API Hunyuan Image 3 na Novita AI: Guia de Geração de Texto para Imagem

O Hunyuan Image 3 da Tencent agora está disponível na Novita AI como uma API assíncrona de texto para imagem em https://api.novita.ai/v3/async/hunyuan-image-3. O modelo utiliza uma arquitetura de mistura de especialistas com 80 bilhões de parâmetros — o maior MoE de geração de imagem open-source até o momento — e é uma escolha prática para desenvolvedores que precisam de renderização de texto multilíngue forte, seguimento detalhado de prompts e dimensionamento flexível de saída a $0,10 por imagem. Este guia aborda o que o modelo faz bem, como integrá-lo e onde ele se encaixa em um pipeline de imagem em produção.

Principais Conclusões

• O Hunyuan Image 3 está disponível na Novita AI em POST https://api.novita.ai/v3/async/hunyuan-image-3, com preço de $0,10/imagem (verificado em 06/07/2026).
• O modelo usa uma arquitetura MoE de 80B (13B parâmetros ativos por token) com uma estrutura unificada de geração autorregressiva.
• Suporta nativamente prompts em chinês e inglês com forte renderização de texto dentro da imagem.
• A API é assíncrona: você envia uma requisição, recebe um task_id e então consulta a API de Resultado de Tarefa pela saída.
• Aplicação prática: cenas multilíngues complexas, imagens com muito texto e pipelines que necessitam de interpretação de prompts em nível de raciocínio.

O que é o Hunyuan Image 3?

O Hunyuan Image 3 (HunyuanImage 3.0) é o modelo de texto para imagem de terceira geração da Tencent, lançado como open-source em setembro de 2025. Diferente da maioria dos modelos de geração de imagem baseados em arquiteturas de transformadores de difusão (DiT), o Hunyuan Image 3 usa uma estrutura autorregressiva unificada que trata a geração de texto e imagem como um único problema de modelagem — a mesma abordagem arquitetônica usada em grandes modelos de linguagem.

O resultado é um modelo que raciocina sobre o conteúdo da imagem antes de gerá-la, usando um esquema de cadeia de pensamento com “tokens de pensamento” para interpretar prompts esparsos ou ambíguos, inferir detalhes ausentes e produzir saídas que correspondem à intenção, em vez de apenas corresponder à frequência dos tokens.

Principais fatos da arquitetura (fonte: relatório técnico HunyuanImage 3.0, arXiv 2509.23951, setembro de 2025):

• 80B parâmetros totais, 64 especialistas, ~13B parâmetros ativados por token
• Estrutura multimodal unificada autorregressiva (não baseada em DiT)
• Raciocínio de prompt por cadeia de pensamento via tokens de pensamento
• Pós-treinamento com aprendizado por reforço para alinhamento de prompts
• Suporte nativo a chinês e inglês

Comparado ao Hunyuan Image 2.1, o lançamento 3.0 mostra uma melhoria de 14,1% na taxa de vitória relativa em avaliação humana profissional sobre qualidade de imagem e alinhamento de texto.

Acesso à API do Hunyuan Image 3 na Novita AI

A Novita AI hospeda o Hunyuan Image 3 como uma API de tarefa assíncrona. O fluxo de trabalho é:

1. Faça um POST de uma requisição de geração para https://api.novita.ai/v3/async/hunyuan-image-3
2. Receba um task_id na resposta
3. Consulte https://api.novita.ai/v3/async/task-result com o task_id até que o status da tarefa seja TASK_STATUS_SUCCEED
4. Extraia a URL da imagem do resultado

Obtenha sua chave de API no console da Novita AI. Novas contas recebem $1 em créditos gratuitos.

