Tháng 11/2026, MiniMax công bố MiniMax H3-Image, một mô hình tạo ảnh bằng AI cho tải trọng số về máy, xuất ảnh khoảng 16 MP và vừa tạo ảnh từ chữ vừa chỉnh sửa ảnh trong cùng một mô hình. Với người Việt quan tâm đến mô hình tạo ảnh mã nguồn mở, câu hỏi thực tế không phải “đẹp cỡ nào” mà là: tải về được không, máy nào chạy nổi, giấy phép có cho dùng ở Việt Nam không, và dùng vào việc gì thì hợp lý.
Bài này giải thích từng câu hỏi đó bằng ngôn ngữ dễ hiểu, dựa trên model card, văn bản giấy phép và bảng giá chính thức của MiniMax. Bạn cũng sẽ hiểu một mô hình khuếch tán biến câu lệnh thành bức ảnh hàng chục triệu điểm ảnh như thế nào.
Câu trả lời ngắn: MiniMax H3-Image là mô hình tạo ảnh trọng số mở với khối khuếch tán 33,1 tỷ tham số, xuất ảnh tới khoảng 16 MP. Giấy phép loại trừ EU, Anh, Hàn Quốc và Mỹ; Việt Nam không bị loại trừ. Tự chạy cần tải khoảng 135 GB và GPU bộ nhớ rất lớn, nên người dùng cá nhân thường bắt đầu qua API.
Tóm tắt nhanh
- H3-Image gộp tạo ảnh từ chữ và chỉnh sửa ảnh (tối đa 16 ảnh tham chiếu) trong một checkpoint.
- Đây là mô hình “trọng số mở”: tải về được nhưng phải tuân theo giấy phép riêng của MiniMax, không phải giấy phép nguồn mở kiểu Apache.
- Mô hình được chưng cất còn 6 bước lấy mẫu và không dùng CFG, nên tạo ảnh lớn nhanh hơn cách làm thông thường.
- Bộ tải đầy đủ khoảng 135 GB; hãng chỉ nêu GPU trung tâm dữ liệu như NVIDIA H200, RTX PRO 6000 Blackwell, AMD Instinct MI350X.
- API bản Standard khoảng 0,022 USD cho ảnh 1K và 0,069 USD cho ảnh 4K (giá niêm yết).
Nội dung chính:
- MiniMax H3-Image là gì?
- Trọng số mở và mã nguồn mở khác nhau thế nào
- Mô hình tạo ảnh hoạt động thế nào
- Cần phần cứng gì để tự chạy
- Giấy phép: Việt Nam có được dùng không
- So sánh với các mô hình tạo ảnh mở khác
- Giá API và cách dùng không cần máy mạnh
- Ứng dụng cho shop online và thiết kế
- Rủi ro khi dùng ảnh AI
- 5 bước thử an toàn
- Câu hỏi thường gặp
MiniMax H3-Image là gì?
MiniMax H3-Image là mô hình tạo ảnh thuộc họ MiniMax H3, được đăng trên Hugging Face tại kho MiniMaxAI/MiniMax-H3-Image và có mã nguồn chạy thử trên GitHub. Điểm khác biệt đầu tiên: một checkpoint làm cả hai việc, vừa vẽ ảnh mới từ câu mô tả (text-to-image), vừa chỉnh sửa ảnh có sẵn dựa trên tối đa 16 ảnh tham chiếu.
Checkpoint là “bộ não đã học xong” của mô hình, gồm toàn bộ con số (tham số) mà mô hình dùng để tính toán. Trước đây, nhiều hệ thống phải dùng một mô hình để tạo ảnh và một mô hình khác để sửa ảnh. Gộp lại giúp người dùng chỉ cần quản lý một bộ trọng số.
Những thông số đáng chú ý
- Khối khuếch tán (DiT): 33,1 tỷ tham số, 50 lớp, lưu ở định dạng BF16.
- Độ phân giải: ảnh vuông 4096×4096 (khoảng 16 MP); các tỷ lệ khác như 16:9 là 5472×3072, 21:9 là 6272×2688.
- Số bước lấy mẫu: cố định 6 bước sau khi chưng cất.
- Chỉnh sửa: tối đa 16 ảnh tham chiếu, gọi tên trong câu lệnh theo thứ tự ảnh.
