MiniMax开源图像模型H3-Image,支持原生4K与最多16张参考图
MiniMax开源图像模型H3-Image,支持16MP(4096×4096)原生4K生成,最多可输入16张参考图。作者实测显示该模型能根据产品外观图推演正交三视图、生成机械爆炸图,并在高数试卷排版中保持字符与公式完整。API调用价格为主流竞品的50%到70%,首周16MP请求再打五折。
推荐理由:作者实测了开源图像模型在CAD拆解、文字排版与4K生成上的表现,可据此判断国产开源生图模型的当前水平。
MiniMax开源图像模型H3-Image,支持16MP(4096×4096)原生4K生成,最多可输入16张参考图。作者实测显示该模型能根据产品外观图推演正交三视图、生成机械爆炸图,并在高数试卷排版中保持字符与公式完整。API调用价格为主流竞品的50%到70%,首周16MP请求再打五折。
推荐理由:作者实测了开源图像模型在CAD拆解、文字排版与4K生成上的表现,可据此判断国产开源生图模型的当前水平。
MiniMax 宣布 H3-Image 正式发布并开放权重,这是一款衍生自 H3 的图像生成模型,具备文本生成图像、图像参考和图像编辑能力。官方称其可在 10 秒内生成一张 4096×4096 像素、约 16MP 的高分辨率图像,速度可达市面主流水平的 5 倍,最多支持 16 张参考图片。
同一件事,精选收录的是《MiniMax开源图像模型H3-Image,支持原生4K与最多16张参考图》
11 月 10 日,蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类传感原理,将不同信号编码为统一触觉 Token。
推荐理由:原文给出触觉基础模型的预训练数据规模与真机测试结果,可据此判断触觉表征跨硬件复用的做法。