MiniMax H3、H3-Image、P-H3-Image：三个名字，三种东西

这三个名字经常被混着用，搜索结果也会互相串台。原因很简单：它们共享前缀，却不是同一类东西。

一句话结论

H3 出视频，H3-Image 出图，P-H3-Image 是别人把 H3-Image 做快的版本。 判断标准只看两件事：它输出的是帧还是像素，以及发布方是官方还是第三方。

一张表分清

从表里能看出，H3-Image 与 P-H3-Image 是同一模态的两个版本，H3 则是另一个模态。把它们当成"同一模型的三个大小"是最常见的误解。

为什么会混在一起

三个原因叠在一起：

• 命名。 官方在图像模型上沿用了 H3 前缀，只在后面加了 Image，读起来像是同一个模型的一个功能。
• 时间。 视频版 2026 年 7 月就开源了，社区围绕它积累了半年教程、量化包和本地部署方案；图像版 11 月才发，搜索权重还停在视频那边。
• 生态。 图像版开放权重，所以第三方能立刻做蒸馏。蒸馏版又沿用相似名字，进一步加剧混淆。

这也解释了为什么搜"minimax h3 显存要求"，出来的多半是视频模型的 6G、8G 量化讨论，而不是图像模型的显存需求。

你手上的是哪一个

三个判据，从快到慢：

看输出。 输出 mp4 或帧序列的是 H3，输出 PNG 或 JPEG 的是 H3-Image 系列。

看尺寸。 视频侧常见 768p、1080p、2K 这类按短边标注的说法；图像侧是 1K、2K、4K 的分辨率档位，最高到 1600 万像素。

看体积与步数。 同一分辨率下，模型文件明显更小、采样步数更少、出图更快的那个，大概率是 P-H3-Image 这类蒸馏版本。

三问决策

要出视频吗？ 是，看视频模型页，那是 H3 本尊，默认 5 秒档、768p 与 2K 可选，起价 0.1 美元一次。

要出 4K 静帧、或者要一次喂很多参考图吗？ 是，看H3-Image 模型页，1600 万像素原生输出，起价 0.03 美元一次。

要快、要小、要能塞进普通显卡吗？ 是，那就是蒸馏版的场景。代价是细节和指令遵循会打折，适合草稿和批量试方向，不适合终稿。

四条常见误解

"H3 是 H3-Image 的简称。" 不是。省略 Image 之后指向的是视频模型，这是搜索串台的最大来源。

"P-H3-Image 是官方的轻量版。" 不是。它是第三方做的蒸馏，官方没有发布过这个变体。

"开放权重等于可以直接商用。" 开放权重解决的是能不能拿到文件，商用还要看许可证条款，两件事分开确认。

"都是 MiniMax 的，所以能力一样。" 同一家族不等于同一能力。视频模型的时间一致性方案，和图像模型的多参考图融合方案，是两套不同的工程。

怎么避免再混淆

写提示词、找教程、下模型之前，先在心里把名称补全：要视频就写全 H3 视频，要图就写全 H3-Image。少了这两个字的区分，很容易照着视频教程去调图像模型，然后得出"这个模型不行"的错误结论。

关于 4K 输出和参考图数量的具体边界，可以看 H3-Image 的 4K 拆解；同类的视频候选在文生视频图集里可以横向比较。