Especificações e Resumo de Preços do Hunyuan Image 3

Campo	Detalhes	Fonte / Data verificada
Nome de exibição	Hunyuan Image 3	Documentação Novita AI / 06/07/2026
Endpoint	/v3/async/hunyuan-image-3	Documentação Novita AI / 06/07/2026
URL base	https://api.novita.ai	Documentação Novita AI / 06/07/2026
Arquitetura	MoE de 80B, autorregressivo, 13B ativos	arXiv 2509.23951 / Set 2025
Idiomas suportados	Inglês, Chinês	Repositório Tencent HunyuanImage-3.0 / Set 2025
Formato de saída	JPEG (padrão)	Documentação Novita AI / 06/07/2026
Preço	$0,10 por imagem	novita.ai/models / 06/07/2026
Tipo de API	Assíncrona (enviar + consultar)	Documentação Novita AI / 06/07/2026
Melhor aplicação	Cenas multilíngues, imagens com muito texto, interpretação complexa de prompts	Julgamento

Principais Capacidades para Desenvolvedores

Raciocínio de prompt. O mecanismo de cadeia de pensamento significa que o modelo pode pegar um prompt curto como “uma foto de produto para uma marca premium de chá japonês” e elaborá-lo com contexto visual apropriado — iluminação, composição, dicas de estilo — sem exigir um prompt longo e detalhado. Isso é útil para pipelines onde os prompts vêm de usuários finais, não de engenheiros de prompt.

Renderização de texto. O Hunyuan Image 3 lida com texto dentro da imagem em chinês e inglês significativamente melhor do que a maioria dos modelos T2I open-source. Se seu caso de uso envolve gerar imagens com letreiros legíveis, rótulos, maquetes de UI ou conteúdo localizado, este é um dos poucos modelos onde você não precisa de uma etapa de pós-processamento separada para texto.

Dimensionamento flexível. A API aceita um parâmetro size como largura*altura, cobrindo uma ampla gama de proporções para saída web, social e impressa.

Pipelines bilíngues. Prompts em chinês geram conteúdo apropriado ao chinês sem artefatos de romanização ou custo de tradução. Útil para aplicativos direcionados a públicos falantes de chinês.

Quando Usar o Hunyuan Image 3

• Seus prompts são curtos ou fornecidos pelo usuário e precisam de elaboração inteligente antes da geração
• Você precisa de texto legível em chinês ou inglês renderizado dentro da imagem
• Você está gerando ativos de marketing localizados, imagens de produto ou visuais editoriais
• Seu prompt descreve cenas complexas com múltiplos elementos semânticos que precisam de composição coerente

Quando Não Usar o Hunyuan Image 3

• Você precisa do menor custo por imagem: a $0,10/imagem, alternativas como Qwen Image na Novita AI ($0,02/imagem) ou Seedream 3.0 ($0,03/imagem) são significativamente mais baratas para pipelines de alto volume onde renderização de texto e raciocínio não são críticos.
• Você precisa de edição de imagem ou inpainting: o Hunyuan Image 3 é apenas texto para imagem. Para fluxos de edição de imagem, use um modelo de edição dedicado.
• Você precisa de tempos de resposta inferiores a um segundo: a arquitetura assíncrona adiciona latência da consulta. Não é adequado para aplicações interativas em tempo real.

Início Rápido com a API

Python

import requests
import time

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

def generate_image(prompt: str, size: str = "1024*1024", seed: int = -1) -> str:
    # Enviar requisição de geração
    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"]

    # Consultar pelo resultado
    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"Falha na geração: {data}")
        time.sleep(2)

image_url = generate_image(
    prompt="Uma foto minimalista de produto de uma lata premium de matcha japonês sobre uma superfície de mármore branco, iluminação de estúdio",
    size="1024*1024",
)
print(image_url)

cURL

# Passo 1: Enviar requisição
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": "Uma barraca de comida de rua iluminada por néon em Hong Kong à noite, cinematográfica, reflexos de chuva",
    "size": "1280*720",
    "seed": -1
  }'

# Retorna: {"task_id": "..."}

# Passo 2: Consultar pelo resultado
curl -s "https://api.novita.ai/v3/async/task-result?task_id=SEU_TASK_ID" \
  -H "Authorization: Bearer $NOVITA_API_KEY"

Parâmetros da Requisição

Parâmetro	Tipo	Obrigatório	Notas
prompt	string	Sim	Descrição textual da imagem. Suporta inglês e chinês.
size	string	Não	Dimensões de saída como largura*altura (ex.: "1024*1024", "1280*720", "768*1024")
seed	inteiro	Não	-1 para aleatório; defina um valor fixo para reproduzir resultados

