MiniMax H3 Image i test: styrkor, svagheter och de bästa inställningarna

Simon Gütter · 12 november 2026 · Lästid cirka 12 minuter

Omslagsbild ”MiniMax H3 Image”: tre ögonblicksbilder av samma motiv på ett ljusbord, och över dem ett förstoringsglas med orange handtag

16 megapixel på några sekunder och redigeringar med upp till 16 referensbilder: med de värdena släpptes MiniMax H3 Image den 10 november 2026, den öppna bildvarianten av det välkända videomodellen MiniMax H3. Strax innan kom P-H3-Image från det münchenbaserade start-upbolaget Pruna AI, en andra bildmodell på samma bas. Här får du veta vad som håller i praktiken, var H3 Image förlorar mot Qwen Image och Krea 2 och hur du får bättre resultat med några få inställningar.1,4

Kort sagt

H3 Image är starkt på redigering: placera personer i nya rum, byta kläder, skriva om skyltar. Ljus och speglingar anpassas trovärdigt. Svagt är det på fina detaljer: när du zoomar in blir bakgrunder grötiga, och ansikten förblir inte alltid de samma vid redigering. För bilder från text finns bättre öppna modeller, men för redigering med många referensbilder hör H3 Image till de bästa. I Tyskland använder du det enklast via det officiella API:et, från ungefär 2 US-cent per bild. Passande prompter bygger du med promptbyggaren längre ner.

Vad som stack ut för mig

  • Redigering är paradgrenen. En person från en referensbild placerad på en tom stol: hon sitter naturligt i rummet, hennes spegelbild syns på monitorn, möbler och sladdar ligger kvar på sina platser.
  • Ansikten är den svaga punkten vid redigering. Ibland är personen helt igenkännbar, ibland kommer ett annat ansikte ut. Ansiktsuttrycket blir gärna neutralt.
  • Fina detaljer hänger inte med trots 16 megapixel. Helhetsintrycket stämmer, men när du zoomar in blir staket, blommor och bakgrunder oskarpa.
  • Det är snabbt. En 2K-bild skapas på ett grafikkort med 16 GB videominne på drygt 10 sekunder.
  • Stor text sitter, liten gör det inte. Skyltar och rubriker stavas oftast rätt, liten handskrift innehåller fel.

MiniMax H3 Image i jämförelse: är det den bästa öppna bildmodellen?

Inte i allt. MiniMax beskriver själva H3 Image som den öppna modell som följer instruktioner bäst.1 I jämförelserna beror resultatet starkt på uppgiften:

Uppgift I täten Bedömning
Redigering med flera referensbilder H3 Image Placerar in personer och objekt trovärdigt i rummet, upp till 16 referensbilder
Behålla ansiktet vid redigering Qwen Image 2.1 Håller identiteten mer pålitligt, H3 Image varierar
Bildkvalitet från text Krea 2 Ser mer naturligt ut och mindre utstruket; H3 Image ser ofta för perfekt ut
Svåra poser blandat Att sticka ut huvudet genom bilrutan klarar H3 Image bättre, duvställningen i yoga känner det inte igen
Hög upplösning och tempo H3 Image 16 megapixel direkt, utan uppskalning
Stilriktningar blandat Tidningsomslag och användargränssnitt lyckas H3 Image med, pixelgrafik och Monet-stil ligger Krea 2 närmare

Jämfört med de slutna betalmodellerna GPT Image och Nano Banana tar H3 Image poäng framför allt på tempo och på rumsligt stämmiga redigeringar. Ett exempel: spegelbilden av en inplacerad person på monitorn saknades i jämförelsebilden från GPT Image.

P-H3-Image är ett seriöst alternativ. Det skapar 8 i stället för 16 megapixel, är utformat för 8 beräkningssteg och kan läggas som en cirka 2 GB stor tilläggsmodul ovanpå en befintlig H3-installation. Vid pixelexakta redigeringar övertygar det: bilden förskjuts inte och färgerna förblir desamma.4 Pruna själva nämner fotorealism, film- och editorial-looks samt grafiska stilar med kort text som styrkor.4

De två modellerna direkt jämförda:

MiniMax H3 Image P-H3-Image
Leverantör MiniMax Pruna AI
Bildstorlek cirka 16 megapixel, t.ex. 4096 × 4096 8 megapixel för text till bild, 4 eller 8 för redigering
Beräkningssteg 6 8
Referensbilder vid redigering upp till 16 upp till 8
Modellstorlek 33,1 miljarder parametrar, BF16 cirka 69 GB 33,1 miljarder parametrar, BF16 cirka 100 GB; som tilläggsmodul för H3 cirka 2 GB plus text-encoder och VAE
Promptförbättrare valfri: egen modell H3-Image-PE, i ComfyUI Qwen3.5-9B på som standard, baserad på Qwen3.5-9B

