MiniMax H3 Image: análisis, puntos fuertes, puntos débiles y mejores ajustes

16 megapíxeles en segundos y ediciones con hasta 16 referencias: con estas cifras presentó MiniMax el 10 de noviembre de 2026 MiniMax H3 Image, la versión abierta de imagen de su conocido modelo de vídeo MiniMax H3. Poco antes salió P-H3-Image, un segundo modelo de imagen sobre la misma base, de la start-up muniquesa Pruna AI. Aquí te cuento qué llega de todo eso a la práctica, dónde pierde H3 Image frente a Qwen Image y Krea 2 y cómo sacarle más partido con unos pocos ajustes.1,4
H3 Image es fuerte editando: colocar personas en espacios nuevos, cambiar la ropa, reescribir carteles. La luz y los reflejos se adaptan de forma creíble. Es débil en los detalles finos: al hacer zoom, los fondos se ven pastosos y los rostros no siempre se mantienen iguales al editar. Para imágenes a partir de texto hay mejores modelos abiertos; para ediciones con muchas referencias, H3 Image está entre los mejores. En Alemania lo más sencillo es usarlo a través de la API oficial, desde unos 2 céntimos de dólar por imagen. Puedes construir los prompts adecuados con el generador de prompts que encontrarás más abajo.
Lo que me ha llamado la atención
- La edición es su disciplina estrella. Una persona de una referencia colocada en una silla vacía: encaja en la sala, su reflejo aparece en el monitor, y los muebles y los cables siguen en su sitio.
- Los rostros son el punto débil al editar. A veces la persona sigue siendo perfectamente reconocible y otras sale un rostro distinto. La expresión facial tiende a volverse neutra.
- Los detalles finos no siguen el ritmo de los 16 megapíxeles. La impresión general es buena, pero al hacer zoom las vallas, las flores y los fondos pierden nitidez.
- Es rápido. Una imagen en 2K se genera en algo más de 10 segundos en una tarjeta gráfica con 16 GB de VRAM.
- El texto grande funciona, el pequeño no. Los carteles y los títulos suelen salir bien escritos; la letra manuscrita pequeña tiene errores.
MiniMax H3 Image frente a la competencia: ¿es el mejor modelo de imagen abierto?
No en todo. La propia MiniMax describe H3 Image como el modelo abierto que mejor sigue las instrucciones.1 En las comparativas, el resultado depende mucho de la tarea:
| Tarea | Por delante | Valoración |
|---|---|---|
| Editar con varias referencias | H3 Image | Inserta personas y objetos de forma espacialmente creíble, hasta 16 referencias |
| Conservar el rostro al editar | Qwen Image 2.1 | Mantiene la identidad con más fiabilidad; H3 Image es irregular |
| Calidad de imagen a partir de texto | Krea 2 | Resulta más natural y menos alisado; H3 Image suele parecer demasiado perfecto |
| Poses difíciles | mixto | H3 Image resuelve mejor la cabeza asomada por la ventanilla del coche; no reconoce la postura de la paloma en yoga |
| Alta resolución y velocidad | H3 Image | 16 megapíxeles directamente, sin reescalado |
| Estilos | mixto | H3 Image logra bien portadas de revista e interfaces de usuario; el pixel art y el estilo Monet salen mejor con Krea 2 |
Frente a los modelos cerrados de pago GPT Image y Nano Banana, H3 Image destaca sobre todo por la velocidad y por las ediciones espacialmente coherentes. Un ejemplo: el reflejo de una persona insertada en el monitor faltaba en la imagen de comparación de GPT Image.