Valores de Status do Resultado da Tarefa

Status	Significado
TASK_STATUS_QUEUED	Requisição recebida, aguardando execução
TASK_STATUS_RUNNING	Geração em andamento
TASK_STATUS_SUCCEED	Completa — URL da imagem disponível em images[0].image_url
TASK_STATUS_FAILED	Falha na geração

Como o Hunyuan Image 3 se Encaixa no Seu Fluxo de Trabalho com API

O padrão assíncrono usado pelo Hunyuan Image 3 na Novita AI é o mesmo de outros endpoints de geração de imagem e vídeo na plataforma — enviar uma tarefa, receber um task_id, consultar pelos resultados. Se você já usa FLUX.1 Dev na Novita AI ou a família Kontext, mudar para o Hunyuan Image 3 é uma mudança de endpoint de uma linha, além de atualizar o corpo da requisição.

Uma diferença prática: o Hunyuan Image 3 aceita um corpo de requisição plano (prompt, size, seed) em vez de objetos input/parameters aninhados. Verifique a documentação da Novita AI para o esquema canônico antes de integrar.

Recomendação Final

O Hunyuan Image 3 é a escolha certa na Novita AI quando o raciocínio de prompt, a renderização de texto multilíngue ou a composição de cenas complexas importam mais do que o custo. A $0,10/imagem, ele está no extremo superior do catálogo de imagens da Novita AI — aproximadamente 3× o Seedream 3.0 e 5× o Qwen Image — mas oferece uma capacidade significativamente diferente: o modelo interpreta prompts esparsos, gera texto legível em chinês e inglês nas imagens e lida com cenas semanticamente densas onde modelos mais simples tendem a produzir composições incoerentes.

Para geração de imagem commodity de alto volume, alternativas mais baratas são o melhor ponto de partida. Para fluxos de produção onde qualidade de imagem, precisão de texto ou conteúdo bilíngue são requisitos, o Hunyuan Image 3 vale a diferença de preço.

FAQ

Qual é o endpoint da Novita AI para o Hunyuan Image 3?

POST https://api.novita.ai/v3/async/hunyuan-image-3. A API é assíncrona — você envia uma requisição, recebe um task_id e então consulta /v3/async/task-result até que o status seja TASK_STATUS_SUCCEED.

Quanto custa o Hunyuan Image 3 na Novita AI?

$0,10 por imagem em 06/07/2026 (fonte: novita.ai/models). Verifique os preços atuais na página de preços da Novita AI antes de construir um modelo de custo para cargas de trabalho de produção.

O que torna o Hunyuan Image 3 diferente do FLUX.1 ou Stable Diffusion?

O Hunyuan Image 3 usa uma estrutura multimodal unificada autorregressiva, em vez da arquitetura de transformador de difusão (DiT) usada pelo FLUX.1 e pela maioria das variantes do Stable Diffusion. O efeito prático é um raciocínio de prompt mais forte através de tokens de pensamento de cadeia de pensamento, melhor renderização de texto multilíngue e tratamento mais coerente de cenas complexas com múltiplos elementos.

O Hunyuan Image 3 suporta edição de imagem ou inpainting?

Não. O modelo na Novita AI é apenas texto para imagem. Para edição de imagem, use um modelo de edição dedicado como FLUX.1 Kontext ou Qwen-Image-Edit.

Posso usar prompts em chinês com o Hunyuan Image 3?

Sim. O modelo suporta nativamente prompts em chinês e inglês. Prompts em chinês geram conteúdo visual apropriado ao chinês sem artefatos de tradução.

Como reproduzo uma saída de imagem específica?

Defina o parâmetro seed para um valor inteiro fixo. A mesma combinação de seed, prompt e size reproduzirá a mesma imagem.

Artigos Recomendados

• Execute FLUX.1 [dev] na Novita AI: Transforme Texto em Visual
• Qwen Image na Novita AI
• FLUX.1 Kontext Pro vs Max vs Dev na Novita AI