我先核对摩尔线程与 MiniMax 的官方公告，确认 H3-Image 的模型定位和 “Day-0 适配” 的具体范围。
官方页面里 H3 和 H3-Image 是两条线，我去找摩尔线程针对 H3-Image 的那篇公告和 MiniMax 的模型说明。
我再确认摩尔线程官方公告的编号和 MiniMax H3-Image 的官方规格页。
公告可能刚发布还没进新闻列表，我直接查相邻编号，并拉 Hugging Face 模型卡确认官方参数。
官方新闻列表还没收录这条，我再查相邻公告编号和中文转载源，确认适配细节是否公开。
我把摩尔线程这篇适配稿的完整转载版拉出来，确认 “10 秒出 4K、5 倍速度” 是谁的口径。
最后补一下 MTT S5000 的显存与算力规格，判断 “单卡 10 秒出 4K” 在什么精度和量化条件下成立。
2026 年 11 月 10 日，MiniMax 正式开源图像生成模型 MiniMax H3-Image；同一天，摩尔线程基于 AI 训推一体智算卡 MTT S5000 和 MUSA 软件栈完成 Day-0 适配。官方稿给出的成绩是：单张 MTT S5000 可在 10 秒内生成一张 4096×4096 像素、约 16MP 的图像，速度可达 “市面主流水平的 5 倍”，并具备文生图、图像参考和图像编辑能力。新浪财经模型本身的硬规格也清楚：33.1B 参数的 DiT、6 步采样、无 CFG、原生约 16MP、最多 16 张参考图，文本编码器直接沿用 MiniMax H3 的 Qwen3-VL。但有三件事必须提前说清：这次适配是 “推理 / 生成” 适配，不是训练适配；“10 秒” 和 “5 倍” 是厂商自测口径，没给对照基线、精度、批量大小；BF16 全量权重加起来超过 135GB，单卡 80GB 装不下，所以 “单卡 10 秒” 大概率跑在量化或分阶段加载的方案上，官方没有披露具体配置。
一、发生了什么：开源和适配在同一天
| 时间 | 主体 | 动作 | 性质 |
|---|---|---|---|
| 2026-11-10 | MiniMax | 正式开源 H3-Image | 模型权重开放 |
| 2026-11-10 | 摩尔线程 | MTT S5000＋MUSA 完成适配 | Day-0 推理适配 |
| 2026-11-11 | 摩尔线程 | 对外发布适配稿与生成样张 | 官方宣传 |
“Day-0” 在这里不是 “提前适配”，而是 “模型开源当天完成适配”。这已经是摩尔线程的一条固定节奏：H3（8 月 3 日）、M3.1 Flash（10 月 23 日）、Kimi K3.1 Pro（11 月 6 日）都打过 “Day-0” 标签，H3-Image 是这条线的延续。
二、H3-Image 是什么：H3 去掉音频层的图像模型
H3-Image 不是 “H3 视频模型” 的别名，而是从 H3 家族衍生出来的图像生成 / 编辑模型。它的架构做法很直接：保留 H3 的 DiT 和文本编码器，把音频分支去掉。
| 项目 | 规格 | 说明 |
|---|---|---|
| 定位 | 文生图＋图像编辑 | 一个 checkpoint 同时覆盖两种任务 |
| DiT | 33.1B 参数，50 层，hidden 5376，56 个注意力头，FFN 14336 | 稠密单流 Transformer，3D 多模态 RoPE |
| 文本编码器 | 完整 Qwen3-VL，取第 50 层 hidden states | 与 H3 共用，不额外训练 |
| 采样 | 6 步，CFG=1，不支持负面提示 | 蒸馏后的少步采样 |
| 输出 | 约 16MP，4096×4096 到 6272×2688 | 原生直出，不靠放大链 |
| 参考图 | 最多 16 张 | 按 |
| 权重体积 | BF16 DiT 68.65GB；PE NVFP4 17.9GB | 全量 BF16 对显存要求很高 |
| 许可 | MiniMax-H3-Image Community License | 商用需单独授权，Comfy 是官方转售方 |
ComfyUI这里有个容易混的点：官方稿把 4096×4096 称为 “约 16MP（4K）”。4096×4096 确实是约 16.8MP，但它是方形画布；常见的 4K UHD 是 3840×2160、约 8.3MP。说 “4K” 指的是宽度量级，不是说它等于电视里的 4K 分辨率。
三、摩尔线程怎么适配：复用了 H3 攒下的家底
摩尔线程这次没有从零重写一套推理栈，而是把 H3 阶段已经做好的底层能力直接复用过来。
| 层面 | 动作 | 作用 |
|---|---|---|
| 硬件 | MTT S5000，80GB 显存，1.6TB/s 带宽，支持 FP8 到 FP64 | 承接高分辨率生成与多参考图的计算负载 |
