회사
2026-11-11 00:04
올해 8월 MiniMax는 SOTA 수준에 도달한 최초의 오픈 소스 비디오 모델인 H3 비디오 생성 모델의 가중치를 공개했습니다.
그 후 몇 달 동안 커뮤니티는 이를 기반으로 공식 시연을 훨씬 능가하는 트릭을 수행했으며 H3 Max와 같은 수많은 파생 모델을 탄생시켜 AI 크리에이티브 산업을 한 단계 더 발전시켰습니다.
이제 MiniMax는 이미지 생성 모델을 숨길 생각조차 하지 않습니다. 방금 오픈 소스 이미지 모델의 SOTA를 대상으로 이미지 생성 및 편집에 중점을 둔 MiniMax H3 이미지가 공식 출시되었습니다.
이전 H3는 통합된 전체 모드 사전 학습을 통과했으며 Vincent 사진 및 이미지 편집을 포함한 이미지, 비디오, 오디오 및 기타 콘텐츠를 이해하고 생성하는 기능을 갖추고 있습니다.
이번에 H3 이미지는 H3의 기존 기능을 기반으로 하며 이미지 생성 및 편집을 위한 사후 학습 최적화를 추가로 수행하여 모델이 복잡한 지침, 이미지 세부 정보 및 시각적 미학을 더 잘 수행할 수 있도록 합니다.
보다 직관적인 경험은 해상도와 속도입니다. 실제 테스트에서는 H3 이미지가 4096×4096, 4K 화질의 고화질 사진을 생성하는 데 10~20초밖에 걸리지 않습니다.
이는 과거에는 종종 수십 초 또는 그 이상 기다려야 했던 고해상도 이미지가 이제는 수십 초 내에 완료될 수 있음을 의미합니다. 4K 수준의 이미지 생성이 10초 시대로 접어들고 있으며, 고해상도가 가져오는 디테일의 장점을 마침내 일상적인 창작에 더 자주 활용할 수 있게 되었습니다.
우리는 H3 이미지를 사용하여 CG, 게임 장면, 산업 디자인 및 다양한 아트 스타일에서 잘 작동하는 다양하고 미적인 이미지를 생성합니다.
또한 복잡한 지침을 따르는 능력을 강화하는 데 중점을 두고 최대 16개의 참조 사진을 지원하며 다양한 주제, 재료 및 스타일 요구 사항을 동시에 이해할 수 있습니다.
더 중요한 점은 H3 Image가 출시 당일에 웨이트를 오픈할 예정이며 개발자도 API를 통해 액세스하거나 MiniMax 개방형 플랫폼, MCode 및 MiniMax Conch 플랫폼에서 사용할 수 있다는 것입니다.
APPSO도 이 새로운 모델을 미리 경험해봤습니다. 아름다운 그림 외에도 우리는 요구 사항이 얼마나 복잡한지, 이미지가 얼마나 세부적인지 알고 싶습니다.
복잡한 요구 사항을 정확하게 도출할 수 있습니다.
과거에는 이미지 모델을 테스트할 때 프롬프트 단어에 나타나는 개체를 그릴 수 있는지 여부에 더 많은 관심을 기울인 경우가 많았습니다.
그러나 실제 작업에서는 디자이너에게 제공하는 요구 사항이 훨씬 더 복잡한 경우가 많습니다. 예를 들어, 제품의 부품을 어떻게 조립해야 하는지, 특정 영역에 어떤 요소를 유지해야 하는지, 서로 다른 참조 도면 간의 연결은 무엇인지 등이 있습니다. 모델은 올바른 그림을 그리기 전에 이러한 조건을 이해해야 합니다.
이번에는 산업 제품의 구조 설계부터 시작하여 H3 Image를 통해 미래형 커피 머신의 분해도를 생성했습니다. 원두사일로, 그라인더, 추출모듈, 물탱크 등의 구조를 보여주면서 각 부분의 연결관계를 표시하고 제품 디자인의 일관성을 유지해야 합니다.
