로컬 AI 이미지 생성, MiniMax H3 Image 16메가픽셀을 6스텝에

미니맥스가 이미지 생성·편집 모델 MiniMax-H3-Image를 오픈웨이트로 풀었다. 4,096×4,096부터 6,272×2,688까지 비율마다 약 16메가픽셀을 뽑고, 샘플링은 6스텝에 가이던스 없이 끝난다. 로컬 AI 이미지 생성을 준비하는 쪽이라면 스펙부터 볼 만한 모델이다.

비슷한 시기에 구글은 Gemini 4 Carbon을 전체 공개했는데, 값이 12월 1일부터 두 배가 된다. 지금은 100만 토큰당 입력 2달러·출력 10달러지만 이후 4달러·20달러다. 모델을 고르는 기준이 성능에서 어디서 돌리느냐로 옮겨가는 한 주다.

표로 보는 이번 주 AI 모델 4종

표에서 먼저 볼 칸은 값이 아니라 공개 형태다. 오픈웨이트 두 종은 내려받아 직접 돌리는 쪽이고, API 두 종은 회선 너머에서 돈다. 라이선스 칸도 그냥 넘기면 안 된다. 무료로 받아도 매출 규모나 외부 제공 여부에 따라 허가가 따로 필요하다.

로컬 AI 이미지 생성, 16메가픽셀을 6스텝에 뽑는다

MiniMax-H3-Image는 생성과 편집을 한 체크포인트에 묶었다. 텍스트로 이미지를 만들 때와 참조 이미지를 고칠 때가 같은 모델이고, 참조 이미지는 최대 16장까지 넣을 수 있다. 업스케일러 없이 16메가픽셀을 바로 뽑는 것이 이 모델의 요약이다.

구조는 MiniMax-H3 아키텍처에서 오디오 층을 들어낸 확산 트랜스포머다. 파라미터 33.1B, 50개 층에 은닉 크기 5,376이고, 텍스트는 MiniMax-H3의 Qwen3-VL 인코더를 그대로 써서 50번째 층의 은닉 상태를 읽는다. VAE는 16배 공간 축소에 잠재 채널 24개이고, 모델은 32×32픽셀 단위로 토큰을 묶는다. 프롬프트는 4,096토큰에서 잘린다.

배포는 SGLang과 vLLM-Omni, diffusers용 안내가 함께 올라왔고, vLLM-Omni 쪽은 H200과 RTX PRO 6000 Blackwell, AMD MI350X를 지원 대상으로 적는다. 요청 하나를 여러 장에 나눠 처리하는 시퀀스 병렬 구성도 안내되어 있다. 한 장짜리 카드로 끝나는 모델이 아니라는 뜻이다.

MiniMax-H3-Image의 라이선스는 흔한 오픈소스 라이선스와 다르다. 커뮤니티 라이선스인데, 자기와 계열사 연매출이 100만 달러를 넘거나 외부에 호스팅 서비스를 제공하면 미니맥스에 별도 서면 허가를 받아야 한다. 개인이 받아 돌리는 조건과 서비스로 파는 조건이 다르다.

Gemini 4 Carbon, 12월 1일부터 값이 두 배

구글은 11월 10일 Gemini 4 Carbon을 개발자·기업·연구자·소비자에게 열었다. 두 주 전 사이버 방어 인력 일부에게 먼저 풀었던 모델을 전체 공개로 바꾼 것이다. 구글은 복잡한 다단계 코딩과 디버깅, 열린 과학 연구처럼 토큰을 많이 쓰며 오래 검증하는 작업을 이 모델의 자리로 설명한다.

벤치마크는 커서벤치 4.0, 퍼플렉시티 WANDR, 재피어 오토메이션벤치에서 1위다. 구글은 차점 외부 모델보다 작업당 비용이 2배 이상 낮다고 적었다. 멀티모달 지식 에이전트 벤치마크에서는 2위인데, 이때도 1위 모델보다 작업당 평균 비용이 6배 이상 낮다. 이 세 벤치마크에서는 성능이 1위, 작업당 비용은 차점의 절반 이하다.

값은 지금 Gemini 4 Argon과 같은 도입가다. 100만 토큰당 입력 2달러·출력 10달러. 구글 각주에는 11월 30일 도입 기간이 끝나면 입력 4달러·출력 20달러가 적용된다고 적혀 있다. 같은 모델을 12월에 쓰면 11월보다 두 배다. 앤트리그래비티에서는 /swarm 기능이 미리보기로 열렸다.

