Novita AI の Hunyuan Image 3 API：テキストから画像を生成するガイド

Tencent の Hunyuan Image 3 が、非同期テキスト画像生成 API として Novita AI で利用可能になりました。エンドポイントは https://api.novita.ai/v3/async/hunyuan-image-3 です。このモデルは、800 億パラメータの mixture-of-experts アーキテクチャを採用しており、これは現時点で最大のオープンソース画像生成 MoE です。強力な多言語テキストレンダリング、詳細なプロンプト追従、そして 1 画像あたり $0.10 という柔軟な出力サイズ設定を必要とする開発者にとって、実用的な選択肢となります。このガイドでは、このモデルの優れた点、統合方法、そしてプロダクション画像パイプラインにおける適切な位置づけについて説明します。

主要なポイント

• Hunyuan Image 3 は Novita AI で POST https://api.novita.ai/v3/async/hunyuan-image-3 から利用可能で、価格は 1 画像あたり $0.10 です（2026-07-06 確認）。
• このモデルは、自己回帰型統合生成フレームワークを備えた 80B MoE アーキテクチャ（トークンあたり 13B パラメータがアクティブ）を使用しています。
• ネイティブで中国語と英語のプロンプトをサポートし、画像内のテキストレンダリングに優れています。
• API は非同期です。リクエストを送信して task_id を受け取り、タスク結果 API をポーリングして出力を取得します。
• 実用的な用途：複雑な多言語シーン、テキストが多い画像、推論レベルのプロンプト解釈を必要とするパイプライン。

Hunyuan Image 3 とは？

Hunyuan Image 3（HunyuanImage 3.0）は、Tencent が 2025 年 9 月にオープンソース化した第 3 世代テキスト画像生成モデルです。ほとんどの画像生成モデルが拡散トランスフォーマー（DiT）アーキテクチャ上に構築されているのとは異なり、Hunyuan Image 3 は 統合自己回帰フレームワーク を使用します。これはテキストと画像の生成を単一のモデリング問題として扱うもので、大規模言語モデルで使用されるのと同じアーキテクチャアプローチです。

その結果、このモデルは画像生成前に画像内容について推論し、「思考トークン」を使用した思考連鎖スキーマを用いて、疎または曖昧なプロンプトを解釈し、欠落した詳細を推測し、単なるトークン頻度の一致ではなく意図に合った出力を生成します。

主要なアーキテクチャの事実（出典：HunyuanImage 3.0 technical report, arXiv 2509.23951、2025 年 9 月）：

• 総パラメータ 80B、64 エキスパート、トークンあたり約 13B パラメータがアクティブ
• 自己回帰型統合マルチモーダルフレームワーク（DiT ベースではない）
• 思考トークンによる思考連鎖プロンプト推論
• プロンプトアライメントのための強化学習による事後学習
• ネイティブの中国語と英語のサポート

Hunyuan Image 2.1 と比較して、3.0 リリースは画像品質とテキストアライメントに関するプロフェッショナルな人間評価において、相対勝率が 14.1% 向上しています。

Novita AI 上の Hunyuan Image 3 API アクセス

Novita AI は、Hunyuan Image 3 を非同期タスク API としてホストしています。ワークフローは次のとおりです。

1. 生成リクエストを https://api.novita.ai/v3/async/hunyuan-image-3 に POST する
2. レスポンスで task_id を受け取る
3. task_id を使用して https://api.novita.ai/v3/async/task-result をポーリングし、タスクステータスが TASK_STATUS_SUCCEED になるまで待つ
4. 結果から画像 URL を抽出する

API キーは Novita AI コンソール から取得してください。新規アカウントには $1 分の無料クレジットが付与されます。

Hunyuan Image 3 のスペックと価格概要

項目	詳細	出典 / 確認日
表示名	Hunyuan Image 3	Novita AI ドキュメント / 2026-07-06
エンドポイント	/v3/async/hunyuan-image-3	Novita AI ドキュメント / 2026-07-06
ベース URL	https://api.novita.ai	Novita AI ドキュメント / 2026-07-06
アーキテクチャ	80B MoE、自己回帰型、13B アクティブ	arXiv 2509.23951 / 2025年9月
対応言語	英語、中国語	Tencent HunyuanImage-3.0 リポジトリ / 2025年9月
出力形式	JPEG（デフォルト）	Novita AI ドキュメント / 2026-07-06
料金	1 画像あたり $0.10	novita.ai/models / 2026-07-06
API タイプ	非同期（送信 + ポーリング）	Novita AI ドキュメント / 2026-07-06
最適な用途	多言語シーン、テキストが多い画像、複雑なプロンプト解釈	判断

