미니맥스 H3-Image, 업스케일 없이 4096×4096 이미지를 약 10초에 생성

미니맥스(MiniMax)가 이미지 생성 모델 H3-Image를 공개하고 모델 가중치(AI가 학습으로 얻은 매개변수 값)도 함께 풀었다. 빅고 파이낸스에 따르면 홍콩 증시 상장사 미니맥스(00100.HK)는 11월 10일(현지시각) 이 모델을 발표했다. 4096×4096 픽셀, 약 1,600만 화소(16MP) 이미지를 약 10초에 만든다는 점이 가장 큰 특징이다. 텍스트 프롬프트로 그림을 만들고 참조 이미지를 편집하는 기능을 한 모델에 담았으며 참조 이미지는 최대 16장까지 넣을 수 있다.

업스케일 없이 1,600만 화소를 바로 뽑는다

H3-Image는 미니맥스의 영상 생성 모델 H3에서 파생된 이미지 모델이다. 일반적인 이미지 생성 AI는 저해상도 이미지를 먼저 만든 뒤 업스케일러(해상도를 키우는 도구)로 확대하는 과정을 거친다. H3-Image는 높은 해상도를 직접 출력한다는 점이 다르다고 빅고 파이낸스는 전했다. 회사는 주류 도구가 100만~400만 화소 수준에 머무는 동안 16MP 고해상도 이미지를 실용적인 속도로 만들 수 있다고 설명했다.

속도 수치도 구체적이다. 같은 보도에 따르면 생성 속도는 표준 모드에서 주요 상용 도구의 1.5~2배, 고속(Highspeed) 모드에서는 3~4배에 달한다. 36Kr은 고속 버전이 4096×4096 이미지를 약 10초에 만들며 이는 시장 주류 모델이 쓰는 시간의 5분의 1이라고 보도했다. 또 다른 36Kr 기사는 주류 모델의 생성 속도가 보통 분 단위이고 가장 빠른 것도 약 50초인 반면 H3-Image는 4K 이미지에 10~20초가 걸린다고 적었다.

고해상도는 활용 폭과 직결된다. 36Kr은 해상도가 높으면 디테일이 늘고 잘라내 쓸 여유도 커진다고 짚었다. 같은 이미지를 포스터와 크기가 다른 웹페이지에 맞춰 쓰거나 특정 인물·제품만 잘라 강조할 수 있다는 설명이다. 생성이 빨라지면 구도·색감·빛 표현을 고치며 결과를 곧바로 확인할 수 있어 시행착오 비용도 줄어든다.

331억 개 파라미터, 6단계 샘플링으로 증류한 구조

HackerNoon에 실린 모델 가이드에 따르면 H3-Image는 텍스트-이미지 생성과 이미지 편집을 하나의 체크포인트로 처리한다. 미니맥스 H3 계열에서 오디오 분기를 뺀 이미지 전용 모델이다. 핵심은 331억 개(33.1B) 파라미터를 가진 디퓨전 트랜스포머(노이즈에서 이미지를 만들어 내는 방식의 트랜스포머)다. 50개 층, 은닉 크기 5376, 어텐션 헤드 56개, FFN 크기 14336의 밀집 단일 스트림 구조에 3D 멀티모달 RoPE가 적용됐다. 트랜스포머 가중치는 BF16, 임베딩·타임스텝·출력층은 FP32다.

이미지 VAE(이미지를 잠재 공간으로 압축·복원하는 모듈)는 CNN 인코더와 24층 2D ViT 디코더로 구성된다. 공간 다운샘플링은 16배, 잠재 채널은 24개다. 텍스트 인코더는 미니맥스 H3의 큐원3-VL 인코더를 그대로 쓰며 저장소에는 들어 있지 않다. 모델 본체 용량은 68.65GB, 텍스트 인코더는 별도로 66.7GB다.

샘플링은 분류기 없는 가이던스(CFG) 없이 6단계로 증류(압축)됐다. 그래서 제약도 분명하다. 추론 스텝은 6, 가이던스 스케일은 1(또는 생략)이어야 하고 다른 값은 요청이 거부된다. 네거티브 프롬프트는 지원하지 않으며 프롬프트는 4096토큰에서 잘린다. 유효 해상도는 약 4~20MP이고 결과물은 대체로 16MP 안팎을 목표로 한다.

사용 방식도 문서에 정리돼 있다. 생성과 편집 모두 프롬프트와 WIDTHxHEIGHT 크기를 요구하며 편집에는 참조 이미지 파일을 하나 이상 넣는다. 업로드 순서는 프롬프트의 Picture 1, Picture 2에 대응한다. min_generation_area 옵션은 1,024~16,777,216픽셀 범위에서 기본값이 4,194,304픽셀이다. 요청 크기가 이보다 작으면 같은 비율의 더 큰 캔버스에서 생성한 뒤 LANCZOS 방식으로 줄인다. 출력은 PNG이며 대표 16MP 크기로 4096x4096, 4736x3552, 5024x3360, 5472x3072, 6272x2688이 제시됐다. 서빙 프레임워크는 SGLang, vLLM-Omni, diffusers, ComfyUI가 언급됐고 하드웨어 예시로 엔비디아 H200, RTX PRO 6000 블랙웰, AMD Instinct MI350X가 나왔다. 최소 사양은 명시되지 않았다.