MiniMax là công ty AI có các sản phẩm như ứng dụng tạo video Hailuo AI. H3-Image cũng có trên nền tảng API quốc tế platform.minimax.io và trong ứng dụng web Hailuo AI, nên bạn không bắt buộc phải tải mô hình về mới dùng được.
Trọng số mở và mã nguồn mở khác nhau thế nào?
Nhiều trang gọi H3-Image là “mã nguồn mở”, và model card cũng dùng cách gọi này. Tuy vậy, để hiểu đúng quyền của mình, bạn nên phân biệt hai khái niệm.
Mã nguồn mở (open source) theo nghĩa chặt chẽ là phần mềm đi kèm giấy phép cho phép dùng, sửa, phân phối cho mọi mục đích, không phân biệt người dùng hay lĩnh vực. Apache 2.0 và MIT là hai giấy phép quen thuộc kiểu này.
Trọng số mở (open weights) chỉ có nghĩa là hãng cho tải file trọng số về. Việc bạn được làm gì với nó do giấy phép riêng quyết định, có thể kèm điều kiện về khu vực, doanh thu, cách ghi tên. H3-Image thuộc nhóm này: trọng số và mã chạy được công bố, nhưng đi kèm “MiniMax-H3-Image Community License Agreement”.
Hãy hình dung trọng số mở như một công thức nấu ăn được chia sẻ miễn phí, nhưng người chia sẻ ghi kèm: “được nấu ở nhà và bán nhỏ, nếu mở chuỗi lớn thì phải xin phép, và phải ghi tên công thức trên thực đơn”. Bạn có công thức trong tay, nhưng vẫn có luật chơi. Model card cũng không mô tả dữ liệu dùng để huấn luyện mô hình, nên phần “nguyên liệu” bạn không kiểm tra được.
Mô hình tạo ảnh hoạt động thế nào?
H3-Image là một mô hình khuếch tán (diffusion model). Ý tưởng cốt lõi: mô hình học cách biến một khối nhiễu ngẫu nhiên thành bức ảnh, bằng cách gỡ nhiễu từng bước theo hướng mà câu lệnh mô tả. Với H3-Image, quá trình đi qua bốn chặng.
Bốn chặng từ câu lệnh tới bức ảnh
- Câu lệnh: bạn mô tả bằng chữ, càng cụ thể càng tốt.
- Hiểu ý: bộ mã hóa văn bản Qwen3-VL (lấy từ mô hình MiniMax-H3) đổi câu lệnh thành dãy số mà máy hiểu được.
- Khử nhiễu: khối DiT (diffusion transformer) gỡ nhiễu trong “không gian nén” qua 6 bước.
- Giải mã: bộ VAE biến bản nén thành ảnh điểm ảnh thật.
Vì sao ảnh lớn lại tốn sức đến vậy?
Mô hình không vẽ trực tiếp từng điểm ảnh. VAE của H3-Image nén ảnh 16 lần theo mỗi chiều, và theo model card, mỗi “token ảnh” mà DiT xử lý phủ một ô 32×32 điểm ảnh. Từ đó có thể tính: ảnh 1024×1024 tương đương 32×32 = 1.024 token, còn ảnh 4096×4096 là 128×128 = 16.384 token.
Cạnh ảnh tăng 4 lần thì số token tăng 16 lần. Mà trong transformer, mỗi token phải “nhìn” các token khác, nên khối lượng tính toán tăng còn nhanh hơn số token. Đó là lý do ảnh 16 MP từng là việc khó với mô hình chạy tại chỗ, và vì sao hãng phải tối ưu mạnh tay.
Chưng cất còn 6 bước nghĩa là gì?
Các mô hình khuếch tán phổ biến thường cần vài chục bước khử nhiễu. Nhiều mô hình còn dùng kỹ thuật hướng dẫn CFG (classifier-free guidance): ở mỗi bước, mô hình chạy hai lần, một lần có câu lệnh và một lần không, rồi so hai kết quả để bám sát câu lệnh hơn. Cách này hiệu quả nhưng tốn gấp đôi.
