Модель основана на Qwen/Qwen3-VL-32B-Instruct и представлена в формате GGUF для использования с llama.cpp; разработчик исходной архитектуры в README отдельно не указан. Это abliterated, или uncensored, производная модель, предназначенная прежде всего для кодирования текстовых входов, а не для самостоятельного диалогового использования.

Архитектура имеет тип qwen3vl и включает 50 слоёв; MiniMax-H3 использует скрытое состояние после 50-го слоя. Основная сборка Q3_K_S имеет около 3,53 BPW и размер примерно 11,5 ГБ, содержит только текстовый энкодер и рассчитана на обычное использование в llama.cpp. Вариант с суффиксом _vis занимает около 12,6 ГБ, включает объединённую визуальную башню в формате BF16 и предназначен для ComfyUI; именно он распознаётся пайплайном MiniMax-H3 в ComfyUI. Сведения о поддерживаемых языках и размере контекста в README не приведены. Квантование уменьшает требования к памяти, но может ограничивать точность по сравнению с полноразмерной моделью, а назначение модели как компонента требует совместимого пайплайна. Указана лицензия Apache-2.0.