7 月，MiniMax 正式开源新一代通用视频模型 MiniMax H3，在 Artificial Analysis 视频编辑评测榜、Arena 图生视频排行榜中均位列全球第一，Hugging Face 热度超越 DeepSeek V4 Flash 升至榜首，成为开源社区最受关注的视频生成模型。
注：热度排名基于 Hugging Face 社区综合指标（点赞、下载、讨论）。柱形为示意比例，非精确数值。MiniMax H3 上线后迅速超越此前榜首 DeepSeek V4 Flash。
不止是社区热度。在更专业的评测维度上，MiniMax H3 同时拿下 Artificial Analysis 视频编辑评测榜和 Arena 图生视频排行榜的双料第一。这两个榜单分别考察模型在视频编辑任务中的精细控制能力，以及从静态图像生成视频的连贯性与创意表现。
MiniMax H3 不是单纯的"视频生成模型"，而是一个统一的多模态理解与生成引擎。它能够同时处理文本、图像、视频、音频四种模态，并在它们之间自由转换。
这意味着什么？
通常只能"文本→视频"，对图像、音频、已有视频的理解能力有限，多模态交互需要额外拼接。
统一理解四种模态，支持文本→视频、图像→视频、视频编辑、音频同步生成，端到端原生融合。
四项核心能力：多模态统一理解、2K 分辨率输出、最长 15 秒视频、带原生立体声音频，无需后期合成。
一个关键的技术细节：原生立体声音频。大多数视频生成模型需要额外调用音频模型来配声，而 MiniMax H3 在生成视频画面的同时同步生成音频，音画对齐更自然，延时更低。
MiniMax H3 的开源不是"发布即弃养"。模型权重、推理代码、示例脚本全部公开，社区可以本地部署、二次开发、甚至基于 H3 进行微调。
开源社区的热度迅速攀升至 Hugging Face 第一，背后是开发者对"可用开源视频模型"的强烈渴求。在此之前，高质量视频生成模型几乎被闭源产品垄断。
一个值得注意的对比：DeepSeek V4 Flash 此前在 Hugging Face 社区热度长期领先，而 MiniMax H3 凭借视频生成这一差异化能力实现了超越。这反映出社区对"多模态 + 视频"方向的强烈兴趣。
MiniMax 是国内最早一批押注多模态大模型的创业公司之一。从早期的文本模型到后来的语音、视频方向，公司一直保持对"多模态统一"的持续投入。
H3 的登顶，不是偶然的爆发，而是长期技术路线的兑现。2025 年至今，MiniMax 在视频生成领域积累了多个版本，H3 是其在统一架构、训练效率、生成质量三个维度同时达到临界点的产物。
一个诚实的注脚：
视频生成赛道竞争极其激烈。OpenAI 的 Sora、Google 的 Veo、以及国内多家公司的视频模型都在快速迭代。MiniMax H3 的开源策略，在时间窗口上占据了"先发开源"的红利——当大多数高质量视频模型仍然闭源时，谁能率先开放，谁就能获得社区生态的早期绑定。
视频生成正在经历 2024 年语言模型经历的开源时刻——"闭源演示"到"开源可用"的拐点已经到来。MiniMax H3 第一个站到了这个位置上，但真正的竞争才刚刚开始。
模型权重与推理代码已通过 Hugging Face 全面开源，开发者可本地部署体验。
Hugging Face → MiniMax 官方