上星期 Hugging Face 的趨勢榜單上,出現了一個值得留意的名字:MiniMaxAI/MiniMax-H3-Image。短短七日內累積 1,577 個讚、759,661 次下載,在開源出圖模型之中屬於相當誇張的數字。對香港和台灣的創作者來說,最直接的問題只有一個——它真的能打贏 Midjourney 嗎?還是又一個「榜單好看、實用一般」的模型?

我花了兩天時間,用同一批提示詞在 MiniMax-H3-Image、Midjourney 與 Flux 之間做對照測試,這篇就講清楚它的實際表現、限制,以及你到底應不應該花時間試。

一、MiniMax-H3-Image 是什麼?為何突然爆紅

MiniMax 本身是中國大陸的 AI 公司,過去以語音模型和 MiniMax-Text 系列為人熟悉。今次推出的 H3-Image 是旗下第三代圖像生成模型,在 Hugging Face 上以 diffusers 格式釋出,代表你可以直接在自己的機器或雲端 GPU 上跑,不需要經由任何官方網站排隊。

爆紅的原因有三個:

  1. 開源可自架:diffusers + safetensors 格式,社群工具(ComfyUI、Diffusers 腳本)幾乎即插即用。
  2. 中文提示詞友善:這一點對華語用戶極關鍵,Midjourney 至今仍以英文提示詞為主,中文理解經常「走樣」。
  3. 免費:模型權重公開,本機跑零成本,只有你自己的電費和 GPU 時間。

單是第三點,就足以令一眾設計師、內容創作者和小型工作室趨之若鶩。

二、實測:中文提示詞、人像、文字排版三關

我用三組提示詞做對照,全部以繁體中文書寫,看看模型是否真的「聽得明」。

第一關:中文語境理解。 提示詞:「雨夜的旺角街頭,霓虹燈招牌反射在濕滑地面上,菲林質感,略帶顆粒。」 MiniMax-H3-Image 的輸出相當到位——招牌上的繁體字雖然不是完全正確,但整體氛圍、霓虹色溫、地面反光都抓住了。相比之下,Flux 出來的畫面偏「乾淨好萊塢」,少了那種港式混亂感;Midjourney 則需要我把提示詞改寫成英文才達到類似效果。

第二關:人像與手部。 這是所有開源模型的死穴。H3-Image 在單人半身像表現穩定,膚質與光影接近商業攝影水平;但一到雙手交疊、拿杯、比手勢的場景,手指仍然會出現融合或數量錯誤。這點與 Flux 相若,仍未追上 Midjourney v7 的穩定度。

第三關:圖中文字。 提示詞要求生成「一杯咖啡,杯身印著『香港』二字」。H3-Image 成功寫出可辨認的「香港」,筆劃大致正確,這在開源模型中屬於中上水平。但字數一多(例如整句標語),就會開始出現簡體混雜或錯字。

三、優點與限制:唔好信榜單,要信自己眼睛

優點:

  • 中文提示詞理解力強,對華語創作者是實質優勢
  • 開源可自架,商業用途授權相對寬鬆(仍需自行核對授權條款)
  • 生成速度快,在 24GB VRAM 的卡上單張約 4 至 8 秒
  • 風格多樣,寫實、插畫、水墨都能駕馭

限制:

  • 手部與複雜構圖仍不穩定,需要多次重擲
  • 圖中文字只適合短詞,長句會出錯
  • 沒有 Midjourney 那種「一鍵風格美學」,需要自己調提示詞
  • 對硬件有要求,沒有獨立顯卡的話要靠雲端 GPU,成本會上升

四、收費與使用方式:免費是真的嗎?

這裡要分兩條路講清楚。

路線一:本機自架(真正免費)。 到 Hugging Face 下載權重,用 ComfyUI 或 Diffusers 載入即可。硬件建議 16GB VRAM 以上,24GB 更順。對已有顯卡的用家,這是零邊際成本的方案。

路線二:雲端 API 或第三方平台。 MiniMax 官方 API 按張數或 token 計費,實際價格隨方案浮動;坊間亦有不少聚合平台提供 H3-Image 生成,多數以點數制收費。若你只是偶爾出圖,用雲端比買卡划算;若每月出圖過千張,自架長遠更省。

對比 Midjourney(訂閱制,每月約 10 至 60 美元)與 Flux(開源但商用授權分級),MiniMax-H3-Image 的定位很清楚:免費入場、彈性極高,但要自己動手。

五、誰應該用?誰可以跳過?

適合用的人:

  • 需要大量中文語境素材的內容創作者、小編
  • 想避免訂閱費、有顯卡的設計師
  • 需要自架、資料不出境的企業或工作室

可以跳過的人:

  • 追求「一按即出神圖」、不想調參數的用家,Midjourney 仍然更省心
  • 需要大量圖中文字的商業設計,暫時仍要靠後製
  • 沒有 GPU、又不想付雲端費用的入門者

延伸閱讀

結語:值得試,但別期望它是 Midjourney 殺手

MiniMax-H3-Image 的爆紅不是沒有原因——它在中文提示詞理解和開源可自架這兩點上,確實做出了差異化。但要說它「贏 Midjourney」,我認為言過其實:手部穩定度、圖中長文字、整體美學完成度,Midjourney 仍然領先。

比較合理的定位是:它是華語創作者手上多一把好用的免費刀。 如果你有顯卡、又經常需要中文語境的圖,這兩天就值得下載試一試;如果你只是想快速出幾張漂亮宣傳圖,付費訂閱反而更省時間。工具沒有絕對強弱,只有合不合你用——這點,榜單上的讚數永遠不會告訴你。