MiniMaxは2026年11月11日、画像生成・編集モデル「MiniMax H3-Image」を発表しました。文章からの生成に加え、最大16枚の参照画像を使う編集に対応し、モデルの重みも公開しています。同社は4096×4096ピクセルの画像を10秒未満で生成できると説明しています。MiniMaxの発表
既にGPT Image 2.6やGrok Imagine Image 2.0を使っているなら、知りたいのは「新しいモデルか」より、今の制作工程に加える理由があるかでしょう。H3-Imageは大きな画像、多数の参照素材、公開重みを使った自前運用が候補になります。一方、第三者評価で生成・編集とも他社を上回っているわけではなく、必要な編集機能や商用条件にも違いがあります。
この記事では3モデルの使い分け、第三者評価、API料金、日本での商用条件を整理します。自前運用の構成と費用は、規模感が分かる参考情報として短くまとめました。編集部による3モデルの同条件テストや、日本のアカウントでの購入・利用確認は行っていません。
GPT Image 2.6・Grokと、どこで使い分ける？
機能の違いは、生成した絵の好みと分けて見ると判断しやすくなります。次は2026年11月12日に確認した公式APIの仕様です。ChatGPT・Grok・Hailuo AIなどのアプリ画面で、同じ設定や機能が使えるとは限りません。
| モデル | 公式APIで確認できる機能 | 今の制作工程で見る点 |
|---|---|---|
| MiniMax H3-Image | 最大16枚の参照画像、約1,600万画素の直接生成、Standard／Highspeed、公開重み | 多数の素材や大きな納品画像が必要か。透明背景とマスク編集は非対応 |
| GPT Image 2.6 Sunburst／Flare | 書き込みで変更箇所を示す編集、SVG、アニメーションGIF、品質設定 | 修正指示や納品形式まで一つの工程で扱いたいか。SVGは生成用で、編集APIからの出力には非対応 |
| Grok Imagine Image 2.0 | 最大5枚の参照画像、生成ガイドの1K／2K指定、low／mediumの品質指定 | 今の解像度と参照枚数で足りているか。料金は品質・解像度と入力画像枚数で変わる |
出典：MiniMax画像API、OpenAI画像API、Grok画像生成・複数画像編集。
例えば、GPT Image 2.6の書き込みによる修正やSVG納品を使っているなら、その工程をH3-Imageに置き換える理由は薄くなります。Grokの5枚以内の参照と掲載サイズで足りている場合も、参照上限だけで乗り換えを決める必要はありません。H3-Imageは、今のモデルでは扱いにくい素材数や画像サイズの仕事に追加し、仕上げまでの手間を比べる候補です。最大枚数に対応することは、全素材を正確に再現できる保証ではありません。
H3-Imageの「4K」は、どのくらい大きい？
H3-Imageは、画像を後から拡大する処理に頼らず、約1,600万画素を直接生成する設計です。販促画像から一部分を切り出す、大きく掲載するといった用途では試す理由になりますが、商品形状・色・ロゴ・文字は原寸での確認が必要です。公式モデルカード
公式APIでは、画像の総画素数は最大2,000万画素、縦横比は1:3から3:1までです。「4K」は4096×4096を基準にした面積の設定で、横幅を常に4096ピクセルに固定する意味ではありません。横長16:9では5472×3072になります。画像生成APIの仕様
一方、公式APIは透明背景や、塗った範囲だけを変更するマスク編集には対応していません。切り抜き素材の納品や、商品写真の一部分だけを厳密に直す仕事では、後工程に画像編集ソフトを残す必要があります。対応していない機能
第三者評価では、文章からの生成と画像編集で位置づけが違う
Artificial Analysisの「AA-Image-T2I v2.1」と「AA-Image-Editing v2.1」は、モデル名を伏せた画像の比較を人が評価する選好テストです。2026年11月12日のOverall表示は次のとおりでした。数値はElo、±は掲載された95%区間を表します。
| モデル・設定 | 文章からの画像生成 | 画像編集 |
|---|---|---|
| GPT Image 2.6 Sunburst（max） | 1261 ±14 | 1209 ±13 |
| GPT Image 2.6 Flare（max） | 1226 ±12 | 1206 ±13 |
| Grok Imagine Image 2.0 | 1168 ±12 | 1117 ±12 |
| H3-Image | 1066 ±15 | 1141 ±16 |
| H3-Image Highspeed | 1072 ±15 | 1133 ±16 |