開発者向けの主要機能

プロンプト推論。 思考連鎖メカニズムにより、モデルは “a product photo for a high-end Japanese tea brand” のような短いプロンプトを受け取り、照明、構図、スタイルの手がかりなど、適切な視覚的コンテキストでそれを詳しく展開できます。長く詳細なプロンプトは必要ありません。これは、プロンプトがプロンプトエンジニアではなくエンドユーザーから来るパイプラインで役立ちます。

テキストレンダリング。 Hunyuan Image 3 は、中国語と英語の両方の画像内テキストを、ほとんどのオープンソース T2I モデルよりも大幅に優れた方法で処理します。ユースケースに判読可能な看板、ラベル、UI モックアップ、またはローカライズされたコンテンツを含む画像の生成が含まれる場合、テキスト用に別の後処理ステップを必要としない数少ないモデルの 1 つです。

柔軟なサイズ設定。 API は width*height として size パラメータを受け入れ、ウェブ、ソーシャル、印刷出力向けの幅広いアスペクト比をカバーします。

バイリンガルパイプライン。 中国語のプロンプトは、ローマ字化のアーティファクトや翻訳のオーバーヘッドなしに、中国語に適したコンテンツを生成します。中国語圏のユーザーを対象としたアプリに役立ちます。

Hunyuan Image 3 を使用すべき場合

• プロンプトが短いかユーザーによって提供され、生成前にインテリジェントな elaboration が必要な場合
• 画像内に判読可能な中国語または英語のテキストをレンダリングする必要がある場合
• ローカライズされたマーケティングアセット、商品画像、またはエディトリアルビジュアルを生成している場合
• プロンプトが、首尾一貫した構成を必要とする複数の意味要素を持つ複雑なシーンを記述している場合

Hunyuan Image 3 を使用すべきでない場合

• 1 画像あたりの最低コストが必要な場合：1 画像あたり $0.10 では、Novita AI 上の Qwen Image（$0.02/画像）や Seedream 3.0（$0.03/画像）などの代替手段は、テキストレンダリングと推論が重要でない大量パイプラインに対して大幅に安価です。
• 画像編集やインペインティングが必要な場合：Hunyuan Image 3 はテキスト画像生成のみです。画像編集ワークフローには、専用の編集モデルを使用してください。
• サブ秒の応答時間が必要な場合：非同期アーキテクチャはポーリングによるレイテンシを追加します。リアルタイムのインタラクティブなアプリケーションには適していません。

API クイックスタート

Python

import requests
import time

API_KEY = "YOUR_NOVITA_API_KEY"
BASE_URL = "https://api.novita.ai"

def generate_image(prompt: str, size: str = "1024*1024", seed: int = -1) -> str:
    # 生成リクエストを送信
    response = requests.post(
        f"{BASE_URL}/v3/async/hunyuan-image-3",
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "prompt": prompt,
            "size": size,
            "seed": seed,
        },
    )
    response.raise_for_status()
    task_id = response.json()["task_id"]

    # 結果をポーリング
    while True:
        result = requests.get(
            f"{BASE_URL}/v3/async/task-result",
            headers={"Authorization": f"Bearer {API_KEY}"},
            params={"task_id": task_id},
        )
        result.raise_for_status()
        data = result.json()
        status = data.get("task", {}).get("status")
        if status == "TASK_STATUS_SUCCEED":
            return data["images"][0]["image_url"]
        elif status == "TASK_STATUS_FAILED":
            raise RuntimeError(f"Generation failed: {data}")
        time.sleep(2)

image_url = generate_image(
    prompt="A minimalist product photo of a premium Japanese matcha tin on a white marble surface, studio lighting",
    size="1024*1024",
)
print(image_url)

cURL

# Step 1: リクエストを送信
curl -s -X POST https://api.novita.ai/v3/async/hunyuan-image-3 \
  -H "Authorization: Bearer $NOVITA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A neon-lit street food stall in Hong Kong at night, cinematic, rainy reflections",
    "size": "1280*720",
    "seed": -1
  }'

# Returns: {"task_id": "..."}

# Step 2: 結果をポーリング
curl -s "https://api.novita.ai/v3/async/task-result?task_id=YOUR_TASK_ID" \
  -H "Authorization: Bearer $NOVITA_API_KEY"

