MiniMax H3现已通过MiniMax官方全球API提供，基础模型权重也可下载。 官方API可生成4至15秒的768P或2K视频，并输出原生立体声。MiniMax官方Hugging Face仓库已经发布FL2VA和Ref2VA两套本地768P检查点，采用MiniMax H3社区许可证。
但完整托管系统尚不能全部离线运行：H3-Context-IR与H3-Regenerate-2K仍是API服务，首批本地版本也未包含MiniMax的稀疏注意力实现。因此，“开放权重”不等于完整的离线2K工作流。
MiniMax H3 快速概览
| 项目 | 2026年8月12日验证状态 |
|---|---|
| 发布公告 | 2026年7月31日 |
| 官方模型ID | MiniMax-H3 |
| 输入 | 文本、图像、视频和音频，统一参考上下文 |
| 输出 | 768P或2K视频，24帧/秒，32 kHz立体声 |
| 时长 | MiniMax官方API支持4至15秒 |
| 参考限制 | 最多9张图像、3段视频和3段音频，总计12个文件 |
| 生成模式 | 文本到视频、首尾帧生成、多模态参考到视频及编辑 |
| 官方API | 全球站POST /v2/video_generation已开放 |
| 官方输出价格 | 768P每秒0.08美元；2K每秒0.13美元 |
| 开放权重 | Hugging Face已发布FL2VA与Ref2VA基础检查点 |
| 本地输出 | H3-Base可生成768P；官方2K再生成模块尚不可下载 |
什么是 MiniMax H3？
MiniMax H3是一款通用视听生成模型。它不将文本到视频、动作迁移、语音参考和局部编辑视为独立工具，而是将多种媒体类型作为共享上下文，输出同步的视频和音频结果。
这种设计在镜头需要多重提示时尤为重要。创作者可用一张图像确定角色身份，另一张图像指导艺术风格，一段视频提供动作参考，一段音频作为声音或节奏参考，文本则用于摄像和编辑指令。H3旨在同时解析这些参考。
MiniMax定位该模型用于广告、品牌、电商、产品设计、UI动画、游戏及其他商业创意工作。这些场景符合其对可读文本、产品保真、动作迁移和定向编辑的强调。叙事制作仍可实现，但团队应在多个镜头中测试角色连续性和因果动作，不应仅凭发布演示推断剧集级别的可靠性。
MiniMax H3 规格与参考限制
MiniMax官方V2 API通过同一端点支持三类输入模式：
- 文本到视频： 通过提示生成4至15秒的768P或2K视频片段。
- 图像到视频： 以一张图像作为开头帧，可选最后一帧用于过渡控制。
- 参考到视频： 最多支持9张图像、3段视频和3段音频，用于指导身份、风格、动作、摄像或声音。
参考请求上传文件总数限制为12个。参考视频和音频各自总时长不超过15秒。适用模式支持adaptive、21:9、16:9、4:3、1:1、3:4和9:16；首尾帧生成遵循输入图像比例。
其他托管供应商可能采用不同模式、时长或价格，使用时请记录供应商和具体端点。
原生音频与编辑功能
所有公开的H3生成均包含立体声音频。发布资料描述了与画面同步的对话、音乐、环境音和音效，以及基于音频参考的语音迁移。
H3还支持基于指令的编辑：替换产品、重写标牌、修改对话、重新照明场景，或添加和移除对象，同时保留未编辑内容。这比简单重新生成已批准片段以修正细节更具生产实用性。
请将这两项功能视为可测试的声明。有效的验收测试应评估唇同步、声音身份、非预期音乐、文本稳定性、编辑是否溢出选定对象，以及二次编辑是否保留首次编辑效果。
MiniMax H3 演示与实操视频
MiniMax和fal还在MiniMax H3发布页面展示精选示例，涵盖排版、界面动画、角色表现、动作参考、合成和视频编辑。因属发布精选，建议用以理解支持的工作流程，而非估计首次成功率。
MiniMax H3 官方API访问
MiniMax全球API通过POST https://api.minimax.io/v2/video_generation接收异步H3任务。模型ID使用MiniMax-H3，提示和媒体参考放入content数组，再通过返回的task_id查询状态与输出。当前H3 API需要按量付费API密钥，不能使用Token Plan密钥。
fal同时提供minimax/h3/text-to-video、minimax/h3/image-to-video和minimax/h3/reference-to-video。这些是供应商路径，不是MiniMax官方端点名称。生产记录应保存供应商、模型ID、请求ID、完整输入清单、提交时价格及输出URL。
MiniMax H3 API价格
截至2026年8月12日，MiniMax官方按量付费价为：768P输出每秒0.08美元，2K输出每秒0.13美元。
| 时长 | 768P输出 | 2K输出 |
|---|---|---|
| 5秒 | $0.40 | $0.65 |
