一张产品照出三视图：三步流程、显卡对照与许可证红线

三视图的难点从来不是画得像，是三次结果得指向同一件东西。文生图每重画一次就在重新想象一次，参考图编辑才能把主体锁住。做产品图、做角色设定图的人，最后都会绕回"一张照片改出别的角度"这条路上来。

11 月 10 日放权重、11 日官宣的 MiniMax H3-Image，把这条路铺得比较完整：33.1B 参数的扩散 Transformer，蒸馏到 6 步采样，一个 checkpoint 同时管生成与编辑，一次最多吃 16 张参考图。

这篇不评价画质，只解决三件决定你白不白干的事：画布怎么切、显卡怎么配、许可证能不能用。

一、先看榜单，判断这活儿该不该交给它

MiniMax 自己的说法是"开放权重里提示词遵循最好的"。第三方榜单给出的结论更窄：它的优势集中在编辑，不在纯生成。

数据来自 Artificial Analysis 2026 年 11 月 14 日的榜。编辑一项领先第二名 53 分，超出误差区间；文生图一项只比 Qwen-Image-2.1 高 20 分，落在误差条内，说打平更准确。这榜只跑了四天、三千票，排序还会动。

差别对选题有指向。要从零凭空生一张产品图，它不是唯一解，闭源方案按张计费的账另有算法；手上已经有一张实物照、只需要把它变成别的视角，才踩在它最强的地方。三视图、爆炸图、多角度主图都属于后者。

二、三步跑通：画布、参考图、提示词

第一步：先把画布切对

这一步最容易翻车，也最容易被跳过，因为多数人默认 1:1。

模型的输出约束是明确的：面积 655,360 到 20,000,000 像素，长宽比 1:3 到 3:1，原生约 16MP。三视图是横向并排三格，所以画布本身就该是 3:1，而不是先出方图再裁。

同样按 16MP 预算切，四种切法的差别是数量级的：

最后一行要单独说。2304÷6928 = 0.3326，比三分之一小了一点点，取整把它挤出了合法区间。要做竖排就写 2328×6864，别贴着边界取值。

下面这段不用装任何库，改 ratio 就能算出你要的尺寸，顺带校验面积与比例：

import math

AREA_MIN, AREA_MAX = 655_360, 20_000_000

def canvas(ratio, target_area=16_000_000, align=8):
    h = math.sqrt(target_area / ratio)
    w = h * ratio
    w, h = int(w // align * align), int(h // align * align)
    ok = AREA_MIN <= w * h <= AREA_MAX and 1 / 3 <= w / h <= 3.0
    return w, h, ok

for r in (3.0, 2.0, 1.0, 1 / 3):
    print(f"{r:.3f} -> {canvas(r)}")

跑出来 3:1 是 6904×2312，每格 2301 宽、2312 高，接近正方——这正是单个视图该有的比例。换成 1:1，单格变成 1333×4000，长宽比 1:3，模型只能把视图压扁或者留白。被问最多的"三视图比例是多少"，答案是画布 3:1、单格近方，不是单张 3:1。

第二步：参考图编号，锁住同一件东西

生成和编辑共用一个 checkpoint，编辑最多接 16 张参考图，官方示例是把一间空房和九件家具拼成一个客厅。三视图的用法正好相反：只传一张实物照，其余靠提示词约束。

两个实操点。一是按上传顺序编号，提示词里点名"第 1 张是外观基准，三个视角的材质、配色、结构细节必须与之一致"，别只写"参考上图"。二是免费演示环境通常只给 8 张上传位，官方模型支持 16 张，接口和演示页不是同一个上限。

第三步：六步采样，别再写负面提示词

模型蒸馏到 6 步，并且去掉了无分类器引导（CFG）。这句话的实际含义是：你过去攒的那一套"负面提示词"在这里没有入口，只能把约束写进正向描述。

本地跑的时候官方建议用英文，并且要写清空间布局、材质、光照和字体。一个能直接用的四段式：

• 主体与基准：产品名称、材质、颜色、关键结构特征
• 布局：three orthographic views side by side on one canvas, front / side / top, evenly spaced
• 视角：orthographic projection, no perspective distortion, consistent scale
• 排除项写成正向约束：clean white background, uniform lighting, no props, no text labels