판단만 하는 모델은 따로 있다. 같은 구글이 낸 Gemini Decisions API는 결이 다르다. 새 모델 gemini-decision-1을 쓰는데, 답변 문장을 토큰 단위로 생성하지 않고 정해진 선택지를 한 번의 순전파로 채점한다. 예와 아니오 확률, 2~255개 중 하나 고르기, 순서형 점수 매기기를 한 요청에 섞을 수 있고 모든 답에 0~1 신뢰도가 붙는다.

입력은 최대 256K 토큰에 질문 1,000개까지 한 번에 넣는다. 16K 문맥에서 모델 연산 지연 중앙값 50~100ms, 종단 지연 150~250ms이고 질문이 1개에서 100개로 늘어도 거의 그대로다. 값은 입력 100만 토큰당 0.10달러, 출력은 0원이다. 같은 벤치마크에서 Gemini 3.5 Flash-Lite로 생성형 호출을 하던 비용의 5분의 1 수준이라고 구글은 적었다.

0.8B BotPsy, 도구 호출만 따로 학습했다

반대편에는 테더 AI 연구소의 BotPsy-0.8B가 있다. Qwen3.5-0.8B를 네 단계로 다시 학습해 도구 호출에 맞춘 모델이고, 라이선스는 아파치 2.0이다. 도구 사용·에이전트 벤치 6종 평균이 45.0으로 1.2B 이하 모델 가운데 가장 높고, 2.5배 큰 Qwen3.5-2B-Think도 6종 중 5종에서 앞섰다.

작은 모델의 약점도 숫자로 밝혀 뒀다. 유해 응답 비율은 21%로 기본 모델 36%보다 낮지만 0이 아니고, 열린 검색과 메모리 과제는 여전히 약하다. 높은 위험이 걸린 판단을 맡길 모델은 아니다. 4비트 GGUF가 별도 저장소로 함께 올라와 있다.

해커뉴스 댓글에서는

GeekNews에 정리된 해커뉴스 반응은 엇갈린다. 한 댓글은 "Jev가 등장하고 나서야 다들 우리 제품군에도 있어야 할 유용한 기능이라고 깨달았다는 게 조금 놀라움"이라고 적었다. 문법 제약 출력으로 비슷한 시도를 했지만 그 방식으로는 모델의 확률을 얻을 수 없다는 설명이 이어진다.

벤치마크를 못 믿겠다는 반응도 있다. "벤치마크에서 모델 간 성능이 상당히 비슷해서 놀라움"이라며 "더 나은 벤치마크가 필요하다는 신호일 수도 있음"이라고 지적했다. 값에 대해서는 "같은 범주의 다른 의사결정 모델보다 가격이 조금 높음"이라면서도 "오디오와 비디오 입력도 받을 수 있어, 그런 용도에는 매우 유용할 수 있음"이라고 평가했다.

로컬로 돌리려면. MiniMax-H3-Image의 BF16 가중치는 DiT 66.28GB에 VAE 2.34GB를 더해 68.65GB이고, 텍스트 인코더는 MiniMax-H3의 Qwen3-VL을 그대로 쓰므로 66.7GB가 따로 필요하다. 셋을 합치면 135GB가 넘어 24GB·32GB 소비자 카드 한 장으로는 원본을 올릴 수 없고, 배포 안내가 지원 대상으로 적은 RTX PRO 6000 Blackwell 96GB 한 장으로도 다 올라가지 않는다. 여러 장으로 나누는 구성이 현실적이다. 반대로 BotPsy-0.8B는 4비트 GGUF 변환본이 따로 있어, 두 모델의 요구가 정반대다.

로컬 AI 이미지 생성은 16메가픽셀까지 올라왔지만 그 대가는 100GB가 넘는 가중치이고, 클라우드 쪽은 성능은 1위지만 도입가가 끝나 값이 오르는 국면이다. 12월 전에 쓸 작업이 있으면 Gemini 4 Carbon의 도입가가 살아 있는 이번 달이 마지막이다.

Gemini 4 Carbon 공개 발표 · MiniMax-H3-Image 모델 카드 · BotPsy-0.8B 모델 카드 · Gemini Decisions API

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.