O anúncio da semana: 4K em menos de 10 segundos
Na última terça-feira (11/11), a MiniMax publicou o MiniMax-H3-Image, um modelo de imagem com pesos abertos que gera e edita no mesmo arquivo. A manchete do anúncio é de velocidade: o modelo "gera uma imagem 4K (4096 × 4096) em menos de 10 segundos", com "até 5× a velocidade das alternativas convencionais".
É um número forte. Quatro mil pixels de lado, sem upscale, sem passar por um segundo modelo para ampliar. E o anúncio vai além: diz que o modelo entrega "a melhor aderência ao prompt entre os modelos de pesos abertos" e cobra "50 a 70% do preço dos concorrentes".
Só tem um detalhe. Nenhum desses três números é comparado com nada.
O que o anúncio não mostra
A página oficial do lançamento tem zero menções à palavra "benchmark". Não há tabela, não há gráfico, não há um adversário nomeado. As três afirmações — velocidade, qualidade, preço — chegam como adjetivo, não como medida.
Compare com o lançamento da Anthropic da semana passada, o Fable 5.2, que veio com FrontierCode, BenchCAD, Chartography e RoboDojo, cada um com número e concorrente. São duas escolas opostas: uma publica o placar antes do produto, a outra publica o produto e deixa o placar para quem quiser medir.
Então medimos. A arena de preferência cega do Artificial Analysis coloca duas imagens lado a lado, sem dizer quem fez qual, e deixa pessoas escolherem. É o tipo de teste mais próximo do que o seu olho faz ao rolar o feed — e é o único que não depende da boa vontade do fornecedor.
O placar real: 23º no texto, 12º na edição
O resultado é o melhor retrato do modelo que existe hoje (leitura de 12/11, na arena de imagem do Artificial Analysis):
- Texto → imagem: 1.067 pontos, 23º lugar, com 3.143 votos e margem de erro de ±15.
- Edição de imagem: 1.138 pontos, 12º lugar, com 3.137 votos e ±16.

Ou seja: a frase "melhor entre os modelos abertos" tem um lugar onde ela vale e outro onde ela não vale. Na edição, o H3-Image fica à frente de modelos bem mais caros — 1.138 contra 1.119 do FLUX 3 Image e 1.126 do Nano Banana 2, que cobram US$ 48 e US$ 67 por mil imagens contra os US$ 26,54 dele. No texto puro, ele fica atrás do Qwen-Image-3.0 (1.076), do Qwen-Image-3.0-Pro (1.096) e do FLUX 3 Image (1.115). São três modelos na frente dele — e a frase da manchete só se sustenta na edição, não na geração.

Vale entender o que essa pontuação quer dizer na prática. Numa escala de preferência humana, 1.067 contra 1.262 do GPT Image 2.6 Sunburst é uma diferença de quase 200 pontos — não é empate técnico, é outra liga. Já 1.067 contra 1.076 do Qwen-Image-3.0 é empate estatístico: as margens de erro se sobrepõem.
O preço é bom — mas não é o mais barato
Aqui o anúncio acerta em parte. A US$ 21,79 por mil imagens em texto→imagem, o H3-Image custa cerca de um décimo do GPT Image 2.6 Sunburst (US$ 210,72) e menos da metade do FLUX 3 Image (US$ 48). Em edição, US$ 26,54 contra os mesmos US$ 210,72 do topo — números da mesma medição.
Mas "50 a 70% do preço dos concorrentes" é uma frase que só funciona escolhendo os concorrentes. No mesmo placar, o Seedream 5.5 custa US$ 20, o MAI-Image-2.6-Flash US$ 19,46 e o Muse Image US$ 10 por mil imagens — metade do preço do H3-Image, com pontuação igual ou melhor. O modelo é barato em relação aos caros. Não é barato em relação ao mercado.
Por que ele é rápido: 6 passos e nenhum "negative prompt"
A parte técnica do anúncio se sustenta. O H3-Image é um DiT de 33,1 bilhões de parâmetros, destilado para 6 passos de amostragem e sem classifier-free guidance — na prática, ele não faz a segunda passada de cálculo que a maioria dos modelos faz para "afinar" a imagem, e por isso não aceita negative prompt: o que você quer evitar tem de estar escrito no prompt positivo.
Isso explica a velocidade. E explica também o tamanho: são 21 GB só do difusor em INT8 podado, mais 25,28 GB do codificador de texto (um Qwen3-VL-32B) e mais 1,17 GB de VAE — segundo a documentação oficial do ComfyUI, que traz os templates no dia do lançamento. O template de texto→imagem abre em 4 MP, e a própria documentação assume o motivo: abaixo da resolução nativa "para que máquinas de pouca VRAM não estourem".