Chưng cất (distillation) là cho một mô hình “học trò” bắt chước kết quả của quy trình dài, để đi đến đích bằng ít bước hơn. H3-Image được chưng cất xuống 6 bước và bỏ CFG. Đổi lại, API yêu cầu đúng 6 bước, hệ số hướng dẫn bằng 1 và không nhận câu lệnh phủ định (kiểu “không có chữ”, “không có người”). Muốn loại bỏ thứ gì, bạn nên mô tả rõ thứ mình muốn thay vì liệt kê thứ không muốn.
Cần phần cứng gì để tự chạy MiniMax H3-Image?
Đây là phần nhiều người hào hứng “tải về chạy thử” dễ bị bất ngờ. Theo model card, bộ đầy đủ gồm khối DiT 66,28 GB, bộ giải mã VAE 2,34 GB và bộ mã hóa văn bản 66,7 GB (tải riêng từ kho MiniMax-H3). Cộng lại khoảng 135 GB, chưa tính mô hình mở rộng câu lệnh tùy chọn 17,9 GB.
GPU nào được nêu tên
MiniMax chưa công bố mức bộ nhớ đồ họa (VRAM) tối thiểu. Model card chỉ nêu các GPU được hỗ trợ như NVIDIA H200, RTX PRO 6000 Blackwell và AMD Instinct MI350X, kèm cách chạy trên nhiều GPU cùng lúc bằng kỹ thuật chia chuỗi (sequence parallelism). Đây đều là card trung tâm dữ liệu hoặc máy trạm, với bộ nhớ lần lượt 141 GB, 96 GB và 288 GB.
Một phép so sánh đơn giản: riêng khối DiT ở BF16 đã 66,28 GB, lớn hơn bộ nhớ của card đồ họa chơi game phổ thông. Trên Hugging Face đã xuất hiện vài bản lượng tử hóa (thu nhỏ trọng số) do cộng đồng đăng, nhưng đó không phải bản chính thức của hãng, chất lượng và tính tương thích chưa được MiniMax xác nhận.
Phần mềm để chạy
Nếu có hạ tầng đủ mạnh, bạn có thể chạy bằng thư viện diffusers của Hugging Face, máy chủ SGLang (đường chạy tham khảo chính), vLLM-Omni hoặc dùng mẫu dựng sẵn trong ComfyUI. Model card lưu ý mô hình cần câu lệnh mô tả chi tiết bằng tiếng Anh; hãng có thêm mô hình mở rộng câu lệnh (PE) để biến câu ngắn thành câu mô tả đầy đủ.
Giấy phép MiniMax H3-Image: Việt Nam có được dùng không?
Văn bản giấy phép định nghĩa “lãnh thổ áp dụng” là toàn thế giới, trừ bốn khu vực bị loại trừ: Liên minh châu Âu, Vương quốc Anh, Hàn Quốc và Hoa Kỳ. Việt Nam không nằm trong danh sách này, nên người dùng ở Việt Nam thuộc phạm vi được cấp phép. Giấy phép cũng ghi rõ không được dùng, sao chép, phân phối mô hình hay đầu ra của nó ở ngoài lãnh thổ áp dụng.
Điều này có hệ quả thực tế: nếu bạn làm ảnh cho khách hàng ở Mỹ hay châu Âu, hoặc vận hành dịch vụ phục vụ người dùng ở các khu vực đó, bạn cần đọc kỹ hơn hoặc hỏi ý kiến người có chuyên môn pháp lý.
Năm điều khoản cần đọc kỹ nếu dùng cho kinh doanh
- Cung cấp dịch vụ cho bên thứ ba (mở API, web cho người khác dùng mô hình) phải được MiniMax cấp phép trước.
- Doanh thu năm vượt 1 triệu USD (tính cả công ty liên kết) thì cần văn bản ủy quyền trước.
- Sản phẩm thương mại phải hiển thị rõ tên “MiniMax-H3-Image” trên giao diện.
- Không dùng mô hình hay ảnh tạo ra để huấn luyện, cải thiện mô hình AI khác.
- Chính sách sử dụng cấm mạo danh, bôi nhọ, tạo thông tin sai lệch gây hại và yêu cầu gắn nhãn nội dung do máy tạo khi đăng công khai.