この時点では、文章からの生成はGPT Image 2.6とGrokがH3-Imageより高い評価です。画像編集ではH3-Imageの点推定がGrokを上回りますが、95%区間は一部重なります。「H3ならGrokより確実に良い」とまでは言えません。H3のStandardとHighspeedも区間が重なっており、高速版の方が高画質とは判断できません。
H3-Imageの比較数は生成3,093件、編集3,049件です。順位や数値は更新されます。また、生成と編集は別の評価表なので、両方のEloを引き算して能力差を測ることはできません。この評価は日本語文字の正確さ、商品形状の保持、生成速度や商用利用の安全性を保証するものでもありません。
価格と組み合わせて見る際にも注意が必要です。AAの料金欄は、提供元APIで1024×1024を1,000枚生成する所定の条件による表示です。上表のGPTはmax設定であり、各社の解像度・設定・課金内容をすべてそろえた「同じ品質の1枚の値段」ではありません。H3の4K割引価格と直結させて費用対効果を断定せず、実際の用途で比べましょう。
なお、MiniMaxの「4Kを10秒未満」「他社より高速」という説明は提供元の発表値です。比較相手や全実行条件を十分に確認できないため、自社の依頼でも常に10秒以内、または既存モデルより速いという意味ではありません。公式発表
API料金は1枚固定ではない。通常価格で予算を考える
公式APIにはStandardとHighspeedがあります。料金は、入力する文章・画像と、出力画像の処理量を表すトークンに基づきます。高速版は画像の入力・出力単価がStandardの2倍ですが、文章入力の単価は同じです。従って、依頼全体の料金が常にちょうど2倍になるわけではありません。公式料金表
下表は公式料金表に掲載された、1枚を生成する場合の試算例です。実際の固定料金ではなく、文章量や参照画像などで変わります。金額は米ドルです。
| 用途・モード | 通常の試算額 | 対象期間中 |
|---|---|---|
| 文章から1Kを生成・Standard | $0.02179 | 割引対象外 |
| 文章から4Kを生成・Standard | $0.06879 | $0.03439 |
| 文章から4Kを生成・Highspeed | $0.13001 | $0.06501 |
| 参照画像1枚から4Kを編集・Standard | $0.07312 | $0.03656 |
編集の例は、参照画像が1024×1024、出力が4096×4096の場合です。プロンプトの自動補強で追加される文章も、料金に影響します。試算の条件
期間限定の50%割引は、最終的に渡される画像が1,660万画素以上のリクエストが対象です。終了は2026年11月17日16:00 UTC、日本時間では11月18日午前1時の直前まで。StandardとHighspeedの対象リクエストの総額が割引されます。単に「大きめの画像だから半額」と判断せず、実際の出力サイズを確認してください。割引条件
税などを含む支払い総額は購入画面で確認が必要です。また、このAPI料金をHailuo AIやMiniMax Codeの月額プラン・クレジット消費にそのまま当てはめることはできません。有料サービスの条件
他社と比べるときは課金方式もそろえます。Grok Imagine Image 2.0は、公式料金表で出力1K・lowが$0.04、1K・mediumが$0.06、2K・mediumが$0.08。編集では入力画像1枚につき$0.01が加わります。Grok料金表
GPT Image 2.6の画像出力は100万トークンあたり$30で、入力も別途課金されます。1枚の消費量はサイズ・品質設定などで変わるため、トークン単価だけをH3の1枚試算額と比べることはできません。GPT Image 2.6の料金計算
制作費を比べるときは、最初の1枚の料金だけでなく、採用する1枚までの生成・修正の合計と、人の確認時間で考えましょう。安く生成できても、商品の形や日本語の文字を何度も直すなら、全体のコストは変わります。
日本での利用と商用条件。重みの公開は「無条件で自由」ではない
公式にはAPI Platform、MiniMax Code、Hailuo AIでの提供が案内されています。重みをダウンロードして、自分の設備で動かす方法もあります。提供先の案内
日本語の公式READMEも公開されていますが、日本の全アカウントでの申込み・決済、日本語の指示や日本語文字の品質、各アプリのH3-Image専用利用枠までは、本記事では確認できていません。契約前に、利用するサービスでモデルが選べるか、費用と利用上限がどう表示されるかを確認してください。公式日本語README
自社設備で動かす場合に確認したい条件
公開重みには独自の「MiniMax-H3-Image Community License Agreement」が適用されます。確認時点の主な条件は次のとおりです。
- 地域： EU、英国、韓国、米国はライセンスの適用地域から除外されています。日本は除外リストに含まれませんが、地域外でのモデルや生成結果の使用・配布・表示なども制限されています。