사실적 질감부터 CAD 도면까지, 테스트 후기

36Kr이 전한 Zhidx의 테스트는 미니맥스 Conch AI와 MiniMax Code로 H3-Image를 연결해 진행됐다. 사실적 질감, 스타일 변환, 게임 장면 재현, 포스터 문자 배치, 16장 참조 합성 등 5개 그룹이다. 매체는 인물 사진에서 피부의 자연스러운 결점이 살아 있고 과한 보정으로 생기는 플라스틱 느낌이 없다고 평가했다. 건축 이미지에서는 유리 커튼월의 반사가, 스포츠 장면에서는 선수의 무게중심과 힘의 방향이 자연스럽다고 적었다.

스타일 변환에서는 주황색 고양이 사진을 펠트 스톱모션과 초현실주의 유화로 바꿨다. 프롬프트에 달리 스타일만 언급했는데 모델이 녹아내리는 시계 같은 상징 요소를 스스로 넣었다고 한다. 게임 쪽에서는 ‘젤다의 전설: 야생의 숨결’에서 영감을 얻은 오픈월드 화면을 만들었고 판타지 RPG의 체력바·스킬바·인벤토리 슬롯·미니맵 등을 포함한 HUD 시안도 내놨다.

베타 접근권을 먼저 받은 크리에이터들의 사례도 36Kr에 소개됐다. 사진 한 장을 넣으면 전신 정면·후면과 얼굴 클로즈업이 담긴 4K 캐릭터 시트가 나왔고 모공과 주근깨, 잔털까지 표현됐다는 평이다. 한 사용자는 큰 글자 포스터가 안정적이고 작은 글자에서는 가끔 오류가 난다고 밝혔다. 같은 사용자의 미국 수어 테스트에서 36Kr이 인용한 집계 기준 정확도는 H3-Image가 48.1%, 비교 모델 모스가 20.0%였다. 두 모델 모두 실수가 있었다. 다른 사용자들은 CAD 스타일 도면과 부품이 공중에 떠 있는 기계 분해도를 시도했다.

36Kr은 미니맥스가 3개월 전 영상 모델 H3를 오픈소스로 공개했고 엔비디아·피카·fal의 연구팀이 이를 바탕으로 파생 모델을 훈련했다고도 전했다. 공식 포지셔닝은 오픈소스 이미지 모델 중 최고 성능이며 강한 지시 이행 능력이 내세우는 강점이다.

API 요금은 주요 도구의 50~70%, 남은 검증 과제

미니맥스는 가격도 낮췄다. 빅고 파이낸스에 따르면 API 사용료는 같은 등급 주요 도구의 50~70% 수준이다. 출시 후 1주일 동안은 16MP 이상 생성 요청에 공식 가격의 절반을 적용하는 행사도 연다. 가중치 공개와 함께 API, MiniMax Code, 오픈 플랫폼, Conch AI에서도 바로 쓸 수 있다.

회사는 H3 사전학습에서 쌓은 이미지 생성 능력 위에 데이터 준비, 강화학습, 추론 단계 압축, 프롬프트 엔지니어링, 배포 최적화를 더해 속도·화질·지시 이행 능력을 함께 끌어올렸다고 설명했다. 공개 사례에는 인테리어 코디네이션 이미지와 지도에서 지정한 지점 주변 지형을 보완한 이미지가 포함됐다. 36Kr은 오픈AI가 11월 4일 Images 2.6을 내놓은 지 며칠 만에 나온 모델이라고 소개했다.

시기도 겹쳤다. 빅고 파이낸스에 따르면 11월 11일 톈마오 AI 스페이스 스테이션 페이지에는 중국 대형 모델 업체들의 토큰 구독 할인이 올라왔다. 업체들이 ‘더블 11’ 쇼핑 행사에 집단으로 참여한 것은 처음이다. 미니맥스의 월간 카드 3종은 한 번도 멤버십을 개통하지 않은 신규 계정에 50% 할인이 적용됐다.

검증은 아직 남아 있다. HackerNoon 가이드는 제공된 자료에 이미지 품질이나 성능에 대한 독립 벤치마크 결과가 없다고 밝혔다. 다른 대안과의 성능 비교도 제시되지 않았다. 지금까지 나온 평가는 회사 설명과 사용자·매체의 개별 테스트가 중심이다. 로컬 실행에는 모델 본체 68.65GB와 텍스트 인코더 66.7GB를 모두 내려받아야 한다.