Giấy phép nói MiniMax không đòi quyền với ảnh bạn tạo ra; bạn tự chịu trách nhiệm với đầu ra và cách dùng nó. Thỏa thuận chịu sự điều chỉnh của luật Hồng Kông. Nhật Phúc không phải đơn vị tư vấn pháp lý; nếu định đưa mô hình vào sản phẩm kinh doanh, bạn nên đọc văn bản gốc trên Hugging Face và hỏi luật sư.
So sánh với các mô hình tạo ảnh mã nguồn mở khác
H3-Image không phải lựa chọn duy nhất. Ba cái tên quen thuộc trong nhóm mô hình tạo ảnh cho tải trọng số là Qwen-Image của Alibaba, FLUX.1 dev của Black Forest Labs và Stable Diffusion 3.5 Large của Stability AI. So sánh dưới đây chỉ dựa trên cỡ mô hình và giấy phép đã công bố, không phải chất lượng ảnh, vì MiniMax chưa đưa ra kết quả đo chuẩn định lượng.
| Mô hình | Số tham số | Giấy phép | Hợp với ai |
|---|---|---|---|
| MiniMax H3-Image | 33,1 tỷ (khối DiT) | Giấy phép cộng đồng, loại trừ 4 khu vực | Cần ảnh rất lớn, chỉnh sửa nhiều ảnh tham chiếu |
| Qwen-Image | 20 tỷ | Apache 2.0 | Cần giấy phép thoáng nhất |
| FLUX.1 dev | 12 tỷ | Phi thương mại cho trọng số | Học tập, nghiên cứu, thử nghiệm |
| Stable Diffusion 3.5 Large | 8,1 tỷ | Miễn phí khi doanh thu năm dưới 1 triệu USD | Máy cấu hình vừa phải, hệ sinh thái lớn |
Bài học rút ra: “mở” có nhiều mức. Mô hình lớn nhất chưa chắc là lựa chọn tốt nhất nếu máy bạn không chạy nổi hoặc giấy phép không hợp mục đích. Với cửa hàng nhỏ ở Việt Nam, câu hỏi nên đặt theo thứ tự: mình dùng để làm gì, có tự vận hành không, rồi mới đến chuyện mô hình nào đẹp hơn.
Giá API MiniMax H3-Image và cách dùng không cần máy mạnh
Nếu không có GPU lớn, cách đơn giản nhất là gọi API trên platform.minimax.io. Bảng giá chính thức tính theo token: 2,30 USD mỗi triệu token văn bản đầu vào, 1,50 USD mỗi triệu token ảnh đầu vào và 3,80 USD mỗi triệu token ảnh đầu ra. MiniMax quy ra giá ước tính cho từng ảnh như sau.
| Tác vụ | Ảnh 1K | Ảnh 2K | Ảnh 4K |
|---|---|---|---|
| Tạo ảnh từ chữ | 0,0218 | 0,0233 | 0,0688 |
| Sửa ảnh, 1 ảnh tham chiếu | 0,0265 | 0,0266 | 0,0731 |
MiniMax đang giảm 50% cho yêu cầu có ảnh cuối từ 16,6 triệu điểm ảnh trở lên, áp dụng đến 23:00 ngày 17/11/2026 theo giờ Việt Nam. Trong thời gian này, ảnh 4K tạo từ chữ còn khoảng 0,0344 USD. Ngoài ra có bản Highspeed nhanh hơn, cùng thông số nhưng giá token ảnh gấp đôi.
Lưu ý: các con số trên là giá quốc tế bằng USD do hãng công bố. Chi phí thanh toán thực tế từ Việt Nam còn tùy phương thức thanh toán và phí ngân hàng.
Ứng dụng thực tế cho shop online và thiết kế ở Việt Nam
Một mô hình xuất ảnh lớn và sửa được nhiều ảnh tham chiếu phù hợp với những việc lặp đi lặp lại trong bán hàng online và thiết kế. Dưới đây là vài ý tưởng, kèm nguyên tắc chung: ảnh AI là bản nháp, người làm nghề duyệt rồi mới dùng.
Ảnh bối cảnh sản phẩm
Một shop đồ gia dụng có ảnh nền trắng của chiếc ấm siêu tốc có thể đưa ảnh đó làm tham chiếu, rồi yêu cầu đặt ấm vào gian bếp buổi sáng, bàn gỗ, ánh nắng xiên. Cùng một sản phẩm có thể ra nhiều bối cảnh cho các mùa khuyến mãi khác nhau mà không phải thuê studio mỗi lần.
