispiel: Das Spiegelbild einer eingesetzten Person auf dem Monitor fehlte im Vergleichsbild von GPT Image.

P-H3-Image ist eine ernsthafte Alternative. Es erzeugt 8 statt 16 Megapixel, ist für 8 Rechenschritte ausgelegt und lässt sich als rund 2 GB großes Zusatzmodul auf eine bestehende H3-Installation setzen. Bei pixelgenauen Bearbeitungen überzeugt es: Das Bild verrutscht nicht, die Farben bleiben gleich.4 Pruna selbst nennt Fotorealismus, Film- und Editorial-Looks sowie grafische Stile mit kurzem Text als Stärken.4

Die beiden Modelle im direkten Vergleich:

MiniMax H3 Image P-H3-Image
Anbieter MiniMax Pruna AI
Bildgröße rund 16 Megapixel, z. B. 4096 × 4096 8 Megapixel für Text-zu-Bild, 4 oder 8 für Bearbeitung
Rechenschritte 6 8
Vorlagen beim Bearbeiten bis zu 16 bis zu 8
Modellgröße 33,1 Mrd. Parameter, BF16 rund 69 GB 33,1 Mrd. Parameter, BF16 rund 100 GB; als Zusatzmodul für H3 rund 2 GB plus Text-Encoder und VAE
Prompt-Verbesserer optional: eigenes Modell H3-Image-PE, in ComfyUI Qwen3.5-9B standardmäßig an, auf Basis von Qwen3.5-9B

Stärken im Detail

Bearbeitung mit Vorlagen

H3 Image und P-H3-Image erledigen Erzeugen und Bearbeiten im selben Modell. Du brauchst kein separates Bearbeitungsmodell.1,4 Gut funktionieren:

  • Personen in neue Szenen setzen, auch aus einem Charakterblatt mit Vorder-, Seiten- und Rückansicht
  • Kleidung tauschen, inklusive Aufdrucken mit Text
  • Wörter auf Schildern ersetzen, in derselben Schriftart
  • Tageszeit ändern, etwa ein Haus vom grauen Tag in eine klare Nacht
  • Alte Fotos restaurieren und kolorieren
  • Logos auf Produkte drucken, inklusive Stoffstruktur

Der Grund für die räumliche Stärke liegt in der Herkunft: H3 Image basiert auf dem Videomodell MiniMax H3 und übernimmt dessen Architektur.1 Ein Videomodell muss verstehen, wie Räume, Licht und Spiegelungen zusammenhängen, und dieses Wissen steckt auch im Bildmodell.

Text in Bildern

Große Wörter in Anführungszeichen schreibt H3 Image meist fehlerfrei, auch chinesische Schriftzeichen neben englischem Text. Eine Speisekarte mit über 50 Wörtern war bei 8 Megapixeln komplett richtig, bei 1 Megapixel brach die kleine Handschrift ein.

Tempo

Grafikkarte Modell Ergebnis
16 GB Videospeicher H3 Image, 4-Bit (W4A8) 2K-Bild in ca. 11 s, Bearbeitung mit 4 MP in ca. 26 s
RTX 4090 H3 Image 16 MP in ca. 40 s
RTX 5090 P-H3-Image, mit Prompt-Verbesserer 2 MP in ca. 30 s, 4 MP in ca. 1 min
24 GB Videospeicher P-H3-Image, ohne Prompt-Verbesserer 8 MP in ca. 20 s

Die Werte sind Richtwerte aus Praxistests mit ComfyUI, kein Labor-Benchmark. Ob der Prompt-Verbesserer mitläuft, macht einen großen Unterschied. Wenig Arbeitsspeicher bremst stark: Mit 32 statt 64 GB lädt der Rechner die Modelle bei jedem Durchlauf neu, ein Bild dauert dann etwa viermal so lange. Laut Pruna braucht P-H3-Image in voller Genauigkeit bei 8 Megapixeln rund 101 GB Grafikspeicher, die 4-Bit-Fassung für ComfyUI kommt mit 21 GB aus.4,6

Schwächen im Detail

Gesichter beim Bearbeiten

Setzt du eine Person aus einer Vorlage in ein neues Bild, kann ein anderes Gesicht herauskommen, oft genug, um jedes Ergebnis genau zu prüfen. Typisch ist auch ein neutraler Gesichtsausdruck. Großbuchstaben im Prompt ändern daran nichts. Geholfen hat, den Ausdruck in einfachen Worten zu beschreiben, etwa „mouth slightly open, eyebrows raised“, und Gesicht und Gesichtszüge ausdrücklich als unverändert festzulegen.

