幣界網消息，MiniMax H3團隊在Reddit AMA中透露，正在開發一種基於H3架構的圖像模型，並計劃公開其權重。該模型將文生圖與通用圖片編輯整合為一個模型，目前已進入後訓練優化階段。該模型沿用H3的VAE、encoder，並為圖片生成專門設計的VAE、decoder。MiniMax設想的工作流程是，先使用圖像模型生成首幀，再交給H3繼續生成視頻。團隊還提到，H3本身已表現出一定的生圖和修圖潛力，儘管此前只訓練模型根據「首幀+文字描述」預測尾幀，但在多項圖片編輯評測中仍展現出較強的零樣本能力，這也是MiniMax繼續擴展該架構至圖像模型的重要依據。