MiniMax H3：打破任务和模态的边界
声明：文档由AI根据原文生成。
MiniMax发布通用全模态模型H3，计划近期开源
2026年7月31日，MiniMax正式发布H3通用全模态生成模型。该模型支持对文本、图像、视频、声音组成的多模态上下文进行统一理解，可输出原生双声道音视频，最高支持15秒2K分辨率。
据前期邀测反馈，H3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，可实现精准可控的多模态内容编辑与生成，适用于广告、品牌、电商、产品设计、UI/UX、游戏等商业场景。
2K分辨率价格低于主流模型三分之一
MiniMax称，得益于Contextual Omni Representation、H3-VAE、H3-Omni Transformer、In-context Regeneration等技术，H3具备行业较优性价比。其默认提供2K分辨率，该分辨率下每秒价格不到主流模型的三分之一；768P分辨率下价格为同类模型720P的二分之一。
长期以来，闭源模型主导视频生成领域，迭代速度与生态开放性落后于大语言模型。MiniMax表示，为推动开源社区发展、加速国产芯片适配，并方便用户定制版本，H3设计初期已考虑多款现有国产芯片兼容性，计划在未来几天内、符合相关法律法规的前提下开放模型权重。
从专用模型走向任务统一
MiniMax此前研发两代模型：Hailuo 01从零构建系统，Hailuo 02专注架构效率、数据质量与规模提升。H3设计团队认为，过往生成模型存在任务隔离局限——图片生成分为文生图、编辑、主体参考、动作参考、风格参考等独立专家模型；声音生成中人声、音效、音乐多作为独立领域研究；视频生成更细分为文生视频、图生视频、首尾帧、主体参考、动作参考、音色参考、视频编辑等功能。图像、视频、音频之间边界清晰，这种隔离限制了使用自由度与模型泛化能力。
H3预训练阶段即追求任务统一与泛化。其训练数据与任务涵盖：文生图、文生视频（联合原生双声道音频生成）、原生多镜头建模、文生音频（不区分人声/音效/音乐，统一联合建模），以及广义的参考和编辑——包括图到图、图到视频、音频到音频、音视频到音视频的参考与编辑。MiniMax强调，广义参考和编辑完全由真实自然数据构成，由自然语言表述参考和编辑关系，"语言是泛化的桥梁"。
上图展示H3多模态上下文理解能力：输入视频1的希区柯克镜头运动、图2人物、音频3的歌声，通过语言描述"参考视频1的镜头运动，让图2中的人物唱歌，歌声参考音频3"，H3自动完成复杂的全模态理解与生成。
四项核心技术支撑
Contextual Omni Representation。 H3训练中最重要的一项工作是增强Caption能力。多模态上下文的引入使Caption定义进一步泛化，需描述目标视频、上下文与目标视频的关系、上下文内元素间的关系，并联合描述视频与音频（多镜头下音视频关联更复杂）。语言在其中起到可泛化的连结和解释作用，使任务以开放描述形式统一。MiniMax为此定制专门模型和全模态理解管线，大部分素材需消耗10万Token推理，最终得到平均约4K Token。
H3-VAE。 MiniMax彻底革新前代tokenizer技术，在重建和易学性上全面提升，高压缩率带来4倍序列长度收益，大幅降低训练与推理成本，是支持原生2K分辨率的关键。
H3-Omni Transformer。 基于"架构服务于任务"理念，H3抛弃了曾带来显著优势的Hailuo-02架构，因其在任务泛化核心定义中带来额外复杂性。面对多模态上下文引入后序列长度方差扩大3倍、理解与生成计算负载显著异质化的挑战，H3采用理解与生成异构训练架构，精细调优不同负载下的硬件利用率，联合考虑每样本异构计算与样本间负载均衡，端到端提升近30%训练吞吐。
In-context Regeneration。 H3未采用常规专用超分模块，而由基模对低分辨率结果进行in-context重新生成。优势在于：最大程度复用基模生成能力；再次利用原有上下文信息生成高分辨率输出，超越传统超分"猜测"无法还原的小文字和细节。
MiniMax表示，后续将发布更详细的H3技术报告。
局限与后续方向
H3当前存在三方面局限：多模态上下文理解能力仍有巨大提升空间，后续将推动H系列与M系列模型能力融合；模型规模限制使部分能力完成度不足，Scaling是明确方向；部分场景画面精细度仍需提升，将持续追求更高分辨率与更精细画质。
MiniMax认为，语言、图片、视频、音频紧密交织，构成人与世界交互的基本媒介，多模态上下文可高效表达广泛信息，"信息的表达和传递本身就是一种生产力"；语言是一套可泛化、可扩展的计算系统，多模态应紧密关联语言。随着多模态理解、指令遵循和复杂任务执行能力提升，视频模型将从"生成一段视频"逐步走向真正参与内容生产全过程。