最后一段是替代负面提示词的写法。想要"不要阴影"，就写"uniform flat lighting"，而不是"no shadow"。

三、四个会让成品报废的细节

尺寸是示意，不是工程尺寸。 模型不理解毫米，它给的是比例关系。要往说明书、装配图上放尺寸线和公差，必须回 CAD 重新标。把它当草稿机而不是绘图仪，这条线一旦模糊，返工的是整个交付。

文字和引线会糊。 官方对比里，中英之外的文字渲染明显更弱；爆炸图的零件引线和编号，不要指望一次成。要么后期加，要么分成"先生成干净视图、再单独叠标注"两步。

不支持透明背景。 要抠图还是得另做。同名对比里 Seedream 5.5 和 GPT Image 2.6 都提供 alpha 通道，这是它明确缺的一项。

多参考图会漂。 参考图越多，脸部与材质的一致性越容易松。做角色三视图时，把最关键的一张放第一位，其余只作局部补充。

四、两道先算清的门槛：显存与许可证

显存：文件大小不等于峰值显存

全量权重是 DiT 加 VAE 约 68.65GB，文本编码器另从 H3 仓库拉，约 66.7GB，合计 135GB 上下。这个量级是给多卡工作站准备的，个人不必碰。

社区走的是另一条路：Comfy-Org 先做结构化剪枝（有效参数降到约 20B），再量化成五档 GGUF。

要提醒的是：6.88GB 只是图像主干，完整流程还要单独的 24 通道 VAE 和 Qwen3-VL-32B 文本编码器。所以"8GB 能跑"指的是主干塞得进去，编码器要靠内存卸载或单独量化。真正常用的档位是 16GB。装 ComfyUI 0.45 以上加 ComfyUI-GGUF 节点即可，显存怎么分配另有一套算法，站内那篇 ComfyUI 对电脑配置要求 讲得更细。

走 API 就不必算这些。官方示例价 1K 图 0.022 美元、2K 0.023 美元、4K 0.069 美元，按 6.7 折算约 0.15 元、0.15 元、0.46 元。注意 1K 到 2K 只贵 0.001 美元，2K 到 4K 一口气贵 0.046 美元。合理的用法是 2K 试错、4K 出终稿，别拿 4K 去撞构图。

许可证：开源不等于可商用

这是这次发布里最该先看、却最少被提的一段。MiniMax-H3-Image 社区许可把适用范围定义成"全球除去被排除地区"，被排除的是欧盟、英国、韩国、美国。授权条款写的是"仅在适用地区内"授予，且不得在适用地区之外使用、复制、分发、展示模型或其输出。

换句话说，不只是权重，连生成出来的图，在许可层面也不授权在上述四个地区使用。许可没有学术豁免条款。

另外几条同样会绊人：年化营收（含关联方）超过 100 万美元，或对外提供托管服务，都要事先取得书面授权；商业产品必须在界面显著位置标注"MiniMax-H3-Image"；不得用模型或其输出去改进其他 AI 模型；争议适用中国香港特别行政区法律。

对做出海的人是硬约束：产品面向这四个市场，权重就不能进生产链路。但要分清一件事——许可是发给权重使用者的，MiniMax 自家 API 走的是平台服务条款，不受这份社区许可约束。想服务那些地区，走 API；想自部署，先看你的客户在哪。开源许可的门道不止这一家，站内 智谱和 DeepSeek 的开源不是一种开 对比过同类差别。

动手前的五条

1. 画布写 3:1，按 16MP 算成 6904×2312；竖排用 2328×6864，别贴 1:3 边界。
2. 只传一张基准照，提示词里点名它是外观基准，16 张不是越多越好。
3. 提示词用四段式，负面约束改写成正向描述，本地跑用英文。
4. 8GB 能起步、16GB 才顺；文件 6.88GB 不等于完整流程 8GB 显存。
5. 客户在欧盟、英国、韩国、美国，或者营收过百万美元、要对外托管，先解决许可再谈技术。

三视图只是入口。同一套参考图机制，还能拿来做包装盒的多面展开、家具的组装示意、角色设定的转面图。它的边界也很清楚：能出好看的示意图，出不了带公差的工程图。