P-H3-Image es una alternativa seria. Genera 8 megapíxeles en lugar de 16, está diseñado para 8 pasos de cálculo y se puede añadir como módulo adicional de unos 2 GB a una instalación de H3 ya existente. En ediciones al píxel convence: la imagen no se desplaza y los colores se mantienen.4 La propia Pruna cita como puntos fuertes el fotorrealismo, los looks de cine y editorial, y los estilos gráficos con texto corto.4
Los dos modelos, cara a cara:
| MiniMax H3 Image | P-H3-Image | |
|---|---|---|
| Proveedor | MiniMax | Pruna AI |
| Tamaño de imagen | unos 16 megapíxeles, p. ej. 4096 × 4096 | 8 megapíxeles para texto a imagen, 4 u 8 para edición |
| Pasos de cálculo | 6 | 8 |
| Referencias al editar | hasta 16 | hasta 8 |
| Tamaño del modelo | 33,1 mil millones de parámetros, BF16 unos 69 GB | 33,1 mil millones de parámetros, BF16 unos 100 GB; como módulo adicional para H3 unos 2 GB más codificador de texto y VAE |
| Mejorador de prompts | opcional: modelo propio H3-Image-PE, en ComfyUI Qwen3.5-9B | activado por defecto, basado en Qwen3.5-9B |
Puntos fuertes en detalle
Edición con referencias
H3 Image y P-H3-Image generan y editan con el mismo modelo. No necesitas un modelo de edición aparte.1,4 Funcionan bien:
- Colocar personas en escenas nuevas, también a partir de una hoja de personaje con vista frontal, lateral y trasera
- Cambiar la ropa, incluidas estampaciones con texto
- Sustituir palabras en carteles, con la misma tipografía
- Cambiar la hora del día, por ejemplo una casa de un día gris a una noche despejada
- Restaurar y colorear fotos antiguas
- Imprimir logotipos en productos, incluida la textura de la tela
La razón de esta solidez espacial está en su origen: H3 Image se basa en el modelo de vídeo MiniMax H3 y adopta su arquitectura.1 Un modelo de vídeo tiene que entender cómo se relacionan los espacios, la luz y los reflejos, y ese conocimiento también está en el modelo de imagen.
Texto en las imágenes
H3 Image suele escribir sin errores las palabras grandes entre comillas, incluso caracteres chinos junto a texto en inglés. Una carta de restaurante con más de 50 palabras salió completamente correcta a 8 megapíxeles; a 1 megapíxel, la letra manuscrita pequeña se degradó.
Velocidad
| Tarjeta gráfica | Modelo | Resultado |
|---|---|---|
| 16 GB de VRAM | H3 Image, 4 bits (W4A8) | imagen 2K en unos 11 s, edición con 4 MP en unos 26 s |
| RTX 4090 | H3 Image | 16 MP en unos 40 s |
| RTX 5090 | P-H3-Image, con mejorador de prompts | 2 MP en unos 30 s, 4 MP en aprox. 1 min |
| 24 GB de VRAM | P-H3-Image, sin mejorador de prompts | 8 MP en unos 20 s |
Los valores son orientativos, sacados de pruebas prácticas con ComfyUI, no de un benchmark de laboratorio. Que el mejorador de prompts esté activo o no marca una gran diferencia. Poca memoria RAM frena mucho: con 32 GB en lugar de 64, el ordenador recarga los modelos en cada pasada y una imagen tarda unas cuatro veces más. Según Pruna, P-H3-Image con precisión completa necesita unos 101 GB de memoria gráfica a 8 megapíxeles; la versión de 4 bits para ComfyUI se conforma con 21 GB.4,6
Puntos débiles en detalle
Rostros al editar
Si colocas una persona de una referencia en una imagen nueva, puede salir un rostro distinto, y con la frecuencia suficiente como para revisar cada resultado con detalle. También es típica una expresión facial neutra. Escribir en mayúsculas en el prompt no cambia nada. Ayudó describir la expresión con palabras sencillas, por ejemplo «mouth slightly open, eyebrows raised», y fijar expresamente el rostro y los rasgos faciales como inalterados.
Detalles pastosos
Los detalles borrosos tienen una causa técnica. El codificador de imagen reduce la imagen por un factor de 16 y, después, el modelo agrupa de nuevo 2 × 2 celdas. Así, cada unidad de cálculo representa 32 × 32 píxeles.1 Para un modelo de vídeo con muchas referencias tiene sentido; para los detalles finos de una imagen es una desventaja.