기계적 구조 외에도 워드 프로세싱은 이미지 생성 모델에서 자주 직면하는 어려운 문제입니다. 특히, 단어를 정확하게 쓰는 것뿐만 아니라 글꼴 디자인, 그림 구성, 전체적인 시각 효과도 고려해야 합니다.
큰 문자 포스터의 경우 모델은 텍스트 콘텐츠, 글꼴 스타일 및 시각적 구성을 동시에 처리해야 합니다. 작은 텍스트의 큰 단락이 포함된 장면에서는 텍스트 정확성, 정보 수준 및 조판도 새로운 문제가 됩니다.
우리는 먼저 H3 Image에 서양 신화, 복고풍 조각, 빅토리아 장식 패턴 및 현대적인 미니멀리스트 타이포그래피를 결합한 피닉스를 주제로 신고전주의 아르 데코 포스터를 생성해 달라고 요청했습니다.
H3 이미지는 제목 PHOENIX MYTH와 부제 Eternal Rebirth of the Fire Bird를 정확하게 렌더링합니다.
작은 글자에 대한 H3 이미지의 성능과 관련하여 우리는 이 기간 동안 많은 화제를 불러일으켰던 Huang Jen-Hsun 공개 서한을 발견하고 H3 이미지에 데스크탑에 배치되는 레터헤드 버전을 생성해 달라고 요청했습니다.
그림의 텍스트는 기본적으로 정확하게 생성되었으며 눈에 띄는 오류가 없으며 전체적인 스타일이 그림 주변의 스타일과 일치합니다. 편지지 주변의 세부 사항을 자세히 살펴보면 모두 라오황과 관련이 있습니다.
또한 향수를 불러일으키는 장면도 연출할 수 있습니다. 벽에 걸려 있는 클래식한 가죽 재킷과 타자기의 독백인 "30년 동안 입었어요."라는 독백과 함께 말이죠.
우리는 또한 H3 이미지를 사용하여 보다 복잡한 게임 인터페이스를 생성하려고 시도했습니다. 이미지의 텍스트 렌더링 및 레이아웃은 생존 게임과 유사하며 생명, 마력 및 체력 수준을 보여줍니다.
또한 이미지가 텍스트와 그림 사이의 논리를 이해할 수 있는지 여부에 따라 달라집니다. 이를 위해서는 의미론을 이해하는 능력과 더불어 과학, 수학, 생물학 등에 대한 지식을 갖추고 논리를 정확하고 아름답게 표현할 수 있는 능력이 필요합니다.
기계 구조부터 텍스트 레이아웃, 지식 이해에 이르기까지 이러한 사례는 실제로 동일한 질문을 가리킵니다. 모델이 사용자가 표현하려는 정보를 진정으로 이해하고 이를 이미지로 정확하게 변환할 수 있는지 여부입니다.
이번에는 H3 이미지가 최대 16개의 이미지를 참조로 지원합니다. 이는 제품, 재료 참조, 브랜드 요소 및 장면 이미지에 대한 다양한 관점을 한 번에 제공한 다음 모델에게 이 정보를 동일한 작품에 통합하도록 요청할 수 있음을 의미합니다.
더욱 기대되는 점은 이번에 H3 Image에서도 API를 통해 MiniMax Code, Claude Code, Codex 등 Agent Harness에 접근할 수 있고, 더욱 복잡한 업무 프로세스에 직접 참여할 수 있다는 점이다.
즉, 에이전트의 대화 상자에 창의적인 요구 사항을 직접 제시하고 에이전트가 작업을 구성하도록 하고 H3 이미지를 호출하여 그림을 생성한 다음 후속 대화를 통해 지속적으로 디자인을 수정할 수 있습니다.
더 보려면 왼쪽으로 스와이프하세요.
MiniMax H3 이미지를 사용해 Codex에서 V8 엔진 폭발 분해도를 생성한 사례처럼, Agent의 정보 수집과 정리를 통해 생성된 최종 분해도는 매우 사실적입니다.
