MiniMax H3 是首个在同一 pass 中生成原生立体声音频的主流开放权重视频模型——不是后期拼接的 TTS 模块。2026 年 7 月 31 日发布，8 月 3 日开源，是一个 33B 参数密集 transformer，接受文本、图片、视频片段和音频轨道作为输入，输出 4–15 秒视频，分辨率最高 2K，音频 32 kHz 立体声。
MiniMax M3 是该公司的 LLM 产品，H3 则是视频生成产品——开放权重的发布旨在为视频领域做 Stable Diffusion 为图像领域所做的事：给社区一个真正可构建的基础。
架构
| 规格 | 数值 |
|---|---|
| 模型类型 | 密集单流 Omni Transformer |
| 总参数 | 33B（~13B 在 AdaLN 分支中，可缓存） |
| 推理激活参数 | ~20B |
| 文本编码器 | Qwen3-VL-32B（冻结） |
| 位置编码 | 3D 多模态 RoPE（时间、高度、宽度） |
输出规格
| 数值 | |
|---|---|
| 时长 | 4–15 秒 |
| 帧率 | 24 FPS |
| 分辨率 | 768p（开放权重）/ 最高 2K（API 经 H3-Regenerate-2K） |
| 音频 | 32 kHz 原生立体声 |
| 宽高比 | 21:9、16:9、4:3、1:1、3:4、9:16 等 |
| 语言 | 11 种稳定支持（含中文、英文、日文、韩文等） |
输入模式
H3 提供两个开放 checkpoint：
| 变体 | 模式 | 接受输入 |
|---|---|---|
| H3-Base-FL2VA | 首末帧模式 | 0、1 或 2 张图片 → 文生视频、首帧生视频、首末帧生视频 |
| H3-Base-Ref2VA | 全模态引用 | 最多 9 张图片、3 段视频、3 段音频（共 12 个文件上限） |
开放 vs 未开放
| 模块 | 状态 | 影响 |
|---|---|---|
| H3-Base（FL2VA + Ref2VA） | 开放（Hugging Face） | 768p 核心生成 + 原生音频 |
| H3-Context-IR | 闭源（仅 API） | 指令处理——提升 prompt 理解质量 |
| H3-Regenerate-2K | 闭源（仅 API） | 将 768p 输出提升至 2K——标题分辨率 |
诚实说：基础是开放的，但产出标题规格（2K 分辨率、优化的指令理解）的部件仅通过 API 可用。本地推理生成 768p。
横向对比
- vs Seedance 2.0 / Seedance 2.5： Seedance 在 AA Video Arena 盲测中领先。H3 的优势是开放权重和全模态引用输入。Seedance 为闭源。
- vs FLUX 3： FLUX 3 Video 支持最长 20 秒（vs H3 的 15 秒），BFL 宣称更高 Elo。FLUX 3 Dev 开放权重计划中但未定时间；H3 基础权重已可用。
- vs Veo 3.1： Veo 以 $0.40/秒提供更高分辨率的原生音频和公开 API。H3 以更低成本提供开放权重和更广泛的引用系统。
- vs Hailuo 2.3： 同属 MiniMax。Hailuo 是预算导向的 API 产品；H3 是带开放权重和全模态能力的下一代模型。
全景参见视频模型目录。
适用场景
- 有 GPU 基础设施的团队自托管带原生音频的视频生成
- 基于多模态引用的角色一致性视频（图片+视频+音频输入）
- 在开放基础权重上微调和定制
- 通过 API 进行高性价比 2K 分辨率视频制作
优缺点
优势
- 首个主流开放权重视频模型——原生立体声音频与视频同步生成，非后期拼接
- 全模态引用系统支持最多 9 张图片、3 段视频、3 段音频同时输入
- 单一 33B 密集 transformer 处理所有模态——无需为不同任务切换专用模型
- API 默认 2K 分辨率，定价不到主流模型的 1/3
局限
- H3-Regenerate-2K（升至 2K 的模块）未开源——本地推理上限 768p
- H3-Context-IR（指令处理层）也未开源——完整质量仅 API 可用
- Community License 非 MIT/Apache——年收入超 $2000 万需单独授权
- 最长 15 秒——短于 FLUX 3 的 20 秒和 Seedance 2.5 的 30 秒
常见问题
MiniMax H3 什么时候发布的？
MiniMax 于 2026 年 7 月 31 日发布 H3 API 产品，8 月 3 日在 Hugging Face 上以 MiniMax H3 Community License 公开基础模型权重。
MiniMax H3 是真正开源的吗？
开放权重，但非开源。基础模型（H3-Base）以 MiniMax 的 H3 Community License 发布，年收入低于 $2000 万的组织可商用。两个关键模块——H3-Regenerate-2K（2K 升分辨率）和 H3-Context-IR（指令处理）——仍为闭源，仅通过 API 可用。
H3 和 MiniMax M3 是什么关系？
不同产品线。MiniMax M3 是 428B MoE 大语言模型（文本/图像输入→文本输出）。H3 是 33B 密集视频生成模型（文本/图像/视频/音频→带原生音频的视频）。同一家公司，不同用途。
本地运行 MiniMax H3 需要什么硬件？
完整 BF16 权重约 33B 参数。通过 AdaLN 缓存，推理实际使用约 20B 参数。社区量化版（如 MLX 6-bit，磁盘约 30GB，驻留约 16.5GB）已有 Apple Silicon 适配。BF16 推理至少需要一块高端 GPU（80GB+ 显存）。