Styrkor i detalj

Redigering med referensbilder

H3 Image och P-H3-Image sköter både skapande och redigering i samma modell. Du behöver ingen separat redigeringsmodell.1,4 Det här fungerar bra:

  • Placera personer i nya scener, även från ett karaktärsblad med front-, sido- och baksida
  • Byta kläder, inklusive tryck med text
  • Byta ord på skyltar, i samma typsnitt
  • Ändra tid på dygnet, till exempel ett hus från grå dag till klar natt
  • Restaurera och färglägga gamla foton
  • Trycka logotyper på produkter, inklusive tygstruktur

Förklaringen till den rumsliga styrkan ligger i ursprunget: H3 Image bygger på videomodellen MiniMax H3 och tar över dess arkitektur.1 En videomodell måste förstå hur rum, ljus och speglingar hänger ihop, och den kunskapen sitter också i bildmodellen.

Text i bilder

Stora ord inom citattecken skriver H3 Image oftast felfritt, även kinesiska tecken bredvid engelsk text. En meny med över 50 ord blev helt rätt vid 8 megapixel, vid 1 megapixel föll den lilla handskriften sönder.

Tempo

Grafikkort Modell Resultat
16 GB videominne H3 Image, 4-bit (W4A8) 2K-bild på ca 11 s, redigering med 4 MP på ca 26 s
RTX 4090 H3 Image 16 MP på ca 40 s
RTX 5090 P-H3-Image, med promptförbättrare 2 MP på ca 30 s, 4 MP på ca 1 min
24 GB videominne P-H3-Image, utan promptförbättrare 8 MP på ca 20 s

Värdena är riktvärden från praktiska tester med ComfyUI, inget labbtest. Om promptförbättraren körs med eller inte gör stor skillnad. Lite arbetsminne bromsar kraftigt: med 32 i stället för 64 GB laddar datorn om modellerna vid varje körning, och en bild tar då ungefär fyra gånger så lång tid. Enligt Pruna behöver P-H3-Image i full precision vid 8 megapixel cirka 101 GB grafikminne, medan 4-bitsversionen för ComfyUI klarar sig med 21 GB.4,6

Svagheter i detalj

Ansikten vid redigering

Om du placerar en person från en referensbild i en ny bild kan ett annat ansikte komma ut, ofta nog för att du ska behöva kontrollera varje resultat noga. Typiskt är också ett neutralt ansiktsuttryck. Versaler i prompten ändrar inget på det. Det som hjälpte var att beskriva uttrycket med enkla ord, till exempel ”mouth slightly open, eyebrows raised”, och uttryckligen ange ansikte och ansiktsdrag som oförändrade.

Grötiga detaljer

De oskarpa detaljerna har en teknisk orsak. Bildkodaren förminskar bilden med faktor 16, därefter slår modellen ihop 2 × 2 rutor en gång till. Varje beräkningsenhet motsvarar alltså 32 × 32 pixlar.1 För en videomodell med många referensbilder är det rimligt, för fina bilddetaljer är det en nackdel.

Återkommande felbilder

  • Djur får människohänder, till exempel en gitarrspelande hare. Åtgärd: kräv uttryckligen ”paws” i prompten.
  • Oönskade logotyper, till exempel ett tillverkarnamn på en gitarr, fast prompten inte bad om något.
  • Poser förskjuts vid redigering, till exempel korsade armar som försvinner.
  • Stilöverföring från en andra bild fungerar dåligt. Kubism känner modellen inte igen, oljemålning förblir nästan ett foto.

De bästa inställningarna och prompttipsen för MiniMax H3 Image

  1. Beskriv utförligt på engelska. Enligt modellkortet förväntar sig H3 Image en detaljerad engelsk beskrivning av hela bilden. Korta prompter låter MiniMax i API:et först formulera ut med en extra modell.1
  2. Räkna tillräckligt stort. MiniMax anger ett arbetsområde på cirka 4 till 20 megapixel, och bäst blir det vid ungefär 16.1 För snabba utkast går det med mindre, men små ansikten kräver minst 4 megapixel.
  3. Höj inte antalet steg. H3 Image är utformat för 6 steg och P-H3-Image för 8, båda utan CFG och utan negativ prompt.1,4 Med 20 steg blev bilden överdriven.
  4. Sätt text inom citattecken och utelämna utfyllnadsord som ”masterpiece” eller ”8K”. De gör bilden blank och övermättad.
  5. Säg vad som ska vara kvar vid redigering. Ange i slutet av prompten uttryckligen ansikte, ansiktsdrag, pose och bildutsnitt som oförändrade. Beskriv ansiktsuttrycket enkelt i stället för att tvinga fram det med versaler, till exempel ”mouth slightly open, eyebrows raised”. Nämn bara det som verkligen finns i bilden, annars smittar detaljer av sig på andra ställen.
  6. Den första bilden bestämmer formatet. Resultatet tar över bildformatet från den första bilden. Lägg alltså in bakgrunden först.
  7. När du tar bort något, säg vad som finns där efteråt. ”Ta bort texten” ensamt fyller ofta stället med något nytt. ”En slät, mörkgrön träyta utan bokstäver” fungerar.
  8. Testa olika samplers. Med LCM i stället för Euler blir resultaten ofta mjukare och har färre artefakter.