Agent의 경우 컨텍스트와 사용자의 수정 의견을 지속적으로 관리해야 합니다. H3 이미지의 경우 에이전트가 컴파일한 복잡한 명령을 이해하고 이를 최대한 정확하게 실행해야 합니다. 이러한 작업 방식은 또한 지침을 따르고 복잡한 정보를 이해하는 이미지 모델의 능력에 대한 더 높은 요구 사항을 제시합니다.
이 오픈 소스 이미지 생성 모델인 H3 Image는 실제로 복잡한 요구 사항을 이해하고 정확한 수정을 수행하며 지속적인 생성에서 일관성을 유지할 수 있습니다. 여기가 상담사 워크플로에 실제로 통합되기 시작하는 곳입니다.
특히 현재 다수의 주류 이미지 생성 모델에서 생성되는 이미지는 여전히 100만 픽셀 또는 400만 픽셀에 불과한 반면, H3 Image는 4096×4096 초고화질 이미지를 직접 생성할 수 있으며 픽셀 수가 4K 품질에 도달합니다.
이는 후속 작업 흐름에서 사진의 일부를 확대하거나 자르더라도 여전히 충분한 세부 정보를 사용할 수 있음을 의미합니다. 큰 화면에 표시해야 하는 제품 디자인, 광고 포스터, 시각 자료 등 후처리할 여지가 더 많습니다.
진정한 미의식을 이끌어내기 위해서는 즉각적인 말에 의지하기만 하면 됩니다.
강한 이해가 반드시 좋은 미학을 의미하는 것은 아닙니다. 우리는 프롬프트의 말을 엄격하게 준수하는 AI를 많이 보았지만 그들이 그리는 것은 항상 덜 흥미롭습니다.
GPT-Image와 마찬가지로 많은 사람들이 매우 강력한 정보 그래픽을 생성한다는 인상을 받지만 Midjourney와 같이 고도로 스타일화된 이미지를 생성하는 경우 GPT-Image도 약간 약합니다.
AI 이미지, 특히 CG, 게임 컨셉 디자인, 일러스트 등의 장면의 경우 원하는 구성, 색상, 분위기를 완벽하게 설명할 수 없는 경우가 많습니다. 우리는 기본적으로 모델 자체의 미적 수준에 의존하는 일반적인 방향만 제시할 수 있습니다.
이번에는 H3 이미지의 미학을 테스트하기 위해 Midjourney에서 마음에 드는 참고 사진을 몇 장 발견했습니다. 먼저 ChatGPT에 사진 속 구도, 빛, 재료를 프롬프트 단어로 분해한 다음 이 프롬프트 단어를 사용하여 H3 이미지에 질문을 하도록 요청했습니다.
예를 들어, 속도감 넘치는 경마 사진에서 우리는 사진의 핵심 스타일이 영화적 역동적 사진, 슬로우 모션 추적 사진 및 복고풍 스포츠 영화 미학이라는 점을 즉석에서 분명히 밝혔습니다.
H3 이미지는 말의 고속 달리기로 인해 발생하는 수평 번짐, 짙은 녹색 배경, 황금빛 일몰에 비춰진 말, 그리고 사진 속 어둡고 추상적인 네거티브 공간의 넓은 영역을 정확하게 묘사할 수 있습니다.
말할 필요도 없이 AI 풍미가 없습니다. 이러한 사진이 생성되는 것을 보면 사진 작가가 사진을 수정하는 데 많은 시간을 소비한 후 블록버스터 영화의 느낌이 강합니다.
우리는 경주, 사이클링, 스케이트보드, 움직이는 자동차, 달리는 사람과 동물에 이르기까지 다양한 스포츠 장면을 테스트하기 위해 이 프롬프트 단어 세트를 계속 사용하여 H3 Image가 사진에서 속도의 아름다움과 불완전하지만 움직이는 질감을 표현할 수 있는지 확인합니다.
각각의 사진은 움직이는 피사체가 점차 빛, 색상, 시간의 흔적으로 녹아들어 매우 감성적입니다.