Banner khổ rộng
Tỷ lệ 21:9 tới 6272×2688 điểm ảnh đủ rộng cho ảnh đầu trang web hay biển quảng cáo kỹ thuật số. Độ phân giải cao giúp hạn chế phải phóng to ảnh sau này.
Sửa nhiều ảnh cùng lúc và phác thảo bao bì
Khả năng gọi tối đa 16 ảnh tham chiếu trong một yêu cầu hữu ích khi cần ghép logo, sản phẩm và phong cách màu vào một bố cục. Nhóm thiết kế nhỏ có thể thử nhanh vài phương án bao bì trước khi chốt với khách.
Về tác động đến việc làm: những công việc chụp ảnh đơn giản, lặp lại có thể giảm, nhưng nhu cầu người biết viết câu lệnh, chỉnh màu, kiểm tra sai sót và giữ đúng nhận diện thương hiệu lại tăng. Người làm thiết kế biết dùng AI như một “trợ lý phác thảo” thường có lợi thế hơn người né tránh nó.
Rủi ro khi dùng ảnh tạo bằng AI
Ảnh đẹp chưa chắc là ảnh dùng được. Có bốn nhóm rủi ro bạn nên nghĩ tới trước khi đưa ảnh AI lên trang bán hàng hay mạng xã hội.
- Sai sự thật về sản phẩm: AI có thể “làm đẹp” quá tay, đổi màu, thêm chi tiết không có. Khách nhận hàng khác ảnh dễ khiếu nại, ảnh hưởng uy tín cửa hàng.
- Mạo danh và deepfake: chính sách sử dụng của MiniMax cấm mạo danh, bôi nhọ, quấy rối người khác. Không tạo ảnh người thật khi chưa được đồng ý.
- Bản quyền, nhãn hiệu: không yêu cầu mô hình bắt chước logo, nhân vật, thiết kế bao bì của thương hiệu khác.
- Dữ liệu cá nhân: dùng ảnh khách hàng làm ảnh tham chiếu là xử lý dữ liệu cá nhân, cần sự đồng ý theo Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15.
Một điểm ít người để ý: model card không mô tả dữ liệu huấn luyện. Bạn không biết mô hình đã “học” từ những ảnh nào, nên càng nên tránh câu lệnh nêu tên nghệ sĩ, thương hiệu hay tác phẩm cụ thể.
Hiểu lầm phổ biến
- “Mã nguồn mở thì dùng thương mại thoải mái”: sai. Mỗi mô hình có giấy phép riêng; H3-Image có điều kiện về khu vực, doanh thu và ghi tên.
- “Tải về là chạy được trên laptop”: sai với mô hình cỡ này. Bộ tải đầy đủ khoảng 135 GB và hãng chỉ nêu GPU trung tâm dữ liệu.
- “Ảnh độ phân giải cao là ảnh chính xác”: nhiều điểm ảnh chỉ giúp ảnh sắc nét hơn, không bảo đảm chi tiết sản phẩm đúng.
5 bước thử mô hình tạo ảnh mã nguồn mở an toàn
Nếu bạn muốn thử H3-Image hay bất kỳ mô hình tạo ảnh nào cho công việc, quy trình dưới đây giúp hạn chế rủi ro mà vẫn học được nhanh.
1. Đọc giấy phép trước
Xác định bạn dùng cá nhân, dùng nội bộ cho cửa hàng hay định mở dịch vụ cho người khác. Mỗi trường hợp có điều khoản khác nhau.
2. Thử qua API với ngân sách nhỏ
Nạp số tiền nhỏ, tạo vài ảnh 1K để làm quen cách mô hình hiểu câu lệnh, trước khi đặt ảnh 4K.
3. Viết câu lệnh tiếng Anh chi tiết
Mô tả lần lượt: chủ thể, bối cảnh, ánh sáng, góc máy, tỷ lệ khung hình, phong cách. Ví dụ: “a white electric kettle on a wooden kitchen counter, soft morning light from the left, 45-degree angle, 16:9, realistic product photo”. Bạn có thể viết ý bằng tiếng Việt rồi nhờ chatbot dịch sang tiếng Anh.