Den inbyggda promptförbättraren skriver en lång prompt utifrån en kort idé och ger därmed synligt bättre bilder från text. Men den kräver dessutom flera gigabyte videominne, kan ta lång tid på svagare datorer och hittar utan exakta anvisningar på egna detaljer, till exempel ett bandnamn på en affisch.

Promptbyggare: redigeringsprompter i det officiella formatet

I MiniMax officiella exempel har en redigeringsprompt en fast struktur. Först knyts varje objekt på engelska till en bild, till exempel ”The woman on the left in <Picture 1> is <Subject 1>”. Sedan följer vad målbilden visar, och för varje objekt vad som bevaras och vad som ändras.7 Den strukturen skriver annars promptförbättraren.

Med byggaren fyller du i delarna själv och får den färdiga prompten. Den varnar dessutom för de typiska felen: utfyllnadsord, versaler, nekanden, djur utan tassar och borttagning utan uppgift om vad som ska synas efteråt.

Promptbyggare för MiniMax H3 Image

Bygger din prompt i det format som MiniMax använder i de officiella exemplen. Fyll i fälten på engelska, eftersom modellen förväntar sig en engelsk beskrivning. Allt körs i din webbläsare, ingenting skickas.

Rekommenderad storlek: Längd:

  

    Fungerar via MiniMax API, appen Hailuo och, där licensen tillåter det, lokalt. Prompterna går oftast också att använda för P-H3-Image och andra bildredigerare.

    Så kommer du igång med MiniMax H3 Image: API eller ComfyUI

    Utan installation går det i webbappen Hailuo eller via API:et på MiniMax-plattformen. API:et har separata gränssnitt för text till bild, redigering och promptutökning.1,11 Du betalar efter förbrukning. MiniMax anger de här exempelpriserna per bild:13

    Uppgift Resultat Pris per bild
    Bild från text 1K (1024 × 1024) ca 0,022 US-dollar
    Bild från text 2K (2048 × 2048) ca 0,023 US-dollar
    Bild från text 4K (4096 × 4096) ca 0,069 US-dollar
    Redigering med 1 referensbild 4K ca 0,073 US-dollar
    Redigering med 3 referensbilder 4K ca 0,079 US-dollar

    Vid lanseringen gäller halva priset för 4K-bilder till och med den 17 november 2026. En snabbare variant som heter H3-Image-Highspeed kostar ungefär det dubbla.13 API:et går att bygga in i flöden med n8n, Make eller en AI-agent. Tänk på att dina bilder då skickas till MiniMax. Kundfoton hör bara dit om du har en rättslig grund.

    I ComfyUI behöver du den aktuella versionen. Därefter hittar du under ”Templates” en mall vardera för text till bild och för redigering. De officiella ComfyUI-filerna:5

    Fil Storlek Mapp
    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
    Promptförbättrare Qwen3.5-9B (valfri) 7,3 GB models/text_encoders

    Den som redan arbetar med videomodellen MiniMax H3 har oftast text-encodern redan. För lokal körning gäller dock licensfrågan i nästa avsnitt.

    Får jag köra MiniMax H3 Image lokalt i Sverige?

    Det här är den stora frågan om du vill köra modellen på din egen dator i ComfyUI. Licensen för H3 Image gäller över hela världen med undantag för EU, Storbritannien, Sydkorea och USA. Det gäller uttryckligen även de bilder som skapas.2 För P-H3-Image gäller samma territoriella regel.4 MiniMax motiverar det med de ännu oklara reglerna för generativa modeller, bland annat genom EU:s AI-förordning, och erbjuder för de här länderna en ansökan om en separat licens.3

    För det officiella API:et gäller enligt MiniMax inte begränsningen.3 Via MiniMax-plattformen, webbappen Hailuo eller OpenRouter kan du alltså använda H3 Image även från Tyskland.1,11,12 Om du ändå satsar på självhosting för din bildredigering, kontrollera alltid licenstexten först för varje öppen modell. Det här är ingen juridisk rådgivning.

    Vem står bakom H3 Image och P-H3-Image?

