MiniMax Research · 2026-07-31精选模型评分76
MiniMax 发布多模态生成模型 H3，支持 2K 视频与原生立体声
MiniMax H3
导读
MiniMax 发布通用多模态生成模型 H3，可理解文本、图像、视频和音频组成的统一上下文，生成最长 15 秒、2K 分辨率且带原生立体声的视频。官方称 2K 下每秒价格不到主流模型的三分之一，768p 下不到主流模型 720p 价格的一半，并计划在符合法规的前提下于近日开放模型权重。
推荐理由
H3 把文本、图像、视频和音频放进同一上下文生成带原生立体声的视频，并给出 2K 定价对比，可据此判断多模态创作的成本与用法。
分类置信度
高
- 官方或准官方来源，且无冲突类别。
- 正文、可信日期、主分类和证据摘录完整。
来源级别：官方一手
应用领域：内容与娱乐、零售与营销
事件类型：研究发布
证据摘录
- “Today, we're launching MiniMax H3, a general-purpose multimodal generation model.”
- “We offer 2K resolution by default.”
- “we plan to open up the model weights in the coming days, subject to applicable laws and regulations.”
来源：MiniMax Research · minimax.io