🎬 全模态 · 模型发布
2K画质，三成价格！MiniMax H3全模态模型发布，统一文本/图像/视频/声音生成
7月31日，MiniMax发布通用全模态生成模型H3，支持同时输入文本、图像、视频和声音，最高输出15秒2K音视频。2K分辨率下每秒价格不到主流模型的1/3，在Artificial Analysis文生视频有声榜单中排名第二，Elo得分1242。
综合公开信息整理•
2026-07-31•
全文约3分钟读完
#MiniMax
#H3
#全模态
#视频生成
#2K
🥈 第二 · 1242 Elo
文生视频有声榜单 · 与第一名仅差3分
2K · 15秒
最高分辨率与时长，原生双声道
< 1/3 价格
2K分辨率下每秒价格不到主流模型1/3
⚡ 30秒速览
- 核心能力：统一理解文本、图像、视频、声音，输出带原生双声道的2K音视频，最长15秒。
- 价格杀伤：2K下每秒价格不到主流模型1/3，768P下不到1/2，行业最优性价比。
- 榜单验证：Artificial Analysis文生视频有声榜单第二，1242 Elo，距榜首仅3分。
- 技术底色：四项创新——Contextual Omni Representation、H3-VAE、H3-Omni Transformer、In-context Regeneration。
- 开源承诺：未来几天内开放模型权重，推动国产芯片适配与开源生态。
01文生视频有声榜单 Top 2 MiniMax H3 位居第二，距榜首仅3分
🥇 谷歌 Gemini Omni FlashGoogle
1245
注：柱形宽度反映Elo相对比例，MiniMax H3与第一名仅差3分，竞争极为接近。榜单由Artificial Analysis发布，专注文生视频有声任务。
这个排名的含金量在于：有声视频生成同时考验画面质量、音画同步、人声与音效的联合生成能力，是当下视频模型最难攻克的场景之一。H3以1242分跻身第一梯队，且与谷歌旗舰模型分差极小。
02从任务隔离到全模态统一 用语言连接一切
过往生成模型擅长"单线操作"——文生图、图生视频、音色参考各自独立，用户需要在不同工具间反复搬运素材。H3的设计哲学是：打破边界，让模型理解完整的创作意图。
传统生成管线
文生图、图生视频、音色参考、动作迁移……彼此隔离，用户被迫在多个工具间切换，素材组合受限。
MiniMax H3
全模态统一建模，文本、图像、视频、声音一同输入，自然语言描述所有参考与编辑关系，模型自主理解并执行。
四项核心技术，支撑这场统一。
CORContextual Omni
Representation
10万→4K Token
4×H3-VAE
序列长度收益
降低训练成本
+30%H3-Omni Transformer
异构训练架构
吞吐提升
2KIn-context
Regeneration
基模复用生成
注：COR用语言压缩多模态上下文；H3-VAE提升视觉压缩率4倍；H3-Omni Transformer优化异构负载；In-context Regeneration无需独立超分模块即可输出2K。
MiniMax特别强调，H3在预训练阶段就混合了图像、视频、音频以及多种参考和编辑数据，语言成为连接所有模态的桥梁，而不是为每个任务训练独立的专家模型。
03它到底能生成什么？三个实测案例
🎮 游戏UI交互生成 · 赛博朋克风格 交互流畅
- 角色打开装备界面，依次进入零部件选择、配置确认和加载页面，最终切换到霓虹灯街道的游戏画面。
- 整个交互过程衔接流畅，界面反馈自然，营造出色彩丰富的赛博朋克氛围。
- 镜头切换与UI过渡保持视觉一致性，场景递进逻辑清晰。
评审结论：「交互连贯，风格统一，具备可直接使用的游戏Demo质感」。
🎨 动态海报 · 人物冲出海报的立体效果 视觉统一
- 人物以较小比例出现在粉色矩形底部，随后绿色标题文字从背景中显现。
- 人物快速放大并向镜头伸手，形成冲出海报的立体效果，全程色彩与视觉风格高度统一。
- 文字与画面的空间关系处理自然，无撕裂或变形。
评审结论：「动态层次丰富，品牌感强，可直接用于商业海报制作」。
🛍️ 广告电商 · 银黑配色的商业质感 具备商业级品质
- 先后展示模特佩戴银色护目镜的面部特写和侧脸，随后切换至黑白服装模特的全身镜头。
- 眼镜产品特写与双人定妆画面中，光影、服装和银黑配色保持一致，镜片反光和金属材质突出。
- 多镜头切换流畅，产品展示逻辑清晰，已具备商业广告的基本质感。
评审结论：「光影统一，材质表现到位，达到电商广告交付标准」。
04价格不到三分之一，模型权重即将开放
MiniMax在发布时直接将性价比作为核心卖点——不是"同样价格画质更好"，而是"同样画质价格更低"。
2K 分辨率
< 1/3
每秒价格不到主流模型的
三分之一，旗舰画质门槛大幅降低
768P 分辨率
< 1/2
每秒价格不到主流模型的
二分之一，日常使用更具性价比
注：具体价格暂未公布，以上为官方宣称的性价比对标。实际成本需结合使用场景与时长综合评估。
一个诚实的注脚：
价格优势建立在H3-VAE和In-context Regeneration两项技术之上——更高的视觉压缩率和基模复用能力，让2K生成不再需要昂贵的独立超分辨率模块。但实际落地成本能否持续低于竞品，仍需观察规模化部署后的表现。
🔓 开源
MiniMax计划在未来几天内开放模型权重，在符合法律法规的前提下，推动国产芯片适配与开源生态建设。开发者可关注官方渠道获取最新动态。
编辑核心判断
全模态统一生成是AI视频赛道的重要方向，但H3能否兑现承诺，仍要看其在复杂多模态指令稳定性、2K画面精细度、音画同步质量以及真实生成成本等方面的实测表现。统一架构只是第一步，工程落地才是真正的考验。
▶模型权重即将开放
MiniMax H3已展示出全模态统一生成的技术潜力，定价策略也极具冲击力。
模型权重即将开源，关注 MiniMax 官方发布渠道获取第一手信息。
MiniMax H3 · 全模态生成 2K · 15秒 · 1/3价格