MiniMax H3

产品介绍

MiniMax H3 是稀宇科技（MiniMax）于2026年7月31日发布的通用全模态生成模型，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，能够输出具备原生双声道的音视频内容，最高支持 15 秒 2K 分辨率视频生成。H3 从特化任务模型迈向通用多模态智能，计划于8月3日开源模型权重，是国产多模态大模型的重要里程碑。

核心功能

• 全模态统一理解：支持文本、图片、音频、视频任意组合输入，自然语言描述复杂参考关系
• 2K 分辨率原生输出：无需超分模块，通过 In-context Regeneration 技术实现高分辨率生成
• 原生双声道音频：视频生成自带立体声音频，支持人声、音效、音乐联合建模
• V2V Motion Transfer：视频到视频动作迁移，精准控制角色动作与场景
• 多镜头原生建模：支持复杂镜头语言和多镜头叙事
• 极致性价比：2K 分辨率下每秒价格不到主流模型的 1/3
• 国产芯片适配：设计初期即考虑多款国产芯片兼容性

技术亮点

• Contextual Omni Representation：定制化全模态理解管线，100K Token 推理生成 4K Token 描述
• H3-VAE：革新 tokenizer 技术，4 倍序列长度收益，大幅降低训练推理成本
• H3-Omni Transformer：理解与生成异构训练架构，端到端训练吞吐提升近 30%
• In-context Regeneration：基模自再生超分方案，超越传统超分的细节还原能力

典型使用场景

• 广告与电商视频生成
• 电影片头与动态海报
• 游戏 UI 与动画制作
• 品牌营销内容创作
• 产品设计与 UI/UX 原型
• 多模态内容编辑与二次创作

平台支持

通过海螺 AI（Hailuo AI）官网和 MiniMax API 平台访问使用，模型权重计划于 2026 年 8 月 3 日在魔搭社区开放下载。