🏆 视频模型 · 突破
MiniMax H3 开源视频模型发布：手绘即特效，视频后期进入「Coding时刻」
7月31日，MiniMax 正式发布新一代视频模型 H3——首个开源视频模型，在 Artificial Analysis 榜单上斩获视频编辑第一。默认 2K 清晰度，支持手绘特效、文字生成、全模态输入，价格仅为主流模型的 1/3。
综合公开信息整理•
2026-07-31•
全文约 4 分钟读完
#MiniMax H3
#开源视频模型
#手绘特效
#视频生成
#Artificial Analysis
🥇 视频编辑第一
Artificial Analysis 榜单 · 唯一开源
2K
默认输出分辨率
< 1/3
2K 每秒价格 vs 主流模型
⚡ 30 秒速览
- 登顶榜单：Artificial Analysis 视频编辑榜第一，唯一开放权重的 SOTA 模型。
- 范式颠覆：从「提供一段素材」变为「端到端交付成品」——剪辑、字幕、特效、配乐全部集成在模型里。
- 三大核心能力：手绘即特效、视频内文字生成（每帧一致）、全模态输入（文字/图片/音频/视频）。
- 价格屠夫：2K 分辨率每秒价格不到主流模型 1/3，768P 不到 1/2。
- 完全开源：可私有部署，围绕 IP 与品牌风格深度微调。
01视频编辑榜第一 Artificial Analysis · 唯一开源 SOTA
🥇 MiniMax H3MiniMax · 开源
SOTA
注：榜单柱形为示意对比，精确排名以 Artificial Analysis 官方为准。H3 是前五名中唯一开放权重的模型，也是首个开源视频模型登上该榜第一。
02从「素材」到「成品」视频模型的一次范式跃迁
过去一年，视频模型因 Scaling 红利获得突飞猛进，但有一项定位未曾变化：它们只负责为你提供「一段素材」。
素材生成后，你还得拖进 PR 里加字幕、调色、做转场、配音乐、套模板……后面还有「一万件」事在等着你。
但 H3 彻底打破了这个范式。
传统视频模型
只生成原始素材 → 用户自行剪辑、加字幕、调色、配乐 → 多人协作，流程冗长。
MiniMax H3
输入一段文本 → 模型直接输出可发布的成品：剪辑、字幕、转场、特效、BGM 全部端到端集成。
一个诚实的注脚：
文字生成尚未 100% 完美，但已进入商用门槛。精准编辑仍有提升空间——然而，从「玩具」到「工具」的跨越，已经完成。
03三大核心能力 手绘、文字、全模态
✨ 最具冲击力
手绘即特效
花体字、字幕动画、视觉特效全部端到端生成，无需任何后期软件。输入一句描述，特效直接「长」在画面上。
📝 最接近商用
视频内文字生成
每帧文字一致，不崩坏。能理解文字与画面的关系——光影、景深、动态跟随，而非简单叠加。可做歌词 VJ、品牌物料。
🧠 最底层
全模态输入
文字、图片、音频、视频——所有素材都是模型理解上下文的一部分。传一张参考图胜过写三百字描述。
注：三大能力排序按用户感知冲击力与商业化潜力综合评估。「全模态输入」是底层能力，支撑前两者的实现。
04它到底能做什么？三个实测场景
🎬 男团出道花絮：AGI Boys 指令理解
- 一句话 prompt，生成 Sam Altman、Dario Amodei、马斯克三人「AGI Boys」男团花絮视频。
- 模型对用户意图嗅觉灵敏——仅用文本，就能理解想要的视觉风格和剪辑节奏。
- 苹果发布会风格 prompt 直出平行宇宙中的「苹果版 MiniMax」，玻璃特效与渐变质感准确呈现。
结论：意图理解能力突出，风格化输出稳定。
🎥 六分镜预告片：AGI 复仇者联盟 指令遵循
- 长 prompt 描述 6 个分镜，每个分镜指定不同情绪方向、表演逻辑与快节奏切换。
- 所有分镜 完美遵守，蒙太奇段落（Dario 崩溃捶桌）情绪感染力强。
- 模型对节奏、情绪、镜头逻辑的综合把控，已接近人工剪辑水平。
结论：长指令遵循能力出色，多分镜连贯性行业领先。
💎 钻石项链 VJ：文字+画面的融合 文字生成
- 模型为文字「镶上钻」，带有光影变化与景深过渡，而非简单叠字。
- 纯歌词 VJ 实测达到「能满足绝大部分卧室音乐人」的商用水平。
- 文字与画面之间建立了语义理解——这是离商业化最近的能力。
结论：视频内文字生成进入商用门槛，可接广告与品牌物料。
05为什么能做到？全模态 + 语言涌现
H3 的一切能力，可以归因到同一个第一性原理：多模态 + 语言的涌现。
图像、视频、音频这些自然模态紧密交织，承载海量信息。而语言，正是连接这些多模态孤岛最好的桥梁。
全模态输入→上下文 Caption→H3-Omni Transformer→端到端输出
具体来说，团队做了三件事：
4模态输入
2K默认分辨率
< 1/3价格 vs 主流
✓开源可部署
注：上下文 Caption 技术大幅拓宽了传统 Caption 的含义——不再只描述目标视频，而是同时刻画上下文与目标视频的关系，甚至理清上下文内部各元素之间的关联。
MiniMax 自创立之初便坚定布局多模态产品矩阵。H3 的发布，是此前多模态技术沉淀的集大成，也是团队基因和传统的又一次延续。
06敬开源 一张能与科技巨头坐上谈判桌的筹码
H3 这样一款 SOTA 级的视频模型，选择了开源。
这对有内容需求的企业来说，意义不言而喻。如果仅依赖云端 API，谁也不敢轻易将资产上传至第三方服务器。但一个可私有部署的模型，意味着能够毫无顾忌地用自有数据进行微调，围绕核心 IP、品牌画风与专属内容工作流进行深度定制。
技术与成本的门槛双双降低，H3 的开源，极有可能带来一场 IP 生命力的全面爆发。
Intelligence with Everyone —— 让智能与每个人同在。
MiniMax 公司愿景
从文本模型 M2 系列开始，MiniMax 每一代模型都在拓展开源的边界。如今 H3 将这条路铺进了视频生成的深水区。
回看这个 7 月：如果说 Kimi K3 扛起了 Coding 的开源大旗，那么 MiniMax H3 则在视频模型的赛道上，毅然立起了另一面旗帜。
中国开源的声音，这不是第一次响起。
也绝不会是最后一次。
编辑核心判断
视频生成正式进入「Coding时刻」——从「提供素材」到「交付成品」，范式已被改写。
文字生成尚未 100% 完美，精准编辑仍有提升空间。但开源 + 低价 + 全模态的组合，已让 H3 成为第一个真正面向真实场景交付的开源视频模型。中国开源，再次立起一面旗帜。