- 規模・提供形態： 自社または関連会社の年換算売上が100万米ドルを超える場合、または第三者へ画像生成のホスティングサービスを提供する場合は、別途、事前の書面による許可が必要です。
- 商用サービス： このモデルを利用する商用製品・サービスの利用画面には、モデル名を目立つ形で表示する条件があります。
- 出力の権利： MiniMaxは生成結果への権利を主張しないとしていますが、利用者側の責任や第三者の権利確認は残ります。他のAIモデルの改善への利用にも制限があります。
以上は条件の要約です。特に海外向け広告、海外拠点での利用、顧客向け生成サービスは、「日本の会社が使うから問題ない」とは判断できません。用途・配布先を示して、提供元と契約担当者に適用条件を確認しましょう。ライセンス本文
APIやアプリでは、その利用経路の契約も確認する
API・アプリを使う場合は、公開重みのライセンスだけで商用利用の可否を決めず、そのサービスの規約・注文条件も確認します。地域制限や個別許諾が自分の契約にどう適用されるかは、提供元への確認が必要です。
Open Platformの規約では、入力・生成内容の権利を法律の認める範囲で利用者に残す一方、サービスの提供・維持・開発・改善などに使う場合があるとしています。これを一律の「学習に使わない」「保存しない」という保証とは読めません。未公開の商品写真や顧客素材を入れる前に、保存期間、学習利用、削除方法、契約上の機密保持を確認してください。Open Platform利用規約
参考：自前で動かすなら、機材と費用はどのくらい？
既存GPU PCやMacでも動作例はあります。一律の最低VRAM・メモリ条件は公式未公表。原版は本体と別配布の文章エンコーダで計約135GBですが、必要VRAMを表す数字ではありません。公式構成
- GPU PCの例： RTX 5060 Ti 16GB＋RAM64GB、ComfyUIの量子化版（w4a8／INT8）とCPU退避で、4096×4096生成が約75秒／93秒、参照1枚の編集が約2分という個人実測。参照5枚は約33分で打ち切りでした。実測条件
- Macの例： M5 Max・統合メモリ128GiB、Swift／MLXで原版BF16を段階的に読み込み、2048×2048が約213秒、4096×4096が約499秒という実装者報告。共有ホストで各1回の測定です。実装者の検証
- 国内で借りる例： Runpodは福島でH200を提供し、公開単価はH200 141GB・RAM276GBで$5.29/時。10時間ならGPU部分は$52.90です。ストレージ等は別で、福島の最終単価と即時在庫は未確認です。料金・国内拠点
- 国内円建ての例： さくら高火力VRTのH100は990円/時、SSD250GBは47円/時で、両方を時間課金で10時間使う試算は10,370円（税込）。ただし10月29日から、現在VRTを保有しない利用者の新規作成受付を停止しています。GPU・ディスク料金・作成制限
購入例では、RTX 5060 Ti 16GB・RAM64GB・SSD2TBのDAIV完成品が571,700円～（税込）でした。H3動作保証付きの機種ではなく、調達額の参考です。
これらは最低構成や快適動作の保証ではなく、16～32GB Macでの実用性も未確認です。構築・保守・保存・電力と、前述の地域・売上・ホスティングの許諾条件を含めて判断します。国内サーバでも海外向け利用の制限は残り、追加許諾の費用も未確認のため、APIとの損益分岐は算出していません。
まずは、許可された素材で一つの制作工程を比べる
導入候補にするなら、次のように小さく試す方法が考えられます。
- 対象を一つに絞る。 例えば、公開済み商品の背景違いの販促案など、素材の利用許諾が明確なものを選びます。
- 比較条件を残す。 今使っている画像AIと、同じ指示・素材・掲載サイズで比べます。H3-ImageではStandardを基準にし、待ち時間が課題ならHighspeedも試します。
- 完成までを数える。 生成時間、やり直し回数、料金、文字や商品形状の修正時間を記録します。
- 公開条件を確認する。 商品表示の正確さ、人物・ロゴ・素材の権利、掲載先の地域と契約条件を確認してから使います。
APIでは、文章からの生成にプロンプトの自動補強が標準で入り、画像編集では常に適用されます。意図と違う要素が加わったときは、実際に使われた補強後の指示も確認対象にしてください。プロンプト補強の仕様
今のツールで掲載サイズも品質も足りているなら、急いで替える必要はありません。H3-Imageを加えるなら、多数の素材を使う編集、大きな画像、社内で管理する実行環境など、目的を一つ決めて試します。既存のImages 2.6の制作工程やGrokでの結果と、通常価格での費用・修正時間・利用条件を比べて判断しましょう。
情報確認日：2026年11月12日。性能は公開資料に基づく整理であり、編集部による実測レビューではありません。提供条件・料金・ライセンスは変更される場合があります。