据 Beating 监测,MiniMax 的 H3 团队在 8 月 8 日的 Reddit AMA 中透露,正在开发一款专用图像模型,并计划发布其权重。该模型将文本生成图像和通用图像编辑整合到单一模型中,目前处于后训练优化阶段。
该模型与 H3 采用相同的架构基础,复用其 VAE 编码器,同时为图像生成引入定制的 VAE 解码器。MiniMax 设想的工作流程是由图像模型生成初始帧,再将其传递给 H3 生成视频。团队还指出,H3 已经展现出图像生成和编辑能力,尽管并未针对这一任务进行专门训练,但在图像编辑基准测试中表现出了强大的零样本性能。