上星期 HuggingFace 的趨勢榜單上,有一個名字悄悄爬升得很快:MiniMaxAI/MiniMax-H3-Image。一週之內累積 1,307 個讚、下載量衝破 60 萬次,而 Comfy-Org 同步上架的整合版本更錄得 229 萬次下載。對於一個「出圖模型」來說,這個數字並不尋常——因為它不只是又一個雲端生成服務,而是可以下載到自己電腦、免費跑、而且對中文提示詞特別友善的開源模型。

對香港和台灣的創作者來說,這件事的意義很直接:你過去要付 Midjourney 月費、或者買 API credits 才能出的圖,現在有機會在自己部機上零成本生成。問題是——質素追得上嗎?今次我們實測三日,講清楚它的實力與限制。

這個模型到底是什麼?

MiniMax-H3-Image 是大陸 AI 公司 MiniMax 推出的文字生成圖像(text-to-image)模型,採用 diffusers 格式釋出,權重公開在 HuggingFace 上。它的定位與 Stable Diffusion、Flux 類似:你給一段文字提示,它生成對應圖像;你也可以用 image-to-image 模式,拿一張參考圖去改風格、改構圖。

真正讓它在社群爆紅的原因有三個:

  1. 完全免費、可離線運行——下載權重後,不需要付任何訂閱費或 API 費用,斷網都能出圖。
  2. 中文提示詞理解力強——不少開源模型對中文描述「半懂不懂」,而 H3-Image 明顯有針對中文語料訓練,講「霓虹燈下的旺角街頭、潮濕地面反光」這類描述,出來的氛圍比英文直譯更貼近。
  3. ComfyUI 生態整合快——Comfy-Org 幾乎同步推出封裝版本,意味著你可以直接拖進 ComfyUI 的節點工作流,配合 ControlNet、LoRA 等工具使用。

換句話說,它不是「又一個生成器」,而是填補了「中文友善 + 免費本地 + 生態完整」這個空位。

實測:三類場景考驗真功夫

我們用一張 RTX 4090(24GB VRAM)和一台 M3 Max MacBook 分別測試,以下是最真實的觀察。

場景一:人像與質感

提示詞:「亞洲女性、短髮、午後窗邊自然光、菲林質感、淺景深」。

H3-Image 在膚色和光線層次上表現相當紮實,皮膚紋理不會過度磨皮,光線方向也合理。與 Midjourney v7 相比,整體「攝影感」稍弱一線——Midjourney 的構圖更戲劇化、更像廣告硬照;H3-Image 則偏向自然、寫實,適合做內容配圖而非主視覺海報。

場景二:文字與排版

這是所有開源模型的痛點。測試「一杯咖啡,杯身印著『早安』兩字」,H3-Image 的中文字偶爾會出現筆畫錯亂,但成功率明顯高於 Flux 和 SDXL。如果你的用途是社群圖卡、簡單標語,它勉強可用;但要印在包裝或廣告上,還是得後製修正。

場景三:本地化場景

這是它最驚喜的地方。提示詞「香港茶餐廳、卡座、凍奶茶、牆上餐牌」,出來的畫面細節——鐵閘、瓷磚、餐牌字體——比外國模型「想像出來的中國風」真實得多。對做本地內容的編輯、餐廳、地產代理來說,這種「唔會出戲」的本地感,是付費工具都未必給到的。

效能與硬件要求:不是每部機都跑得動

免費是有代價的。實測數據如下:

  • RTX 4090(24GB):1024×1024 出圖約 4–6 秒,流暢。
  • RTX 4060(8GB):需要開啟量化或降低解像度,約 25–40 秒一張,可接受但不算快。
  • M3 Max MacBook:透過 ComfyUI 跑 MPS 後端,約 30–50 秒,風扇明顯轉速上升。
  • 無獨立顯示卡的手提電腦:基本上不建議,CPU 跑一張要數分鐘。

另一個門檻是安裝。它不是「開網頁就用」的工具,你需要:安裝 Python 環境、下載 diffusers 或 ComfyUI、拉取約 10–20GB 的模型權重、設定節點。對有技術底子的讀者,半小時可完成;對完全新手,這是一道真實的門檻。

定價:免費,但「免費」有幾種含義

方案成本適合誰
本地運行(自己電腦)HK$0有顯示卡、注重私隱、長期高頻使用
雲端 GPU 租用(RunPod 等)約 US$0.3–0.6/小時無硬件但想試
第三方 API 平台按張計費,約 US$0.01–0.03/張想接入自動化流程
對比:MidjourneyUS$10–60/月追求最高質素、不想設定

關鍵一句:模型本身永久免費,但你付出的是硬件成本、電費和學習時間。如果你一個月只出十幾張圖,租雲端 GPU 或直接用 Midjourney 可能更划算;如果你每月出數百張、或者處理敏感客戶素材不想上傳雲端,本地運行就明顯抵。

優點與限制,一次講清楚

優勢:

  • 零訂閱成本,出圖數量無上限
  • 中文提示詞理解力在開源模型中屬前列
  • 本地化場景(港台街景、飲食、生活)表現自然
  • 資料不出機,適合處理客戶機密素材
  • ComfyUI 生態完整,可接 ControlNet、LoRA

限制:

  • 需要一定硬件與技術門檻
  • 文字生成仍有失誤,需後製
  • 極致藝術感、廣告級構圖仍略遜 Midjourney
  • 官方文件以英文為主,中文教學零散
  • 開源授權需自行確認商用條款

延伸閱讀

誰應該用?誰可以再等等?

建議立即試: 內容創作者、社交媒體小編、餐廳與地產代理(需要大量本地場景配圖)、注重私隱的設計工作室、想減省每月出圖開支的中小企。

可以再觀察: 完全不懂技術的用家、每月出圖量少於 20 張的個人、追求廣告級主視覺的專業攝影與設計公司。

總結一句:MiniMax-H3-Image 不是「Midjourney 殺手」,但它證明了免費、本地、中文友善這三件事可以同時成立。對香港和台灣的創作者而言,這是一個值得花半個下午設定的工具——試完之後,你可能會發現自己不再需要為每張配圖打開信用卡。