MiniMax H3-Imageを4090で動かして、5つの画像AIとガチ比較した

2026年11月13日

URLをコピーしました！

ざすこ

MiniMaxから、画像専用の「H3-Image」が出たんだよね。重みも無料で配ってるって聞いたけど、うちのPCで動くのかな？

ジェネコ

RTX 4090で実際に動かして、ほかの画像AI 4つとガチで比べてきたジェネ！要点だけ先に見せるジェネ！

2026年11月10日に、中国のAI企業MiniMax（ミニマックス）が公開した画像生成・編集モデル「MiniMax H3-Image」。この記事は、H3-Imageの基本、動かすのに要るPC、ほかの画像AIとの比べ方、注意するライセンスまでをまとめた無料ダイジェスト版です。

12本のお題で5つの画像AIを比べた全部の絵、ざすこのSDXL作品をお手本にした比較、2ステップLoRAとColabの実測まで、制作の記録は、「MiniMax H3-Image 制作記録館 #1」に展示しています（記事の最後に入口があります）。今回の記録館は無料で、どなたでも見られます。

H3-Imageとは：動画AIから生まれた、公式の画像AI

H3-ImageはMiniMax公式の大きな画像AI。約1600万画素・6ステップ・参照は最大16枚・重みは無料公開

もとになったのは、動画生成AI「MiniMax H3」。H3の「絵を描く力」を引き継いで、静止画だけを大きく速く描けるように鍛え直したモデルです。

項目	中身
標準の大きさ	約1600万画素（正方形なら4096×4096）。4〜20MPで使える
描く手数	6ステップ。ネガティブプロンプト（出したくない物の指定）は使わない
参照できる画像	最大16枚。キャラシートや写真を見ながら編集・合成できる
重み（モデルのファイル）	Hugging Faceで無料公開。ライセンスの条件つき
API（ネット越しに使う窓口）	4K 1枚で約0.069ドル（約10円）

名前の似たモデルに注意：一週間前（11月3日）に出た「P-H3-Image」は、PrunaAIという別の会社がH3を作り直した別のモデルです。今回の比べっこにも、別の選手として出ています。

配られているモデルは3系統

配布されているモデルは3系統。公式の原本、ComfyUI用（bf16・int8・w4a8）、有志の改造版

公式の原本は、描く本体だけで約66GBあります。家庭のPCで動かすなら、ComfyUI（コンフィーユーアイ：画像AIを部品をつないで動かすソフト）用に軽くしたint8版（本体21GB）が現実的です。「int8」は、数字の細かさを落としてファイルを小さくした版のこと。

うちのRTX 4090で動いた

道A クラウド、道B ComfyUI（24GB以上）、道C サーバー（80GB級）の3つの道

動かし方は3つの道があります。PCの性能が要らないのはクラウド（APIやアプリ）だけ。ざすこのPC（RTX 4090・VRAM 24GB、メモリ64GB）にComfyUIのint8版を入れたところ、ちゃんと動きました。

実測（ワガハイ調べ）	数字
4MP（2720×1536）1枚	約1分半（49〜243秒）
16MP（5472×3072）1枚	153.6秒
GPUのメモリ（VRAM）	最大23.8GB（ほぼ上限）
PCのメモリ	最大約61GB（64GB中）

描く計算そのものは数秒で終わります。時間のほとんどは、部品をディスクから読み直す待ち時間でした。メモリがぎりぎりだと、毎回読み直しになるためです。

5つの画像AIで、同じお題を描かせた

5つの画像AIの得意分野。SDXLはキャラの美しさ、H3-Imageは写真・文字・アート、GPT Image 2は安定性と参照の忠実さ

比べたのは、H3-Image・P-H3-Image（どちらも手元のPC）、GPT Image 2・Nano Banana Pro（Vidu経由）、Stable Diffusion（SD Forge・SDXL）の5つ。写真・人物・文字入りポスター・キャラの参照・アニメ調・商品写真・アートなど12本のお題を、どれも1枚だけ描かせました。