Matschige Details

Für die unscharfen Details gibt es eine technische Ursache. Der Bild-Encoder verkleinert das Bild um den Faktor 16, das Modell fasst danach noch einmal 2 × 2 Felder zusammen. Jede Recheneinheit steht damit für 32 × 32 Pixel.1 Für ein Videomodell mit vielen Vorlagen ist das sinnvoll, für feine Bilddetails ein Nachteil.

Wiederkehrende Fehlerbilder

  • Tiere bekommen Menschenhände, etwa ein Gitarre spielender Hase. Abhilfe: im Prompt ausdrücklich „paws“ verlangen.
  • Ungewollte Logos, zum Beispiel ein Herstellername auf einer Gitarre, obwohl der Prompt keinen wollte.
  • Posen verrutschen bei Bearbeitungen, etwa verschränkte Arme, die verschwinden.
  • Stilübertragung von einem zweiten Bild klappt schlecht. Kubismus erkennt das Modell nicht, Ölmalerei bleibt fast ein Foto.

Die besten Einstellungen und Prompt-Tipps für MiniMax H3 Image

  1. Ausführlich auf Englisch beschreiben. Laut Modellkarte erwartet H3 Image eine detaillierte englische Beschreibung des ganzen Bildes. Kurze Prompts lässt MiniMax in der API zuerst von einem Zusatzmodell ausformulieren.1
  2. Groß genug rechnen. MiniMax nennt einen Arbeitsbereich von etwa 4 bis 20 Megapixeln, am besten wird es bei rund 16.1 Für schnelle Entwürfe geht weniger, kleine Gesichter brauchen aber mindestens 4 Megapixel.
  3. Schritte nicht erhöhen. H3 Image ist auf 6, P-H3-Image auf 8 Schritte ausgelegt, beide ohne CFG und ohne Negativ-Prompt.1,4 Mit 20 Schritten wurde das Bild überzeichnet.
  4. Text in Anführungszeichen setzen, Füllwörter wie „masterpiece“ oder „8K“ weglassen. Sie machen das Bild glänzend und übersättigt.
  5. Bei Bearbeitungen sagen, was bleibt. Am Ende des Prompts Gesicht, Gesichtszüge, Pose und Bildausschnitt ausdrücklich als unverändert festlegen. Den Gesichtsausdruck schlicht beschreiben statt mit Großbuchstaben erzwingen, etwa „mouth slightly open, eyebrows raised“. Nur nennen, was wirklich im Bild ist, sonst färben Details auf andere Stellen ab.
  6. Das erste Bild bestimmt das Format. Das Ergebnis übernimmt das Seitenverhältnis des ersten Bildes. Leg also den Hintergrund zuerst ein.
  7. Beim Entfernen sagen, was danach dort ist. „Entferne den Schriftzug“ allein füllt die Stelle oft mit etwas Neuem. „Eine glatte, dunkelgrüne Holzfläche ohne Buchstaben“ klappt.
  8. Sampler ausprobieren. Mit LCM statt Euler werden die Ergebnisse oft weicher und haben weniger Artefakte.

Der eingebaute Prompt-Verbesserer schreibt aus einer Kurzidee einen langen Prompt und liefert damit sichtbar bessere Bilder aus Text. Er braucht aber zusätzlich mehrere Gigabyte Videospeicher, kann auf schwächeren Rechnern lange dauern und erfindet ohne genaue Vorgaben eigene Details, etwa einen Bandnamen auf einem Poster.

Prompt-Baukasten: Bearbeitungs-Prompts im offiziellen Format

In den offiziellen Beispielen von MiniMax hat ein Bearbeitungs-Prompt eine feste Struktur. Zuerst wird jedes Objekt auf Englisch einem Bild zugeordnet, etwa „The woman on the left in <Picture 1> is <Subject 1>“. Danach folgt, was das Zielbild zeigt, und für jedes Objekt, was erhalten bleibt und was sich ändert.7 Diese Struktur schreibt sonst der Prompt-Verbesserer.

Mit dem Baukasten füllst du die Teile selbst aus und bekommst den fertigen Prompt. Er warnt dabei vor den typischen Fehlern: Füllwörter, Großbuchstaben, Verneinungen, Tiere ohne Pfoten und Entfernen ohne Angabe, was danach zu sehen sein soll.