リクエストパラメータ

パラメータ	型	必須	備考
prompt	string	はい	画像のテキスト説明。英語と中国語をサポート。
size	string	いいえ	width*height 形式の出力寸法（例："1024*1024"、"1280*720"、"768*1024"）
seed	integer	いいえ	-1 はランダム；固定値を設定して結果を再現

タスク結果ステータス値

ステータス	意味
TASK_STATUS_QUEUED	リクエスト受信、実行待ち
TASK_STATUS_RUNNING	生成中
TASK_STATUS_SUCCEED	完了 — images[0].image_url で画像 URL が利用可能
TASK_STATUS_FAILED	生成失敗

Hunyuan Image 3 が API ワークフローにどのように適合するか

Novita AI 上の Hunyuan Image 3 で使用される非同期パターンは、プラットフォーム上の他の画像およびビデオ生成エンドポイントと同じです。タスクを送信し、task_id を受け取り、結果をポーリングします。すでに Novita AI 上の FLUX.1 Dev や Kontext ファミリーを使用している場合、Hunyuan Image 3 への切り替えは、エンドポイントを 1 行変更し、リクエストボディを更新するだけです。

実用的な違いの 1 つは、Hunyuan Image 3 がネストされた input/parameters オブジェクトではなく、フラットなリクエストボディ（prompt、size、seed）を受け取ることです。統合する前に、Novita AI ドキュメント で正規のスキーマを確認してください。

最終推奨事項

Hunyuan Image 3 は、コストよりもプロンプト推論、多言語テキストレンダリング、または複雑なシーン構成が重要な場合に、Novita AI 上で適切な選択肢です。1 画像あたり $0.10 で、Novita AI 画像カタログの上位に位置づけられます（Seedream 3.0 の約 3 倍、Qwen Image の約 5 倍）が、意味的に異なる機能を提供します。モデルは疎なプロンプトを解釈し、画像内に判読可能な中国語と英語のテキストを生成し、より単純なモデルでは非一貫性のある構成を生成しがちな意味的に密度の高いシーンを処理します。

大量の汎用画像生成には、より安価な代替手段の方が適しています。画像品質、テキスト精度、またはバイリンガルコンテンツが要件となるプロダクションワークフローでは、Hunyuan Image 3 は価格差に見合う価値があります。

FAQ

Novita AI 上の Hunyuan Image 3 のエンドポイントは何ですか？

POST https://api.novita.ai/v3/async/hunyuan-image-3 です。API は非同期です。リクエストを送信して task_id を受け取り、ステータスが TASK_STATUS_SUCCEED になるまで /v3/async/task-result をポーリングします。

Novita AI での Hunyuan Image 3 の料金はいくらですか？

2026-07-06 時点で、1 画像あたり $0.10 です（出典：novita.ai/models）。プロダクションワークロードのコストモデルを構築する前に、Novita AI の価格ページで現在の料金を確認してください。

Hunyuan Image 3 は FLUX.1 や Stable Diffusion と何が違うのですか？

Hunyuan Image 3 は、FLUX.1 やほとんどの Stable Diffusion バリアントで使用される拡散トランスフォーマー（DiT）アーキテクチャではなく、自己回帰型統合マルチモーダルフレームワークを使用します。実用的な効果としては、思考連鎖思考トークンによるより強力なプロンプト推論、より優れた多言語テキストレンダリング、そして複雑なマルチ要素シーンのより一貫性のある処理が挙げられます。

Hunyuan Image 3 は画像編集やインペインティングをサポートしていますか？

いいえ。Novita AI 上のモデルはテキスト画像生成のみです。画像編集には、FLUX.1 Kontext や Qwen-Image-Edit などの専用編集モデルを使用してください。

Hunyuan Image 3 で中国語のプロンプトを使用できますか？

はい。このモデルはネイティブで中国語と英語のプロンプトをサポートしています。中国語のプロンプトは、翻訳アーティファクトなしで中国語に適した視覚コンテンツを生成します。

特定の画像出力を再現するにはどうすればよいですか？

seed パラメータを固定整数値に設定します。同じ seed、prompt、size の組み合わせで、同じ画像が再現されます。

おすすめ記事

• Run FLUX.1 [dev] on Novita AI: Transform Text to Visual
• Qwen Image on Novita AI
• FLUX.1 Kontext Pro vs Max vs Dev on Novita AI