お題3 文字入りポスターの比較。左からSD Forge、H3-Image、P-H3-Image、GPT Image 2、Nano Banana Pro — お題3「MICHIKUSA COFFEE／みちくさ珈琲」のポスター。H3-Imageは日本語まで正確でした

お題7 ざすこのSDXL作品を参照に、雨の夜の街。左端が参照にしたSDXL作品 — お題7：ざすこがSDXLで描いた絵をお手本に「同じキャラで雨の夜の街」

ざすこ

キャラのイラストの美しさで言ったら、まだSDXL。総合的な画像編集も含む描画のきれいさと安定性、参照度の高さ、一貫性ではGPT Image 2って感じだね～

ざすこの判定は上のとおり。H3-Imageがいちばん光ったのは、写真のリアルさ、日本語を含む文字、絵画の質感でした。弱いのは、背景の看板などに勝手に出る、意味のない漢字風の文字です。

Midjourneyのようなアートも描ける？

お題11 雲とステンドグラスのクジラが水没した街の上を泳ぐ油絵の比較 — お題11「雲とステンドグラスのクジラが、水没した街の上を泳ぐ油絵」

答えは「描ける。ただし方向が違う」。派手で一目で「すごい」と思わせる絵ならGPT Image 2。油絵やコラージュのような画材の質感と、抑えた色の絵画らしさならH3-Imageでした。

2ステップLoRAで速くなる？

等倍の比較：6ステップ（通常）／2ステップLoRAは網目のノイズ／4ステップLoRAはほぼ消える — 左から、通常の6ステップ、2ステップLoRA、4ステップLoRA（等倍の切り出し）

LoRA（ローラ：本体に足して性格を変える追加ファイル）で、6ステップを2ステップに縮める有志の配布物も試しました。4090では速くなりませんでした。待ち時間のほとんどが読み込みなので、計算を減らしても効かないためです。2ステップだと細かい網目のノイズも出ました。

プロンプトは「画面の端から端まで」英文で

H3-Imageは画面の端から端まで書く。用途→配置→主役→画風→文字の5段と、Picture番号

用途→配置→主役→画風→文字の順に、流れる英語の文章で書く（タグの羅列にしない）
絵に入れる文字は、引用符で原語のまま（日本語なら日本語で）
参照画像は<Picture 1>のように番号で呼ぶ
SDXLのmasterpieceや(word:1.2)は効かない。出したくない物は「書かない」

日本語の短い注文をそのまま渡すと、「夕暮れの港町」が「昼の灯台」になりました。日本語で頼むなら、公式の書き直し係（注文を英文に広げる部品）を通すと意図どおりになります。

大きいGPUが無いなら、Colabで

ColabのGPU別の判定。T4は無理、L4は安くて使える、A100 80GBが本命

Google Colab（GPUを時間で借りられるサービス）の有料プランでも動かしました。A100 80GBなら、2枚目から4MPが1枚6秒（1時間約135円）。L4なら1時間約30円で、2枚目から15〜30秒。無料のT4では載りません。使い終わったら必ず「接続解除して削除」です。

使う前に、ライセンスの4つの約束

EU・英国・韓国・米国は対象外（日本は使える）
年商100万ドル超、または他人向けのサービスとして提供するなら、MiniMaxの別の許可が要る
商用の製品・サービスでは「MiniMax-H3-Image」と名前を表示する
作った画像を、ほかのAIの学習に使わない

動画のH3（年商2000万ドル超で許可）より条件が厳しくなっています。規約の文面を読んだ整理で、法律の判断ではありません。迷ったら原文とMiniMaxに確認してください。

メンバーシップ特典：ざすこ式Colabセット

ざすこ式Colabセットをメンバー特典で配布。Colabノートと、AIエージェント用の運用スキルの2点

11月14日（土）21:30からのライブ配信で、メンバーシップ特典「MiniMax H3-Image ざすこ式セット」を配ります。中身は、▶を1回押すだけでH3-Imageが起動するざすこ式Colabノートと、Claude CodeやCodexにそのまま入れて使う構築済みのスキル2本（Colabの起動→生成→回収→削除までチャットで任せるスキルと、PCを診断して手元にH3-Imageを組むスキル）、それに説明書です。