MiniMax H3 是什么：开放的全模态视频生成模型

它是什么

MiniMax H3 是 MiniMax 在 2026 年 7 月 31 日发布的通用多模态生成模型，许可证是 MiniMax Model License。它能理解文本、图像、视频和音频组成的统一上下文，生成带原生立体声的视频，单段最长 15 秒，分辨率最高 2K，帧率 24fps。官方的标题是“打破任务和模态边界的开放模型”，可以在海螺视频（Hailuo）上直接体验。

能做什么

官方说早期测试显示，H3 已经可以用于多种商业内容创作，擅长的几项是：指令遵循、准确的文字和品牌元素渲染，以及视频到视频（V2V）的动作迁移。靠精确、可控的多模态生成和编辑，它面向广告、品牌、电商、产品设计、界面设计、游戏等场景。文字和品牌渲染准确这一点对商业内容尤其关键，画面里的商标、标语写错，整条广告就不能用。

技术和价格

官方提到 H3 用到了几项自研技术：上下文全模态表示（Contextual Omni Representation）、H3-VAE、H3-Omni Transformer，以及上下文内再生成（In-Context Regeneration）。默认输出 2K 分辨率。价格方面，官方说在 2K 分辨率下，H3 每秒的价格不到主流模型的三分之一；在 768p 下，价格不到主流模型 720p 的一半。如果属实，这对批量做视频内容的团队是很大的成本优势。

开放的意义

视频生成领域能力靠前的模型大多是闭源的，H3 选择开放权重，意味着企业可以私有部署、在自己的素材上做适配。商用前要读清 MiniMax Model License 的条款，它不是 Apache 或 MIT 这类宽松协议。2K 的视频模型对显存和算力要求很高，多数团队用 API 会更现实。

适合谁

做电商短视频、品牌广告、产品展示的团队，是它最直接的用户，2K 默认分辨率和低价格对规模化生产很友好；需要动作迁移的创作者，可以用一段参考视频驱动新角色。AI 主线的看法是：视频模型正在从“能生成”进入“能交付商单”的阶段，H3 把文字品牌渲染、2K 默认和价格放在最前面讲，瞄准的正是这块市场。