< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
多模态“源神”！MiniMax开源SOTA生图模型，原生4K，一张两毛
不少人可能不太了解，jay发自 凹非寺 量子位|公众号QbitAI
坏，真让MiniMax给多模态玩明白了😭。继开源视频旗舰H3广受好评后，最新的图像模型——
大家要留意了：h3-Image，再次席卷全网
热度最高的是「CAD拆解」，丢一张参考图，H3-Image能给你小手办直接开盒了。。。总之就是万物可拆解，还能给你把零件标好。我自己也实测了一下，你还别说，真有点东西啊……
除此之外，海外网友测下来，其他类型的复杂生图任务也是能Handle住的，比如——
这这这，你不说，我还以为是GPT编程做出来的呢😭。要是只是做点电商用的简单资产，就更轻松了。但我没想到的是，这家伙居然是个文理双全？？保证智商的前提下，H3-Image的审美，也有点东西。这种质量的图像生成模型，
大家要留意了：其实，你跟我说居然是开源的？？？我宣布，MiniMax就是多模态领域的「源神」
过去我们一提到AI生图，脑子里第1个反应：油光满面，皮肤光滑得像剥了壳的鸡蛋，眼神呆滞，伪人感极重。总之就是一股浓浓的「AI味」。GPT Image 2在这方面进步非常大，但用多了后，恐怖谷效应依然涌上心头。这次的H3-Image，我感觉，应该是基本解决这个难题了。生成完我都懵了，不是兄弟，这谁看得出来是AI啊？？最重要的是人脸，毛孔、雀斑、
此外，像镜子上的水泽和灰尘，闪光灯打在镜头上形成的光晕，这些细节也处理得非常离谱，真就跟小某书首页刷到的一样。即便从仰视角度也能看出不少面部细节，就例如下面这张
的时尚杂志封面，你仔细看人物的眼神，和微妙的面部肌肉牵引，都是非常符合现实社交逻辑的。这也是我测H3-Image时最大的一个感受，很多我丢给老模型做过的提示词，H3-Image都能给出全新诠释。确实世界知识比较丰富。至于人脸之外的主体，就更是手拿把掐了。比如，把里约热内卢的城市地标，做成一个立体纸雕风格的旅行手帐。微缩景观、光影厚度，hmm，总感觉有股
而且果然又露出了小鸡脚！你看左下角这手，看到没，
不少人可能不太了解，它给大拇指关节附近加了几颗痣！！放大看根本不会露馅，手指上的皮肤纹理、关节褶皱，甚至指甲边缘的自然光泽与质感，都还原得一清二楚。我觉得，H3-Image之所以AI味这么少，可能很大程度上就取决于这些
任何人类主观创造的作品，必然充斥着随机性，过分追求完美反而不符合人类大脑接收信息的日常习惯。但这也不禁让我有点发怵。我一直固执地以为，审美不是机器能学会的东西。现在看来，似乎只要能把其中的Trick摸清楚，很多人类引以为傲的品质，可能真的没那么神秘……
再给大家看个demo吧，我拿H3-Image搓了个
咋说呢，我真不太好意思评价，鄙人的艺术素养已经完全看不出来门道了。还是整点我自己能搞得明白的任务。就多模态模型而言，我一直有两个评判标准——美商和智商。美商就是上面测的，比较玄乎，只能聊聊主观感受。但智商就可以说道说道了。好比H3-Image就有一项非常特殊的技能点——世界理解能力。是的，就是你给它一张产品的外观图，它能自动推演出标准的正交三视图——
此外，正视图、侧视图、俯视图，一个不差。家人们，我瘫软了😭😭。