인물 사진 생성을 위해 H3 Image에 레트로 다이렉트 플래시 필름 사진 + 라이프스타일 다큐멘터리 사진 + 독립 패션 매거진 미학 사진 여러 장을 생성해 달라고 요청했습니다.
결과 사진은 개인 파티에서 친구가 포착한 임의의 순간과 같습니다. 세심하게 정돈된 포즈는 없지만, 격식을 갖춘 사진보다 생명력이 넘친다.
특히 주목할 점은 이 이미지에 나타난 캐릭터의 현실감입니다. 피부는 자연스러운 질감을 유지하며 머리카락, 의복, 빛과 그림자의 디테일은 AI가 생성한 많은 인물 사진에서 흔히 볼 수 있는 피부가 과도하고 기름진 질감 없이 충분히 풍부합니다.
이 스타일을 다른 이미지에 복사할 때 H3 이미지의 스타일 제어 기능도 확인할 수 있습니다. 밤에 직사광선이 만들어내는 강한 빛과 어둠의 대비, 캐릭터가 자연스럽게 웃는 주체할 수 없는 순간, 약간 지저분한 구도, 풍부한 꽃무늬, 그리고 필름 스냅샷의 변형되지 않은 질감이 모두 성공적으로 생성되었습니다.
유사한 인물 사진에는 중국 의상 영화 사진, 자연주의적인 빛과 그림자, 복고풍 영화의 시각적 질감을 통합하여 H3 이미지를 사용하여 생성한 동양 고전 미학이 담긴 영화 스틸이 포함됩니다.
이 그림들은 고대 생활의 평범하고 친밀한 순간을 재현하는 것 같습니다. 나뭇잎 사이로 들어오는 오후 햇살이 등장인물들의 얼굴을 은은하게 비춘다. 자연스러운 표정과 얼룩덜룩한 나무 그림자는 시간이 흘러도 기억에 남는 영화의 추억으로 변합니다.
GTA V의 실제 게임 화면을 재현하는 과정에서 프롬프트 단어에 스타일과 3인칭 시점도 지정하고, H3 이미지에 "Grand Theft Auto V" 게임의 실제 시각적 스타일을 적용한 오픈 월드 3D 게임 스크린샷을 생성해 달라고 요청했습니다.
H3 Image는 우리가 원하는 것이 단순한 "GTA 스타일"이 아닌 "GTA 게임 그래픽"임을 충분히 이해하고 있습니다. 여러 장의 사진은 GTA 오픈 월드에서 플레이어가 무작위로 캡처한 프레임과 같습니다. AI가 생성한 다른 사진들과는 다릅니다. 다른 AI가 생성한 사진은 공식적으로 세심하게 제작된 홍보 사진에 가깝습니다.
우리는 또한 여러 개의 고도로 양식화된 그림을 생성했는데, 이 그림은 모두 한 번에 직접 생성된 빈첸시오회 그림 형식입니다. 추가 사진 참조가 없습니다. 일회성 프롬프트 단어만 사용하면 H3 Image는 미학적으로 AI가 전혀 없을 뿐만 아니라 우리가 요구하는 스타일을 정확하게 묘사할 수 있습니다.
이미 레퍼런스 이미지를 갖고 있는 크리에이터의 경우 GPT-Image를 사용해 해당 스타일 프롬프트 단어를 추출하거나, H3 이미지의 레퍼런스 기능을 직접 사용해 특정 사진이나 일러스트레이션의 초점 추적 방식을 적용해 종이 바닥에 붓놀림을 노출시킨 후 다른 피사체에 올려놓을 수도 있습니다.
복잡한 지시 이해와 시각적 미학을 동시에 고려할 수 있다면 이미지 모델의 실용성이 더욱 높아질 것입니다. 게임 컨셉 도면, 브랜드 포스터, 제품 구조 다이어그램 및 디자인 계획에 이르기까지 사용자가 자신의 요구 사항을 반복적으로 설명하고 프롬프트 단어를 조정해야 하는 횟수를 더욱 줄일 수 있습니다.
비디오에서 이미지까지 MiniMax는 모든 모드 기능을 제공합니다.
