MiniMax｜发布H3全模态生成模型，计划开源并主打性价比

视频生成赛道正从「会出一段片」转向「能吃下完整创作上下文」——MiniMax把答案写成了H3，并公开承诺开源权重。

MiniMax（稀宇科技）是国内人工智能公司，业务覆盖语言模型、视频生成、语音与音乐等方向，并以API与消费级产品并行推进商业化。过去视频生成长期被闭源模型主导：迭代快、生态却相对封闭，创作者想「参考这段运镜、那张人脸、这段歌声一起生成」，往往要在多个专家模型之间来回倒腾。H3试图把这条链路收进同一个通用模型里。

7月31日，MiniMax正式发布通用全模态生成模型MiniMax H3。官方定位显示，H3可对文本、图像、视频、声音组成的多模态上下文做统一理解，并输出具备原生双声道的音视频，最高支持约15秒、2K分辨率。产品侧强调，邀测反馈显示其在指令遵循、文字与品牌信息呈现、视频到视频动作迁移（V2V Motion Transfer）等方面表现突出，面向广告、品牌、电商、产品设计、UI/UX与游戏等商业场景。同一天，字节跳动Seed团队亦发布视频模型升级，视频生成赛道同日出现高强度对决。

产品与商业要点：

1. 能力边界：从「特化任务模型」走向「通用多模态助手」，用自然语言描述素材关系与创作意图，而不仅是简单画面提示词。
2. 技术组合：Contextual Omni Representation、H3-VAE、H3-Omni Transformer、In-context Regeneration；2K输出不走传统专用超分模块，而由基模对低分辨率结果做上下文内再生成。
3. 定价主张：默认提供2K分辨率；官方称2K档每秒价格不到主流模型的三分之一，768P档约为主流720P的一半。
4. 开源节奏：为推动开源社区与国产芯片适配，计划在未来几天内、在符合相关法律法规前提下开放模型权重；设计初期即考虑多款国产芯片兼容性。

所谓全模态上下文，白话就是：你可以把参考视频的运镜、参考图的人物、参考音频的歌声一并丢给模型，再用一句话说明它们如何组合成片——模型自己完成跨模态对齐，而不是让人先剪一版「伪参考」再硬套。In-context Regeneration则像让模型「带着原稿上下文再画一遍高清」，而不是靠传统超分去猜细节；对品牌小字、道具纹理这类信息，这种路径往往比纯放大更靠谱。

行业背景也不复杂。文生视频已经过了「能不能动」的新鲜期，下一步比的是可控、可商用、可接入生产线：文字是否糊、主体是否漂移、音画是否对得上、价格能不能撑起日更投放。闭源路线靠效果与渠道卡位；开源路线一旦权重落地，会把定制、私有化与国产芯片适配空间一并打开。MiniMax把低价、2K默认和开源承诺叠在一起，等于同时打价格战与生态战。

对创作者来说，提示词正在变成「导演说明」：说清楚素材之间的关系，比堆华丽形容词更重要。对行业来说，开源承诺与低价策略叠在一起，会直接冲击闭源视频模型的收费与生态壁垒。下一观察点很具体：权重何时真正放出、国产芯片适配是否可复现，以及商用场景里文字渲染与长镜头稳定性能否扛住真实投放压力。