| 算子 | 复用 H3 阶段完成的 Attention、GEMM 等核心算子 | 减少重复开发 |
| 框架 | 复用 SGLang、MATE、MCCL | 推理调度、算子选择、多卡通信 |
| 优化重点 | 多参考图场景下的 Attention 开销与 KV 膨胀 | 参考图越多，Key/Value 越大，优化收益越明显 |
| 适配结果 | 单卡 10 秒生成 4096×4096，速度达主流 5 倍 | 厂商口径，缺基线 |
36氪官方给的优化逻辑是成立的：扩散类生图 / 编辑模型的 Attention 占比高，多参考图输入时 KV 会快速膨胀，参考图从 1 张加到 16 张，计算开销不是线性增长。MTT S5000 用 80GB 显存和高带宽承接这部分负载，再用 MATE 做算子调度、MCCL 做通信，这是 “能跑起来” 的工程基础。
四、10 秒和 5 倍怎么读：三个缺失的基准
这两个数字很抓眼，但都不是可直接复现的实验结论。
| 宣称 | 已知条件 | 缺失条件 | 影响 |
|---|---|---|---|
| 10 秒 / 张 | 4096×4096、6 步采样 | 批量大小、精度、量化方式、是否含文本编码、是否含后处理 | 单张与批量、INT8 与 BF16，耗时差好几倍 |
| 5 倍主流 | “市面主流水平” | 对照的是哪张 GPU、哪个框架、哪个模型、什么精度 | 没有基线，“5 倍” 无法验证 |
| 单卡 | 单张 MTT S5000 | 是否单卡跑完整流程；文本编码器是否卸载 / 预计算 | BF16 DiT 68.65GB＋文本编码器 66.7GB，合计超过 135GB，单卡 80GB 放不下 |
| 画质 | 官方样张 | FID、CLIP Score、人工评分、指令遵循通过率 | 只能看 “好不好看”，不能判断 “稳不稳定” |
同花顺股民学校所以正确的读法是：“摩尔线程证明了 H3-Image 能在 MTT S5000 上跑通，并给出了一个厂商自测的耗时；它没有证明在同等画质、同等批量下比某张具体 GPU 快 5 倍。” 这两句话差别很大，前者是工程进展，后者是性能结论。
五、Day-0 适配的意义与边界
| 层级 | 这次做到了什么 | 还没做到什么 |
|---|---|---|
| 可运行 | 模型能在 MTT S5000＋MUSA 上生成图像 | 未公布支持矩阵、镜像、最低显存配置 |
| 可复现 | 给了样张和 prompt | 没给完整脚本、随机种子、精度配置 |
| 性能 | 给了 10 秒 / 5 倍的厂商数字 | 没给对照基线、批量、吞吐 |
| 精度 | 沿用 H3 的文本编码器与架构 | 没给量化前后画质对比、数值误差 |
| 训练 | 未涉及 | 只做推理适配，不能说 “训练适配” |
Day-0 适配真正的价值，是把 “模型开源” 到 “国产硬件能跑” 的时间压到一天，让开发者在模型热度最高的时候就能上手验证；它不等于 “性能已优化到极致”，也不等于 “开箱即用”。从 “能跑” 到 “好用”，中间还差支持矩阵、量化方案、稳定性测试和文档。
六、如果你要用：三条落地路径
| 路径 | 怎么做 | 门槛 | 适合谁 |
|---|---|---|---|
| 云端 API | 直接用 MiniMax API 或 Comfy Cloud | 按量付费，无需 GPU | 想快速出图、做内容验证 |
| 本地开源栈 | SGLang、vLLM、Diffusers、ComfyUI | 需要足够显存；BF16 全量建议多卡或量化 | 要数据私有、可反复调参 |
| 国产 GPU | MTT S5000＋MUSA | 需向摩尔线程确认量化方案、镜像、支持版本 | 信创环境、国产算力验证 |
摩尔线程走国产 GPU 这条线，建议先问清四件事：用的是什么精度（BF16/FP8/INT8）、文本编码器是单卡常驻还是卸载、10 秒对应什么批量、有没有可复现的启动脚本。这四个问题答不上来，“单卡 10 秒” 就只能当参考。
七、证据边界：哪些能当事实，哪些只能当厂商口径
- 可当事实的：H3-Image 于 11 月 10 日开源；摩尔线程同日完成 MTT S5000＋MUSA 适配；模型是 33.1B DiT、6 步采样、约 16MP、最多 16 张参考图、文本编码器为 Qwen3-VL；BF16 DiT 68.65GB；商用需遵守社区许可证并另行取得授权。
- 只能当厂商口径的：10 秒生成 4096×4096；速度达市面主流 5 倍；“单卡” 完成全流程；样张画质 “丰富真实”。
- 未公开的：适配耗时、使用卡数、精度与量化配置、批量大小、对照基线、吞吐 / 延迟曲线、量化前后画质差异、支持矩阵。