H3 이미지로 돌아가서 이번 릴리스에서 가장 주목할만한 측면은 오픈 소스입니다.
초기의 비디오 생성 모델이든 현재의 이미지 생성이든 오랫동안 높은 컴퓨팅 파워와 훈련 데이터, 모델 역량이 요구되는 영역입니다.
특히 최고의 비주얼 생성 모델은 공식 제품이나 API를 통해서만 사용할 수 있는 경우가 많습니다. 모델이 수행할 수 있는 작업, 작동 방식 및 추가 수정 방법은 여전히 서비스 제공업체에 따라 다릅니다.
MiniMax의 오픈 소스는 회사 제품의 모델을 더 많은 사용자와 개발자가 계속해서 만들 수 있는 출발점으로 전환했습니다. 그들은 기성 모델을 사용할 수 있을 뿐만 아니라 자신의 필요에 따라 배포, 미세 조정 및 최적화하고, 이를 중심으로 새로운 생성 도구를 개발하고, 모델 기능을 기존 제품 및 작업 흐름에 실제로 통합할 수 있는 기회도 갖게 됩니다.
콘텐츠 및 더 넓은 산업 분야에서 SOTA 오픈 소스 이미지 모델인 H3 Image는 모든 사람에게 새로운 선택을 제공합니다. 예를 들어, 게임 개발자는 자신의 아트 스타일에 맞는 자료 생성 프로세스를 구축하려고 시도할 수 있고, 디자인 팀은 특정 제품에 대한 자동화된 워크플로를 구축할 수 있으며, 개별 개발자는 개방형 모델을 중심으로 자신만의 창의적인 애플리케이션을 구축할 수도 있습니다.
텍스트, 음성 및 기타 모델이 결합된 비디오에서 이미지에 이르기까지 MiniMax의 다중 모드 레이아웃은 점차적으로 보다 완전한 기능 매트릭스를 형성하고 있습니다. H3는 웨이트가 오픈되면 커뮤니티에서 등장하는 게임플레이와 파생 모델, 워크플로우가 공식 시연의 경계를 훨씬 뛰어넘는다는 사실을 한 번 입증했고, 오픈소스 모델도 탄탄한 상용화를 지원할 수 있다는 점도 검증했다.
우리에게 가장 흥미로운 점은 첫 번째 계층의 시각적 생성 기능이 더 이상 소수의 폐쇄형 서비스에 의존할 수 없다는 것입니다.
충분히 똑똑하고 멋진 생성 모델을 개발자가 사용할 수 있게 되면 더 많은 사람들이 자신의 아이디어를 자신에게 속한 도구와 작업으로 바꿀 수 있는 기회를 갖게 될 것입니다.
*이 기사의 모든 이미지는 MiniMax H3 이미지를 사용하여 생성되었습니다.
장쯔하오
총 201개의 글이 등록되었습니다.
이 기사는 칼럼에서 나온 것입니다.
이전글2026-11-10 17:30
Ternus는 Siri 상사에게 압력을 가하고 Apple AI는 더 이상 기다릴 수 없습니다
아이파너 앱
사랑의 스타일, 미래를 손에 닿는 곳에 만드세요
내일의 제품에 집중하는 디지털 트렌드 브랜드
고급 도구, 선지자 우선, AIGC 영감 가이드
자동차 제조의 새로운 시대, 내일의 여행자
도시의 새로운 라이프스타일을 탐색하고 내일의 삶을 안내해 보세요.
저작권 © 광저우 Liwo Zhiyuan 투자 관리 파트너십(합자회사) 2008 - 2026. Aifaner 웹사이트 콘텐츠를 상업적 목적으로 사용하려면 허가가 필요합니다. 비상업적 사용은 CC BY-NC 4.0에 따라 라이센스가 부여됩니다.
모든 콘텐츠는 CC BY-NC 4.0에 따라 비상업적 용도로 사용할 수 있습니다. 명시적인 허가 없이 이 콘텐츠를 상업적으로 사용하는 것은 금지되어 있습니다.
