🎬 全模态 · 模型发布
MiniMax H3 发布：2K 画质 15 秒生成，价格仅为行业 1/3，文生视频有声榜全球第二
MiniMax 今日发布通用全模态生成模型 H3，统一理解文本、图像、视频与声音，最高支持 15 秒、2K 分辨率输出，带原生双声道。在第三方评测机构 Artificial Analysis 的文生视频有声榜单中，H3 以 Elo 1242 分位列全球第二，2K 分辨率下每秒价格不到主流模型的 1/3。
综合公开信息整理•
2026-07-31•
全文约 4 分钟读完
#MiniMax
#H3
#全模态生成
#文生视频
#2K
🥈 全球第 2
Artificial Analysis 文生视频有声榜 · Elo 1242
2K
最高分辨率 · 15 秒时长
1/3
2K 下每秒价格 vs 主流模型
⚡ 30 秒速览
- 榜单成绩：Artificial Analysis 文生视频有声榜第二，Elo 1242，仅略低于谷歌 Gemini Omni Flash 的 1245 分。
- 价格碾压：2K 分辨率每秒价格不到主流模型的 1/3，768P 不到 1/2，官方称「行业内最优性价比」。
- 全模态统一：文本、图片、视频、声音可同时输入，模型理解跨模态关系并联合生成音视频，支持 V2V 动作迁移。
- 即将开源：计划在未来几天内开放模型权重，推动国产芯片适配与开源生态。
- 应用场景：广告、品牌、电商、产品设计、UI/UX、游戏——已具备商业级质感。
01文生视频有声榜 Top 3 MiniMax H3 位居第二
🥇 Gemini Omni FlashGoogle
1245
注：柱形长度为相对比例，Elo 分数差异以标注值为准。H3 与榜首分差仅 3 分，属于同一梯队。榜单来自 Artificial Analysis 文生视频有声评测，该评测综合考察视频质量、音频同步、指令遵循等维度。
这份成绩的含金量在于：文生视频有声榜不仅考核画面质量，还要求原生双声道音频（人声、音效、音乐）与画面同步生成，是对「全模态输出能力」的直接检验。H3 是唯一进入前二的国产模型。
但榜单只是数据。真正的考验是：它能在真实场景中做什么？
02价格屠夫，也是路线破局者
MiniMax H3 的定价策略直击行业痛点。在 2K 分辨率下，每秒生成成本不到主流模型的 1/3；768P 下不到 1/2。官方尚未公布具体价格数字，但称「有能力提供行业内最优的性价比」。
但比价格更值得关注的，是 H3 的技术路线选择：
传统分任务模型
文生图、图生视频、音色参考、动作迁移……每个任务独立训练，模型之间无法共享上下文，用户需要组合多个工具完成创作。
MiniMax H3 统一全模态
文本、图像、视频、声音统一处理，用自然语言描述跨模态关系。一个模型完成理解 + 生成 + 编辑，无需拆分任务管线。
H3 在预训练阶段就混合了图像、视频、音频及多种参考/编辑数据，让模型从底层学会「多模态上下文理解」，而非后期拼接。
不同素材之间的参考、保留和修改关系，均通过自然语言描述，不被限制在少数预定义任务中。 —— MiniMax
03它能做什么？三个真实场景的答卷
🎮 游戏 UI：赛博朋克交互流 商业级
- 角色打开装备，依次进入零部件选择、配置确认、加载界面，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。
- 多镜头之间的光影与风格统一，已具备可落地的游戏资产制作能力。
关键能力：多镜头叙事一致性 + 交互逻辑理解。
🖼️ 动态海报：人物「冲出」画面 品牌创意
- 画面以人物小比例出现在粉色矩形底部，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。
- 整体色彩与视觉风格统一，文字与主体的空间关系准确。
关键能力：文字与品牌信息呈现 + 动态构图设计。
🛍️ 广告电商：多镜头商业片 高质感
- 模特佩戴银色护目镜的面部特写 → 侧脸 → 全身镜头 → 眼镜产品特写 → 双人定妆，多镜头切换。
- 不同镜头之间的光影、服装配色、银黑配色保持一致，镜片反光和金属材质突出。
- 已具备商业广告的基本质感，可直接用于电商详情页或信息流广告。
关键能力：V2V 动作迁移 + 多镜头材质与光影统一。
三个案例均来自 MiniMax 官方展示，素材为模型直接生成，未经过后期人工修饰。
04技术底牌：四层架构撑起全模态
MiniMax H3 没有沿用前代 Hailuo-02 的架构，而是重新设计了 H3-Omni Transformer。其技术栈由四个核心模块构成：
Contextual Omni Representation→H3-VAE→H3-Omni Transformer→In-context Regeneration
🧠 Contextual Omni Representation
用语言同时描述目标视频、参考素材及它们之间的关系。大部分素材消耗约 10 万 Token 推理，最终压缩为平均约 4K Token。
📦 H3-VAE
将视觉信息压缩率提升 4 倍序列长度收益，大幅降低训练与推理成本，为 2K 分辨率输出提供底层支持。
⚙️ H3-Omni Transformer
采用异构训练架构，优化序列长度方差与负载均衡。端到端训练吞吐提升近 30%，支持理解与生成任务混合计算。
🔄 In-context Regeneration
不依赖独立超分模块，基模结合原始多模态上下文重新生成高分辨率画面，更好还原小文字与局部细节。
MiniMax 表示，H3 在复杂多模态理解、模型规模和部分场景的画面精细度上仍有提升空间。后续 H 系列将融合 M 系列模型能力，继续扩大规模与分辨率。
技术架构的领先是一回事，落到产品上是否可靠是另一回事。
编辑核心判断
MiniMax H3 用一个统一架构打破了「文生图、图生视频、音色参考、动作迁移」彼此隔离的产品定义。方向正确，但统一不等于完美——复杂多模态指令的稳定性、2K 画面的精细度、音画同步质量，仍需实测验证。H3 真正的价值在于：它把选择权还给了创作者，而不是被工具形态定义。当模型能够同时理解「参考这段视频的镜头运动，让这张图里的人唱歌，声音像这段音频」时，创作的门槛已经从「会用多个工具」降到了「能说清想法」。
▶现在就能用
MiniMax H3 已开放使用，登录官网即可体验 2K 全模态生成。模型权重即将在符合法律法规的前提下开源，推动国产芯片适配与社区生态建设。
minimaxi.com → 体验 H3
也可通过 MiniMax 官方 API 接入，支持广告、电商、游戏、UI/UX 等场景