    MiniMax är ett AI-företag från Kina. Det utvecklar egna basmodeller för text, bild, video, tal och musik och är framför allt känt för videoappen Hailuo. Enligt egna uppgifter använder över 300 miljoner människor i mer än 230 länder och regioner modellerna och produkterna.8 H3 Image är bildvarianten av videomodellen MiniMax H3, som kom i somras.1

    Pruna AI är ett start-upbolag från München med en andra forskningsort i Paris. Bland grundarna finns Stephan Günnemann, professor vid Tekniska universitetet i München. Pruna gör AI-modeller mindre, snabbare och billigare i drift.9,10 P-H3-Image är just ett sådant projekt: Pruna har byggt om den stora H3-videomodellen till en bildmodell.4

    Slutsats: för vem MiniMax H3 Image lönar sig

    Det lönar sig om du vill redigera befintliga bilder: placera produktfoton i nya miljöer, föra samman personer från flera referensbilder, ändra texter eller restaurera gamla foton.

    Snarare inte om du främst behöver detaljrika, naturligt verkande bilder från text. För det var Krea 2 oftast det bättre valet i jämförelserna. Och om ansikten måste förbli exakt likadana vid redigering är Qwen Image 2.1 mer pålitligt.

    Vanliga frågor om MiniMax H3 Image

    Är MiniMax H3 Image bättre än Qwen Image 2.1?

    Det beror på uppgiften. Vid hög upplösning, tempo och rumsligt stämmiga redigeringar ligger H3 Image i täten. När det gäller att bevara ansikten var Qwen Image 2.1 mer pålitligt i jämförelserna.

    Varför ändrar MiniMax H3 Image ansiktet vid redigering?

    Det händer inte alltid, men regelbundet. Det som hjälper är minst 4 megapixel för små ansikten, en beskrivning av uttrycket med enkla ord och en rad som uttryckligen anger ansiktet som oförändrat.

    Vad är skillnaden mellan MiniMax H3 Image och P-H3-Image?

    H3 Image kommer från MiniMax själva, skapar cirka 16 megapixel i 6 steg och tar upp till 16 referensbilder. P-H3-Image kommer från det münchenbaserade start-upbolaget Pruna AI, skapar 8 megapixel i 8 steg och tar upp till 8 referensbilder. Båda bygger på videomodellen MiniMax H3.1,4

    Hur mycket grafikminne behöver MiniMax H3 Image?

    Den fulla BF16-versionen är cirka 69 GB stor, och därtill kommer text-encodern.1 För ComfyUI finns en INT8-version på 21 GB plus en 25,3 GB stor text-encoder. Mallen startar medvetet med 4 megapixel, så att datorer med lite videominne inte kraschar.5 Tack vare automatisk utlagring till arbetsminnet gick H3 Image snabbt även på ett kort med 16 GB videominne.

    Vad kostar MiniMax H3 Image?

    Modellfilerna kostar ingenting, men enligt licensen är användningen bara tillåten utanför de undantagna områdena, till vilka EU hör.2 Via API:et kostar en bild enligt MiniMax mellan ungefär 0,022 US-dollar (1K) och 0,069 US-dollar (4K), redigeringar något mer.13

    Hur installerar jag MiniMax H3 Image i ComfyUI?

    Uppdatera ComfyUI, öppna under ”Templates” mallen för MiniMax H3 Image och lägg de fyra filerna i de angivna mapparna: diffusionsmodell, text-encoder, VAE och valfritt promptförbättraren.5 I EU är lokal körning enligt licensen bara tillåten med ett separat godkännande från MiniMax.2,3

    Kan jag skapa videor med MiniMax H3 Image?

    Nej, H3 Image skapar bara stillbilder. För videor är systermodellen MiniMax H3 ansvarig. En bild som skapats med H3 Image kan du använda där som startbild.1

    Källor

    1. MiniMax: modellkort MiniMax-H3-Image på Hugging Face, hämtad 12.11.2026. huggingface.co.
    2. MiniMax: MiniMax-H3-Image Community License Agreement, hämtad 12.11.2026. huggingface.co.
    3. MiniMax: Q&A About License (MiniMax-H3), hämtad 12.11.2026. huggingface.co.
    4. Pruna AI: modellkort P-H3-Image på Hugging Face, hämtad 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: officiellt redigeringsexempel (revised_prompt.edit.txt) till modellkortet. huggingface.co.
    8. MiniMax: About MiniMax, hämtad 12.11.2026. minimax.io.
    9. Pruna AI: About, hämtad 12.11.2026. pruna.ai.
    10. Technische Universität München (01.10.2026): Pruna AI develops optimized, highly efficient AI models. tum.de.
    11. MiniMax-plattformen: Image Generation Guide. platform.minimax.io.
    12. OpenRouter: MiniMax H3 Image, modellsida med priser. openrouter.ai.
    13. MiniMax-plattformen: Pricing Overview, avsnittet Image, hämtad 12.11.2026. platform.minimax.io.

    Mätvärden är riktvärden från praktiska tester och beror på hårdvara och inställningar. Läge: 12 november 2026.