Errores recurrentes
- Los animales reciben manos humanas, por ejemplo una liebre tocando la guitarra. Solución: pedir expresamente «paws» en el prompt.
- Logotipos no deseados, por ejemplo el nombre de un fabricante en una guitarra aunque el prompt no lo pedía.
- Las poses se desplazan al editar, por ejemplo unos brazos cruzados que desaparecen.
- La transferencia de estilo desde una segunda imagen funciona mal. El modelo no reconoce el cubismo y la pintura al óleo se queda casi en una foto.
Los mejores ajustes y consejos de prompts para MiniMax H3 Image
- Describe con detalle y en inglés. Según la ficha del modelo, H3 Image espera una descripción detallada en inglés de toda la imagen. En la API, MiniMax hace que un modelo adicional desarrolle primero los prompts cortos.1
- Calcula con tamaño suficiente. MiniMax indica un rango de trabajo de unos 4 a 20 megapíxeles, y el mejor resultado se logra con unos 16.1 Para borradores rápidos sirve menos, pero los rostros pequeños necesitan al menos 4 megapíxeles.
- No subas los pasos. H3 Image está diseñado para 6 pasos y P-H3-Image para 8, ambos sin CFG y sin prompt negativo.1,4 Con 20 pasos la imagen salió sobrecargada.
- Pon el texto entre comillas y evita muletillas como «masterpiece» o «8K». Dejan la imagen brillante y sobresaturada.
- Al editar, di qué se queda igual. Al final del prompt, fija expresamente el rostro, los rasgos faciales, la pose y el encuadre como inalterados. Describe la expresión facial de forma sencilla en lugar de forzarla con mayúsculas, por ejemplo «mouth slightly open, eyebrows raised». Menciona solo lo que realmente está en la imagen; si no, los detalles se contagian a otras zonas.
- La primera imagen determina el formato. El resultado adopta la relación de aspecto de la primera imagen. Por eso, carga primero el fondo.
- Al eliminar, di qué habrá después en ese lugar. «Elimina el rótulo» a secas suele rellenar la zona con algo nuevo. «Una superficie de madera verde oscuro lisa y sin letras» funciona.
- Prueba distintos samplers. Con LCM en lugar de Euler, los resultados suelen ser más suaves y tener menos artefactos.
El mejorador de prompts integrado convierte una idea corta en un prompt largo y, con ello, ofrece imágenes visiblemente mejores a partir de texto. Pero necesita varios gigabytes más de VRAM, puede tardar mucho en ordenadores más modestos e inventa detalles propios si no le das indicaciones precisas, por ejemplo el nombre de una banda en un póster.
Generador de prompts: prompts de edición en el formato oficial
En los ejemplos oficiales de MiniMax, un prompt de edición tiene una estructura fija. Primero se asigna cada objeto a una imagen, en inglés, por ejemplo «The woman on the left in <Picture 1> is <Subject 1>». Después va lo que muestra la imagen final y, para cada objeto, qué se conserva y qué cambia.7 Esta estructura es la que escribe, si no, el mejorador de prompts.
Con el generador rellenas tú mismo las partes y obtienes el prompt terminado. Además, te avisa de los errores típicos: muletillas, mayúsculas, negaciones, animales sin patas y eliminar sin indicar qué debe verse después.
Generador de prompts para MiniMax H3 Image
Construye tu prompt en el formato que MiniMax usa en los ejemplos oficiales. Rellena los campos en inglés, porque el modelo espera una descripción en inglés. Todo se ejecuta en tu navegador, no se envía nada.
Funciona con la API de MiniMax, con la app Hailuo y, donde la licencia lo permite, en local. Los prompts suelen servir también para P-H3-Image y otros editores de imagen.