- 需要纠正的表述：4096×4096 是约 16.8MP 的方形画布，不是 3840×2160 的 4K UHD；“Day-0 适配” 是推理适配，不是训练适配；“开源权重” 不等于可自由商用，商用要单独授权。
相关 FAQ
问题 1：摩尔线程的 Day-0 适配 H3-Image，具体是哪天完成的？
回答 1：MiniMax 于 2026 年 11 月 10 日正式开源 H3-Image，摩尔线程当天基于 MTT S5000 和 MUSA 软件栈完成 Day-0 适配，11 月 11 日对外发布适配稿。也就是说，H3-Image 开源与摩尔线程适配是同一天，Day-0 指的是 “开源当日可跑”，不是提前预适配。
问题 2：MiniMax H3-Image 是什么模型，和 H3 是什么关系？
回答 2：H3-Image 是 MiniMax H3 家族衍生的图像生成 / 编辑模型，保留了 H3 的 33.1B DiT 和 Qwen3-VL 文本编码器，去掉了音频分支；一个 checkpoint 同时支持文生图和图像编辑，原生约 16MP，最多支持 16 张参考图。摩尔线程适配的 H3-Image 是图像模型，不是 H3 视频模型。
问题 3：摩尔线程说 H3-Image 单卡 10 秒出 4K、比主流快 5 倍，这话可信吗？
回答 3：可以信 “跑通”，但不能直接信 “5 倍”。摩尔线程的 10 秒和 5 倍是厂商自测口径，没有公布对照 GPU、框架、精度、批量大小和随机种子；H3-Image 的 BF16 全量权重超过 135GB，单张 MTT S5000 是 80GB 显存，因此 “单卡 10 秒” 大概率用了量化或分阶段加载，官方未说明具体配置。没有这些条件，“5 倍” 无法复现。
问题 4：一张 MTT S5000 80GB 显存，真的能跑 H3-Image 吗？
回答 4：能跑，但要看精度和方案。H3-Image 的 BF16 DiT 约 68.65GB，文本编码器约 66.7GB，全量 BF16 合计超过 135GB，单卡 80GB 装不下；如果用 INT8/FP8 量化、文本编码器卸载或预计算，单卡可以跑起来。摩尔线程的 H3-Image 适配没有公布量化与卸载策略，所以 “单卡” 这个说法要理解为 “单卡参与了生成”，不等于 “全流程 BF16 单卡常驻”。
问题 5：开发者现在想用摩尔线程跑 H3-Image，第一步该做什么？
回答 5：先确认你的场景是否需要国产硬件：要信创环境或国产算力验证，就走 MTT S5000＋MUSA，向摩尔线程索取 H3-Image 的镜像、量化方案、支持矩阵和启动脚本；只是做内容验证，直接用 MiniMax API 或 Comfy Cloud 更快。无论走哪条，H3-Image 的商用输出都要遵守 MiniMax-H3-Image 社区许可证，商用授权需单独申请。
参考资料
[2026-11-11]（Day-0 支持：摩尔线程完成 MiniMax H3-Image 图像生成模型适配）摩尔线程（同花顺转载）
[2026-11-11]（Day-0 支持：摩尔线程完成 MiniMax H3-Image 图像生成模型适配）IT 之家
[2026-11-10]（MiniMax-H3-Image 模型卡）Hugging Face
[2026-11-10]（MiniMax-H3-Image: 16 MP text to image and image editing in ComfyUI）ComfyUI
[2026-11-10]（MiniMax H3 Image - Image Generation API Pricing）OpenRouter
[2026-10-15]（MTT S5000 训推一体全功能 GPU 智算卡）摩尔线程
[2026-08-03]（Day-0 支持：摩尔线程率先完成 MiniMax H3 多模态生成模型适配）摩尔线程
[2026-07-31]（MiniMax H3：打破任务和模态的边界）MiniMax
免责声明
本文基于摩尔线程公开适配稿、MiniMax H3-Image 模型卡、ComfyUI 文档及 MTT S5000 产品资料整理，仅用于技术信息解读，不构成采购建议、投资建议或性能承诺。文中 “10 秒生成 4096×4096”“速度达市面主流 5 倍”“单卡完成” 均为摩尔线程单方表述，未公布对照基线、精度、批量与复现脚本，未经第三方独立验证；H3-Image 的 BF16 全量权重体积与单卡 80GB 显存的矛盾，说明实际运行大概率涉及量化或卸载，具体以摩尔线程支持文档为准。“Day-0 适配” 指推理 / 生成适配，不代表训练适配或性能等价；开源权重不等于可自由商用，商用授权请遵循 MiniMax-H3-Image 社区许可证。据此选型，风险自担。