É a mesma história de sempre: o "16 MP nativos" é verdade, e o "roda na sua máquina" depende de qual. Existe GGUF de 6,88 GB feito por terceiros, mas é Q2 — o próprio autor da quantização admite perda de qualidade.
O rodapé que interessa: a licença não é aberta para todo mundo
Aqui está o que nenhum vídeo de lançamento mencionou. A licença do modelo, com data de 10 de novembro de 2026, concede uso "somente dentro do Território Aplicável" — e define Território Aplicável como "o mundo inteiro, excluindo os Territórios Excluídos". Os Territórios Excluídos são: União Europeia, Reino Unido, Coreia do Sul e Estados Unidos.
Leia de novo. O modelo tem pesos abertos para download em qualquer lugar do planeta — e licença de uso que não inclui os três maiores mercados de IA do Ocidente mais a Coreia do Sul. Quem está nesses lugares precisa pedir autorização escrita, que a MiniMax diz conceder "com base em controles e salvaguardas robustos".
O Brasil está fora da lista de exclusão, então aqui a licença vale. É uma inversão estranha: o modelo é mais utilizável em São Paulo do que em São Francisco.
E tem mais quatro cláusulas que apertam o "aberto":
- Receita acima de US$ 1 milhão por ano (sua ou de afiliadas) exige autorização prévia por escrito.
- Qualquer serviço hospedado para terceiros — inclusive uma API — exige a mesma autorização.
- Proibido usar as saídas para melhorar outro modelo de IA que não seja o próprio H3-Image.
- Proibido usar, exibir ou distribuir as saídas fora do Território Aplicável — inclusive mostrar o resultado.
E o detalhe que fecha a pinça, na documentação do ComfyUI: o uso comercial de imagens geradas localmente exige uma licença comercial da MiniMax, vendida pelo Comfy, "o único revendedor oficial". Ou seja: você baixa o peso de graça, roda na sua GPU e, para faturar com o resultado, passa pelo caixa.
Isso não torna o modelo inútil — torna a palavra "aberto" mais estreita do que ela parece. É o terceiro capítulo do mesmo arco: o MOSS Image veio com Apache 2.0 e sem edição por texto; o FLUX 3 klein veio com peso aberto e anatomia ruim; o H3-Image vem com qualidade boa e licence ruim.
O que sobra depois do barulho
Em menos de 24 horas, o repositório oficial somou 306.718 downloads e 801 curtidas, e o espelho do Comfy-Org passou de 835 mil downloads — números que mostram que o ecossistema comprou a ideia, e rápido. O GitHub oficial, criado em 9 de novembro, tem 272 estrelas.
O que o barulho não responde é a pergunta que o próprio anúncio deixou em aberto: 10 segundos em qual placa? O blog não diz. Nenhum dos números de velocidade do lançamento vem acompanhado de hardware, de resolução de referência ou de adversário nomeado.
Para quem trabalha com imagem no Brasil, o cálculo é simples e nada dramático: o H3-Image é uma ferramenta boa de edição — 12º no mundo em preferência cega, a um oitavo do preço do topo —, mediana em geração do zero, e disponível aqui sem pedir licença a ninguém. Para quem só quer gerar imagem bonita a partir de texto, o Qwen-Image-3.0 continua na frente e custa mais ou menos o mesmo.
A lição que fica não é sobre este modelo. É sobre o formato do anúncio: quando um lançamento chega com velocidade e preço na manchete e nenhum placar no corpo, o placar existe — só não foi o fornecedor que publicou.
Fontes
- MiniMax — "MiniMax H3-Image: Bringing 4K Image Generation into the 10-Second Era" (11/11/2026)
- Hugging Face — model card MiniMaxAI/MiniMax-H3-Image (arquitetura, 16 MP, 6 NFEs, downloads)
- MiniMax-H3-Image Community License Agreement (10/11/2026) — Territórios Excluídos e termos comerciais
- Artificial Analysis — Image Arena (AA-Image-T2I v2.1 e AA-Image-Editing v2.1), placar e preços lidos em 12/11/2026
- ComfyUI Docs — "MiniMax-H3-Image: 16 MP text to image and image editing in ComfyUI" (tamanhos de arquivo, template em 4 MP, licença comercial)
- GitHub — MiniMax-AI/MiniMax-H3-Image (criado em 09/11/2026)