Cómo empezar con MiniMax H3 Image: API o ComfyUI
Sin instalar nada puedes usarlo en la app web Hailuo o a través de la API de la plataforma MiniMax. La API tiene interfaces separadas para texto a imagen, edición y ampliación de prompts.1,11 Se factura por consumo. MiniMax indica estos precios de ejemplo por imagen:13
| Tarea | Resultado | Precio por imagen |
|---|---|---|
| Imagen a partir de texto | 1K (1024 × 1024) | aprox. 0,022 dólares estadounidenses |
| Imagen a partir de texto | 2K (2048 × 2048) | aprox. 0,023 dólares estadounidenses |
| Imagen a partir de texto | 4K (4096 × 4096) | aprox. 0,069 dólares estadounidenses |
| Edición con 1 referencia | 4K | aprox. 0,073 dólares estadounidenses |
| Edición con 3 referencias | 4K | aprox. 0,079 dólares estadounidenses |
Como oferta de lanzamiento, las imágenes 4K cuestan la mitad hasta el 17 de noviembre de 2026. Una variante más rápida llamada H3-Image-Highspeed cuesta aproximadamente el doble.13 La API se puede integrar en flujos con n8n, Make o un agente de IA. Ten en cuenta que tus imágenes se envían a MiniMax. Las fotos de clientes solo deben ir allí si hay una base jurídica.
En ComfyUI necesitas la versión actual. Después encontrarás en «Templates» una plantilla para texto a imagen y otra para edición. Los archivos oficiales de ComfyUI:5
| Archivo | Tamaño | Carpeta |
|---|---|---|
| Modelo de difusión (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 |
| Mejorador de prompts Qwen3.5-9B (opcional) | 7,3 GB | models/text_encoders |
Quien ya trabaja con el modelo de vídeo MiniMax H3 suele tener ya el codificador de texto. Para el uso en local, eso sí, hay que tener en cuenta la cuestión de la licencia del siguiente apartado.
¿Puedo usar MiniMax H3 Image en local en Alemania?
Es la gran pregunta si quieres ejecutar el modelo en tu propio ordenador con ComfyUI. La licencia de H3 Image es válida en todo el mundo con la excepción de la UE, el Reino Unido, Corea del Sur y Estados Unidos. Esto afecta expresamente también a las imágenes generadas.2 Para P-H3-Image rige la misma regla territorial.4 MiniMax lo justifica por las normas todavía poco claras para los modelos generativos, entre otras cosas por el Reglamento de IA de la UE, y ofrece para estos países una solicitud de licencia aparte.3
Según MiniMax, la restricción no se aplica a la API oficial.3 Por tanto, puedes usar H3 Image también desde Alemania a través de la plataforma MiniMax, la app web Hailuo u OpenRouter.1,11,12 Si aun así apuestas por el autoalojamiento para tu edición de imágenes, revisa siempre primero el texto de la licencia de cada modelo abierto. Esto no es asesoramiento jurídico.
¿Quién está detrás de H3 Image y P-H3-Image?
MiniMax es una empresa de IA china. Desarrolla modelos base propios para texto, imagen, vídeo, voz y música, y es conocida sobre todo por la app de vídeo Hailuo. Según sus propios datos, más de 300 millones de personas en más de 230 países y regiones usan sus modelos y productos.8 H3 Image es la versión de imagen del modelo de vídeo MiniMax H3, que salió en verano.1
Pruna AI es una start-up de Múnich con una segunda sede de investigación en París. Entre sus fundadores está Stephan Günnemann, profesor de la Universidad Técnica de Múnich. Pruna hace que los modelos de IA sean más pequeños, más rápidos y más baratos de operar.9,10 P-H3-Image es justo un proyecto así: Pruna ha convertido el gran modelo de vídeo H3 en un modelo de imagen.4
Conclusión: para quién merece la pena MiniMax H3 Image
Merece la pena si quieres editar imágenes existentes: colocar fotos de producto en entornos nuevos, juntar personas de varias referencias, cambiar rótulos o restaurar fotos antiguas.
Mejor no si lo que necesitas sobre todo son imágenes detalladas y de aspecto natural a partir de texto. Para eso, Krea 2 fue casi siempre la mejor opción en las comparativas. Y si los rostros tienen que mantenerse exactamente iguales al editar, Qwen Image 2.1 es más fiable.
Preguntas frecuentes sobre MiniMax H3 Image
¿Es MiniMax H3 Image mejor que Qwen Image 2.1?