4. So với hàng thật
Đặt ảnh AI cạnh sản phẩm thật, kiểm tra màu, logo, số nút, cổng cắm, chữ trên bao bì. Sửa hoặc bỏ ảnh có chi tiết sai.
5. Gắn nhãn và lưu vết
Ghi rõ ảnh minh họa do AI tạo khi đăng công khai, lưu lại câu lệnh, ngày tạo và mô hình đã dùng để giải trình khi cần.
Câu hỏi thường gặp về MiniMax H3-Image
MiniMax H3-Image có miễn phí không?
Trọng số được tải miễn phí trên Hugging Face, nhưng bạn phải tự lo phần cứng rất mạnh để chạy. Nếu dùng qua API của MiniMax thì trả phí theo token, khoảng 0,022 USD cho một ảnh 1K bản Standard theo giá niêm yết. Dùng thương mại còn phải theo các điều kiện của giấy phép.
Người dùng ở Việt Nam có được dùng mô hình này không?
Theo văn bản giấy phép, lãnh thổ áp dụng là toàn thế giới trừ EU, Vương quốc Anh, Hàn Quốc và Hoa Kỳ. Việt Nam không bị loại trừ. Tuy vậy, bạn vẫn phải tuân thủ các điều khoản khác như ghi tên mô hình, xin phép khi mở dịch vụ cho bên thứ ba và chính sách sử dụng.
Có thể viết câu lệnh bằng tiếng Việt không?
Model card khuyến nghị câu lệnh mô tả chi tiết bằng tiếng Anh và không cam kết hỗ trợ tiếng Việt. Cách an toàn là viết ý bằng tiếng Việt, dịch sang tiếng Anh rồi bổ sung chi tiết về bối cảnh, ánh sáng, góc máy. Chữ tiếng Việt xuất hiện trong ảnh cũng cần kiểm tra kỹ dấu.
Máy tính cá nhân có chạy được không?
Khó. Riêng khối DiT đã khoảng 66 GB ở BF16, cả bộ cần tải khoảng 135 GB, và hãng chỉ nêu các GPU trung tâm dữ liệu hoặc máy trạm. Có vài bản lượng tử hóa do cộng đồng đăng nhưng chưa được hãng xác nhận. Với đa số người dùng, API là lựa chọn thực tế.
Ảnh tạo ra thuộc về ai?
Giấy phép ghi MiniMax không đòi quyền với ảnh bạn tạo ra, và người dùng tự chịu trách nhiệm về ảnh cùng cách sử dụng. Việc ảnh AI có được bảo hộ bản quyền hay không còn tùy luật từng nước; bạn không được dùng ảnh tạo ra để huấn luyện mô hình AI khác.
Nên chọn H3-Image hay Qwen-Image?
Nếu cần ảnh rất lớn và chỉnh sửa với nhiều ảnh tham chiếu, H3-Image đáng thử qua API. Nếu ưu tiên giấy phép thoáng để tích hợp vào sản phẩm, Qwen-Image dùng Apache 2.0 đơn giản hơn về mặt pháp lý. Hãy thử cả hai với cùng một câu lệnh trước khi quyết định.
Kết luận
MiniMax H3-Image cho thấy mô hình tạo ảnh trọng số mở đã chạm tới ảnh khoảng 16 MP, gộp tạo và sửa ảnh trong một mô hình, và tăng tốc nhờ chưng cất còn 6 bước. Nhưng “mở” ở đây đi kèm giấy phép riêng, còn “tự chạy” đòi hỏi hạ tầng mà ít cá nhân có. Người dùng Việt Nam được phép dùng, và cách khởi đầu hợp lý nhất là thử qua API, đọc kỹ giấy phép, rồi kiểm tra từng ảnh trước khi đưa lên trang bán hàng.
Bạn đang dùng mô hình tạo ảnh nào cho công việc, và gặp khó khăn gì? Hãy để lại bình luận để Nhật Phúc làm tiếp những hướng dẫn sát với nhu cầu của bạn.
Bình luận
Chưa có bình luận nào. Bạn có câu hỏi hay kinh nghiệm riêng về chủ đề này? Hãy là người mở đầu.