Prompt-Baukasten für MiniMax H3 Image

Baut deinen Prompt im Format, das MiniMax in den offiziellen Beispielen verwendet. Die Felder auf Englisch ausfüllen, denn das Modell erwartet eine englische Beschreibung. Alles läuft in deinem Browser, nichts wird gesendet.

Empfohlene Größe: Länge:

  

    Funktioniert über die MiniMax-API, die Hailuo-App und, wo die Lizenz es erlaubt, lokal. Für P-H3-Image und andere Bildeditoren lassen sich die Prompts meist ebenfalls verwenden.

    So startest du mit MiniMax H3 Image: API oder ComfyUI

    Ohne Installation geht es in der Web-App Hailuo oder über die API der MiniMax-Plattform. Die API hat getrennte Schnittstellen für Text-zu-Bild, Bearbeitung und Prompt-Erweiterung.1,11 Abgerechnet wird nach Verbrauch. MiniMax nennt diese Beispielpreise pro Bild:13

    Aufgabe Ergebnis Preis pro Bild
    Bild aus Text 1K (1024 × 1024) ca. 0,022 US-Dollar
    Bild aus Text 2K (2048 × 2048) ca. 0,023 US-Dollar
    Bild aus Text 4K (4096 × 4096) ca. 0,069 US-Dollar
    Bearbeitung mit 1 Vorlage 4K ca. 0,073 US-Dollar
    Bearbeitung mit 3 Vorlagen 4K ca. 0,079 US-Dollar

    Zum Start gilt für 4K-Bilder bis zum 17. November 2026 der halbe Preis. Eine schnellere Variante namens H3-Image-Highspeed kostet etwa das Doppelte.13 Die API lässt sich in Abläufe mit n8n, Make oder einen KI-Agenten einbauen. Beachte, dass deine Bilder dabei an MiniMax gehen. Kundenfotos gehören nur mit Rechtsgrundlage dorthin.

    In ComfyUI brauchst du die aktuelle Version. Danach findest du unter „Templates“ je eine Vorlage für Text-zu-Bild und für Bearbeitung. Die offiziellen ComfyUI-Dateien:5

    Datei Größe Ordner
    Diffusionsmodell (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-Verbesserer Qwen3.5-9B (optional) 7,3 GB models/text_encoders

    Wer schon mit dem Videomodell MiniMax H3 arbeitet, hat den Text-Encoder meist schon. Für den lokalen Betrieb gilt allerdings die Lizenzfrage im nächsten Abschnitt.

    Darf ich MiniMax H3 Image in Deutschland lokal nutzen?

    Das ist die große Frage, wenn du das Modell auf dem eigenen Rechner in ComfyUI laufen lassen willst. Die Lizenz von H3 Image gilt weltweit mit Ausnahme der EU, des Vereinigten Königreichs, Südkoreas und der USA. Das betrifft ausdrücklich auch die erzeugten Bilder.2 Für P-H3-Image gilt dieselbe Gebietsregel.4 MiniMax begründet das mit den noch unklaren Regeln für generative Modelle, unter anderem durch die EU-KI-Verordnung, und bietet für diese Länder einen Antrag auf eine gesonderte Lizenz an.3

    Für die offizielle API gilt die Beschränkung laut MiniMax nicht.3 Über die MiniMax-Plattform, die Web-App Hailuo oder OpenRouter kannst du H3 Image also auch aus Deutschland nutzen.1,11,12 Wenn du für deine Bildbearbeitung trotzdem auf Self-Hosting setzt, prüfe bei jedem offenen Modell zuerst den Lizenztext. Das ist keine Rechtsberatung.

    Wer steckt hinter H3 Image und P-H3-Image?

    MiniMax ist ein KI-Unternehmen aus China. Es entwickelt eigene Basismodelle für Text, Bild, Video, Sprache und Musik und ist vor allem durch die Video-App Hailuo bekannt. Nach eigenen Angaben nutzen über 300 Millionen Menschen in mehr als 230 Ländern und Regionen die Modelle und Produkte.8 H3 Image ist der Bildableger des Videomodells MiniMax H3, das im Sommer erschien.1

    Pruna AI ist ein Start-up aus München mit einem zweiten Forschungsstandort in Paris. Zu den Gründern gehört Stephan Günnemann, Professor an der Technischen Universität München. Pruna macht KI-Modelle kleiner, schneller und günstiger im Betrieb.9,10 P-H3-Image ist genau so ein Projekt: Pruna hat das große H3-Videomodell zu einem Bildmodell umgebaut.4

    Fazit: Für wen sich MiniMax H3 Image lohnt

    Lohnt sich, wenn du vorhandene Bilder bearbeiten willst: Produktfotos in neue Umgebungen setzen, Personen aus mehreren Vorlagen zusammenbringen, Beschriftungen ändern oder alte Fotos restaurieren.

