MiniMax H3 被硅谷拿去当底座，真正的生意藏在授权条款里

一个中国团队放出来的视频模型，英伟达的工程师拿去提速，Pika 拿去调新版本，fal 直接在上面训出自家的旗舰。这个画面，放一年前谁敢信？

由头是 fal 11 月 3 日披露的新一轮融资：Bessemer 领投，英伟达作为战略投资方参与，估值 160 亿美元，比 4 月的 80 亿美元翻了一倍。按 Bloomberg 的报道，这轮融了 13 亿美元。fal 的 H3 Max，就是 8 月在 MiniMax H3 基础上后训练出来的。我们 AI主线 的看法是：MiniMax H3 能当上底座，靠的是三样东西凑齐，画质进了头部梯队，权重放得够多，授权条款又把大客户留在了付费通道里，缺一样这事都转不起来。

硅谷凭什么挑中它？

H3 是 MiniMax 7 月 31 日发布的，8 月 3 日在 Hugging Face 放出权重。它是 33B 参数的单流 Transformer（参数可以粗略理解成模型的脑容量，越大越吃显卡），单条最长出 15 秒视频，最多接受 12 个参考文件，图、音频、视频都行。

最招人的一点是音画同出。画面、对白、环境音在一个模型里一起生成，不是先出一段默片再找人配音，而是同期录音。做过短剧的人都知道，这能省掉多少对口型的折腾。

那榜单上到底站哪一档？Artificial Analysis 的榜是真人盲选两段视频、谁好看选谁，攒出来的 Elo 积分。36 氪引用的文生视频榜里，H3 是 1162 分，全球排第三，在开放权重阵营里领先第二名 LTX-2.5 Fast 216 分。开源这边，基本没人能跟它打。

但别把前排的名次看太重。10 月中旬被 VentureBeat 查看过的图生视频榜上，H3 是 1140，Seedance 2.5 和 FLUX 3 Max 都是 1138，而 FLUX 3 Max 的 95% 置信区间是 1123 到 1153。两分的差距落在误差里，基本是并列。Google 和 Black Forest Labs 的同档模型走的是只开 API 的路线，H3 的卖点是这个水平的东西能下载。

价格也有说头。H3 的 API 在 2K 档是每秒 0.13 美元，MiniMax 说这不到主流视频模型每秒成本的三分之一。按 Google Gemini API 价格页，Veo 3.1 标准档是每秒 0.40 美元，大致对得上。不过 Google 自家的 Fast 档每秒 0.10 到 0.12 美元，比 H3 还便宜，所以得分档来比。

说开放，到底开了多少？

开的是 H3-Base，也就是真正生成音视频的那一块，分两个检查点，一个管文生和首尾帧，一个管参考生成。负责理解复杂输入的 H3-Context-IR，和负责放大到 2K 的 H3-Regenerate-2K，留在了官方 API 里。

这就像卖你发动机，涡轮和调校留在店里。本地跑出来的画面短边默认是 768 像素，要 2K 得走 API 的二次重绘。最小的可用组合要下 42.5GB，ComfyUI 官方说 12GB 显存加卸载就能跑，这是他们自己的说法，还得等第三方实测。

授权条款更有意思。免费商用，但产品界面要显著标出“MiniMax H3”；年收入过 2000 万美元要先拿书面授权；不许拿它的输出去训练别的模型；美国、英国、欧盟、韩国在权重许可的适用范围之外，得单独申请。DeepLearning.AI 的 The Batch 直接点评，按国家划线和“开放”的本意有点拧着。

我们 AI主线 觉得，“开放”这个词在这里得拆开用：下载是真的，商用是有条件的，能不能在你所在的地方用，要看你人在哪。美国恰恰在排除名单里，可硅谷偏偏最热闹，路子大概就两条，走 API，或者像英伟达那样拿单独授权。

英伟达替 MiniMax 做了件什么事？

英伟达和 MIT 的团队 10 月底在 Hugging Face 放出了 Open-H3-Regenerate-2K 的权重，推理代码放在 NVlabs/Sana 仓库。说白了，MiniMax 留在 API 里的那块 2K 重绘，被他们做了个能下载的版本，支持 2K 输出，最高到 4K 原生重生成。

这个团队自己的对比里，感知质量得分是 60.0，官方 API 是 53.4，但官方在动作流畅度上略好。自测数据，当参考看就行。

速度上更猛。36 氪提到，H3 开放当天，英伟达和 MIT 的团队 4.5 小时就做完首轮优化，8 张 GB200 上提速 3.95 倍。后来在单张 B200 上，5 秒 2K 视频的生成从 87 秒压到 22 秒。

收费环节被人做了开源平替，这对 MiniMax 是双刃剑。不过英伟达这边按《智能涌现》的说法是走了单独授权，看起来 MiniMax 是想把大客户拉进一对一的谈判，而不是让大家各自拿着权重走人。

300 个衍生模型，MiniMax 收得到钱吗？

按 MiniMax 公布的数据，权重放出后累计下载超过 2400 万次，衍生模型超过 300 个。Pika 做了两个约 2.8GB 的轻量适配器，拼成 Pika H3 Flex。FastVideo 把去噪压到 4 步，去噪步数就是模型反复修图的次数，步数越少出片越快。

下游的玩法很统一：底层通用能力抄 H3 的作业，自己的力气花在镜头控制、数字人、画质增强这些更贴近产品的环节。省下的是从头预训练的钱，这笔账对谁都划算。

钱从哪来？36 氪提到，Comfy 8 月底成了授权经销商，专业版商用授权每月 5000 美元起；Nuva Lab 等机构获准做商业托管。Black Forest Labs 和 Lightricks 也是按营收档位划使用边界，不过 BFL 的 FLUX 3 干脆走了纯 API。

fal 估值翻倍，证明的是“托管视频模型”这门生意值钱。MiniMax 自己能从里面分到多少，外界目前还看不见。

各路人马怎么上手？做内容的，显卡在 12GB 上下的话，可以先在 ComfyUI 里跑 768p 草稿，体验音画同出和参考控制。做产品的，每秒 0.13 美元，先按 5 秒一条算算成本。选型的技术负责人，先过三关：界面要不要标名，2000 万美元这条线你离多远，你的用户在哪个地区。

接下来盯两件事：2K 重绘这一环 MiniMax 自己会不会放开，还有美欧英韩那道申请门槛会不会松。这两处一动，这套分层玩法的价钱就得重算。