Depende de la tarea. En alta resolución, velocidad y ediciones espacialmente coherentes, H3 Image va por delante. En la conservación de rostros, Qwen Image 2.1 fue más fiable en las comparativas.
¿Por qué MiniMax H3 Image cambia el rostro al editar?
No ocurre siempre, pero sí con regularidad. Ayuda usar al menos 4 megapíxeles para los rostros pequeños, describir la expresión con palabras sencillas y añadir una línea que fije expresamente el rostro como inalterado.
¿Cuál es la diferencia entre MiniMax H3 Image y P-H3-Image?
H3 Image es del propio MiniMax, genera unos 16 megapíxeles en 6 pasos y admite hasta 16 referencias. P-H3-Image es de la start-up muniquesa Pruna AI, genera 8 megapíxeles en 8 pasos y admite hasta 8 referencias. Ambos se basan en el modelo de vídeo MiniMax H3.1,4
¿Cuánta memoria gráfica necesita MiniMax H3 Image?
La versión completa en BF16 pesa unos 69 GB, a lo que se suma el codificador de texto.1 Para ComfyUI hay una versión INT8 de 21 GB más un codificador de texto de 25,3 GB. La plantilla arranca a propósito con 4 megapíxeles para que los ordenadores con poca VRAM no se bloqueen.5 Gracias al volcado automático a la memoria RAM, H3 Image también funcionó con rapidez en una tarjeta con 16 GB de VRAM.
¿Cuánto cuesta MiniMax H3 Image?
Los archivos del modelo no cuestan nada, pero según la licencia solo se pueden usar fuera de los territorios excluidos, entre los que está la UE.2 A través de la API, según MiniMax, una imagen cuesta entre unos 0,022 dólares estadounidenses (1K) y 0,069 dólares estadounidenses (4K); las ediciones, algo más.13
¿Cómo instalo MiniMax H3 Image en ComfyUI?
Actualiza ComfyUI, abre en «Templates» la plantilla de MiniMax H3 Image y coloca los cuatro archivos en las carpetas indicadas: modelo de difusión, codificador de texto, VAE y, opcionalmente, el mejorador de prompts.5 En la UE, según la licencia, el uso en local solo está permitido con una autorización aparte de MiniMax.2,3
¿Puedo crear vídeos con MiniMax H3 Image?
No, H3 Image solo genera imágenes fijas. Para vídeos se encarga el modelo hermano MiniMax H3. Una imagen creada con H3 Image puedes usarla allí como imagen inicial.1
Fuentes
- MiniMax: ficha del modelo MiniMax-H3-Image en Hugging Face, consultada el 12/11/2026. huggingface.co.
- MiniMax: MiniMax-H3-Image Community License Agreement, consultado el 12/11/2026. huggingface.co.
- MiniMax: Q&A About License (MiniMax-H3), consultado el 12/11/2026. huggingface.co.
- Pruna AI: ficha del modelo P-H3-Image en Hugging Face, consultada el 12/11/2026. huggingface.co.
- Documentación de ComfyUI: MiniMax H3 Image. docs.comfy.org.
- Documentación de ComfyUI: P-H3-Image. docs.comfy.org.
- MiniMax: ejemplo oficial de edición (revised_prompt.edit.txt) de la ficha del modelo. huggingface.co.
- MiniMax: About MiniMax, consultado el 12/11/2026. minimax.io.
- Pruna AI: About, consultado el 12/11/2026. pruna.ai.
- Technische Universität München (01.10.2026): Pruna AI develops optimized, highly efficient AI models. tum.de.
- Plataforma MiniMax: Image Generation Guide. platform.minimax.io.
- OpenRouter: MiniMax H3 Image, página del modelo con precios. openrouter.ai.
- Plataforma MiniMax: Pricing Overview, sección Image, consultado el 12/11/2026. platform.minimax.io.
Los valores medidos son orientativos, proceden de pruebas prácticas y dependen del hardware y de los ajustes. Fecha: 12 de noviembre de 2026.