    Eher nicht, wenn du vor allem aus Text detailreiche, natürlich wirkende Bilder brauchst. Dafür war Krea 2 in den Vergleichen meist die bessere Wahl. Und wenn Gesichter bei Bearbeitungen exakt gleich bleiben müssen, ist Qwen Image 2.1 verlässlicher.

    Häufige Fragen zu MiniMax H3 Image

    Ist MiniMax H3 Image besser als Qwen Image 2.1?

    Kommt auf die Aufgabe an. Bei hoher Auflösung, Tempo und räumlich stimmigen Bearbeitungen liegt H3 Image vorn. Beim Erhalt von Gesichtern war Qwen Image 2.1 in den Vergleichen zuverlässiger.

    Warum verändert MiniMax H3 Image bei Bearbeitungen das Gesicht?

    Das passiert nicht immer, aber regelmäßig. Hilfreich sind mindestens 4 Megapixel für kleine Gesichter, eine Beschreibung des Ausdrucks in einfachen Worten und eine Zeile, die das Gesicht ausdrücklich als unverändert festlegt.

    Was ist der Unterschied zwischen MiniMax H3 Image und P-H3-Image?

    H3 Image stammt von MiniMax selbst, erzeugt rund 16 Megapixel in 6 Schritten und nimmt bis zu 16 Vorlagen. P-H3-Image stammt vom Münchner Start-up Pruna AI, erzeugt 8 Megapixel in 8 Schritten und nimmt bis zu 8 Vorlagen. Beide basieren auf dem Videomodell MiniMax H3.1,4

    Wie viel Grafikspeicher braucht MiniMax H3 Image?

    Die volle BF16-Fassung ist rund 69 GB groß, dazu kommt der Text-Encoder.1 Für ComfyUI gibt es eine INT8-Fassung mit 21 GB plus einem 25,3 GB großen Text-Encoder. Die Vorlage startet bewusst mit 4 Megapixeln, damit Rechner mit wenig Videospeicher nicht abstürzen.5 Dank automatischer Auslagerung in den Arbeitsspeicher lief H3 Image auch auf einer Karte mit 16 GB Videospeicher schnell.

    Was kostet MiniMax H3 Image?

    Die Modelldateien kosten nichts, ihre Nutzung ist laut Lizenz aber nur außerhalb der ausgeschlossenen Gebiete erlaubt, zu denen die EU gehört.2 Über die API kostet ein Bild laut MiniMax zwischen etwa 0,022 US-Dollar (1K) und 0,069 US-Dollar (4K), Bearbeitungen etwas mehr.13

    Wie installiere ich MiniMax H3 Image in ComfyUI?

    ComfyUI aktualisieren, unter „Templates“ die Vorlage für MiniMax H3 Image öffnen und die vier Dateien in die angegebenen Ordner legen: Diffusionsmodell, Text-Encoder, VAE und optional den Prompt-Verbesserer.5 In der EU ist der lokale Betrieb laut Lizenz nur mit gesonderter Genehmigung von MiniMax erlaubt.2,3

    Kann ich mit MiniMax H3 Image Videos erstellen?

    Nein, H3 Image erzeugt nur Standbilder. Für Videos ist das Schwestermodell MiniMax H3 zuständig. Ein mit H3 Image erzeugtes Bild kannst du dort als Startbild verwenden.1

    Quellen

    1. MiniMax: Modellkarte MiniMax-H3-Image auf Hugging Face, abgerufen am 12.11.2026. huggingface.co.
    2. MiniMax: MiniMax-H3-Image Community License Agreement, abgerufen am 12.11.2026. huggingface.co.
    3. MiniMax: Q&A About License (MiniMax-H3), abgerufen am 12.11.2026. huggingface.co.
    4. Pruna AI: Modellkarte P-H3-Image auf Hugging Face, abgerufen am 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, abgerufen am 12.11.2026. minimax.io.
    9. Pruna AI: About, abgerufen am 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, Abschnitt Image, abgerufen am 12.11.2026. platform.minimax.io.

    Messwerte sind Richtwerte aus Praxistests und hängen von Hardware und Einstellungen ab. Stand: 12. November 2026.