| 10秒 | $0.80 | $1.30 |
| 15秒 | $1.20 | $1.95 |
音频参考和前五张图像免费，额外图像每张0.04美元。参考视频按输入时长及所选输出分辨率计费。把768P结果再生成为2K时，输出每秒0.05美元，原任务输入素材会按再生成规则再次计费。
fal公开页面目前也列出768P每秒0.08美元和2K每秒0.13美元，另有MiniMax官方H3 API未列出的4K每秒0.16美元选项。所有价格都应视为带日期的供应商快照。制作预算还应包含参考视频、重试、存储、审核与编辑成本，并比较每秒通过审核内容的总成本。
MiniMax H3权重已经开放吗？
已经开放。官方MiniMaxAI/MiniMax-H3 Hugging Face仓库发布了两类BF16 H3-Base检查点：
- FL2VA： 文本到视听视频，并可选择首帧、尾帧或同时输入；
- Ref2VA： 文本配合参考图像、视频和/或音频。
仓库包含处理器、分词器、文本编码器、视觉VAE、音频VAE和Omni Transformer，并在MiniMax H3社区许可证下记录了SGLang、vLLM、diffusers和ComfyUI路径。MiniMax的SGLang示例使用四张GPU，但官方没有把该示例定义为所有运行时的统一最低配置；部署时仍应按运行框架、检查点、分辨率与实测显存定容。
哪些部分仍未完全开放或离线？
官方模型卡明确列出三项边界：
- H3-Context-IR仍为托管服务。 多模态指令整理系统未包含在权重发布中，MiniMax提供API和提示指南。
- H3-Regenerate-2K仍为托管服务。 本地H3-Base输出为768P，复现官方2K流程目前需要调用再生成API。
- 稀疏注意力尚待发布。 首批本地推理使用完整注意力，MiniMax表示后续会发布稀疏注意力实现。
因此，这是带许可证和本地768P路径的开放权重发布，但不是托管2K系统的完整离线副本。
谁应测试 MiniMax H3？
当工作流程需要2K输出、原生音频、首尾帧控制、动作参考、多模态参考、定向编辑或精准屏幕图形时，H3应列入候选名单。
针对动作漫画和短剧，建议进行序列基准测试，至少包含：
- 两个使用相同角色和声音的对话特写；
- 一段包含手部与物体接触的全身动作镜头；
- 两角色场景含摄像机移动；
- 一段竖屏镜头，保持服装和背景一致；
- 一处对道具或标牌的局部编辑；
- 一段需与先前批准画面匹配的镜头。
AniKuku制作工作区将脚本、镜头、角色资产、场景参考、提示和输出版本保存在供应商之外，便于在不重建整集的情况下针对选定镜头测试H3。AniKuku作品展示还提供跨模型统一的输出审核形式。
核验方法与机器可读状态
本文按证据层级更新：优先使用MiniMax API文档和MiniMax官方Hugging Face仓库，再用具名托管供应商文档说明供应商特有价格与参数差异。只有同时存在可下载权重、许可证和明确运行路径时，才把能力标为“可本地运行”；参与混合本地流程的托管模块仍标为“托管”。
同一组事实也发布为带版本的MiniMax H3状态JSON。文件包含来源URL、核验日期、API价格、已发布检查点、仅托管组件和运行框架链接，研究者和编辑无需抓取正文即可引用或比较状态变化。
更新记录
- 2026年8月12日： 核验官方全球H3 API、按量价格、Hugging Face检查点、社区许可证、本地768P运行框架、仅托管的Context-IR/2K再生成，以及官方ComfyUI工作流。
- 2026年8月1日： 首次发布上线信息、托管API、规格与开放权重公告核验。
常见问题
MiniMax H3现在可用吗？
可以。截至2026年8月12日，MiniMax官方全球API、官方Web应用、公开H3-Base权重和fal托管API均已提供。
MiniMax H3和Hailuo 3.0是同一款吗？
MiniMax官方V2 API使用MiniMax-H3。其他平台应保留准确的供应商模型ID；产品名称或别名不能保证默认参数、价格、输出格式和安全层一致。
MiniMax H3能生成音频吗？
能。当前发布和API资料描述每次生成均含原生立体声音频，包括对话、音乐、音效和环境声。
MiniMax H3能本地运行吗？
可以使用公开FL2VA或Ref2VA检查点在本地运行H3-Base并生成768P结果。官方Context-IR与2K再生成仍为托管服务，首批公开推理路径也不含稀疏注意力。
MiniMax H3比Seedance好吗？
H3 与 Seedance 2.5 现在都有文档化的托管接入。H3 通过 fal 提供 2K 输出；当前 BytePlus Seedance 2.5 API 支持更长片段和更多参考， 但只记录 480p/720p 输出。最佳选择取决于参考控制、连续性、音频、重试率、延迟和成本。详见Seedance vs MiniMax H3 对比。