7月31日，MiniMax 发布了新一代多模态生成模型 H3。同一天，字节的 Seedance 2.5 也全量上线，两家正面撞车。但真正让行业讨论起来的，是 H3 的定位：一个能同时读文本、图片、视频、音频，再一次性输出带原生立体声视频的通用模型。几天后，模型权重正式开源——这是视频生成领域第一个真正意义上的"全模态"开源旗舰。
此前视频生成赛道基本被闭源模型把持，Seedance、可灵、Sora、Veo，主流选项无一例外。MiniMax 官方博客直言："长期以来，闭源模型一直占据视频生成领域的主导地位。"H3 的意义在于，它第一次让开源社区拿到一个能力逼近闭源最强的全模态视频模型，而且价格只有同行的三分之一。
一个模型吃掉四种输入
先看 H3 最特别的地方：输入不设限。文字、图片、视频片段、音频，可以任意组合混着给。
官方博客展示了一个很直观的例子：给模型一张人物参考图、一段希区柯克式镜头运动的参考视频、一条参考歌声的音频，然后告诉它"让图里的人按参考视频的镜头运动，用参考音频里的歌声唱歌"。H3 能一次读懂这条复合指令，直接生成一段 2K 成片，画面和声音同步出来。
这种能力在过去被拆成了七八个模型：文生视频一个、图生视频一个、首尾帧一个、主体参考一个、动作迁移一个、声音克隆又一个。MiniMax 的做法是把它们全部收进一个模型。官方把这套设计叫作"任务泛化"——不再按任务切分能力，而是用自然语言描述"参考什么、生成什么"。
语言在这里成了万能的中介。官方在博客里解释，参考和编辑关系不再绑定固定的任务集合，而是通过自然语言表达，语言（更广义地说是智能结构）就是通向泛化的桥梁。这也解释了为什么 H3 在指令遵循上特别强：它能听懂"把这个人放到那个场景里，用这段音乐，让口型对上这句台词"这种组合式指令。
视频编辑全球第一
H3 发布当天就登上了 Artificial Analysis 视频模型榜单的视频编辑第一，Elo 1130，样本量 8208，压过 Gemini Omni Flash 的 1122。文生视频第二（Elo 1238），图生视频第三（Elo 1187）。
视频编辑拿第一，靠的是"指令遵循"和"文字/品牌呈现"两个硬指标。影视片头的中英文标题、动态海报上的品牌 logo、UI 动效里的字幕——H3 能让文字真正参与视觉构图：文字贴合物体的透视，接受场景光的方向，跟随镜头运动而不畸变。把品牌 logo 放到玻璃杯上，模型要理解玻璃折射；放到墙上，要理解墙面曲率。这已经超出了"生成字体"的范畴，是模型对场景做整体理解之后的产物。
从 README 的官方示例里能看出它处理复合指令的方式。比如 Ref2VA 的一个用例：给一段粉西装青年抱着黑羊羔的视频、一条同步的背景音乐、一段男声旁白音色参考，要求"让青年开口说指定台词，背景音乐保留，人声换成参考音色"。Context-IR 会把这条指令拆解成主体定义、保留分析、详细描述三层结构——哪些元素完全保留、哪些部分复用、哪些重新生成，逐条写清楚，再交给 H3-Base 执行。文生视频的完整描述则会长到几百字，把分镜、运镜、光影、音效逐句铺开，甚至标注"第 4.5 秒镜头切到面部特写并强烈震动"这样的时间点细节。
H3 的输入规格也相当宽松。FL2VA 分支支持 0/1/2 张图输入，分别对应文生视频、首帧生视频、首尾帧生视频；Ref2VA 分支最多接受 9 张图、3 段视频片段、3 段音频，混合文件总数不超过 12 个。输出时长 4 到 15 秒，宽高比覆盖 21:9、16:9、4:3、1:1、3:4、9:16 等主流规格，24 FPS，音频 32kHz 原生立体声。对话语言稳定支持 11 种：阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语、西班牙语。对中文创作者来说，官方明确把中文列入 11 种稳定支持语言，中英文字幕和文字渲染正是 H3 在榜单上拿第一的强项。
33B 参数的全模态架构
H3 的核心是一个 33B 参数的稠密单流 Transformer，叫 H3-Omni-Transformer。所谓单流，是视频和音频的 latent 在同一个 Transformer 里联合预测，而不是各走各的专家模块。约 13B 参数集中在 AdaLN 分支，推理时可以预计算缓存，纯部署不用全部加载。
不同模态的编码方式不一样：文本走 H3-Encoder，视觉输入同时走 H3-Encoder 和 H3-VisualVAE，音频只走 H3-AudioVAE。H3-Encoder 直接复用了 Qwen3-VL-32B 的预训练权重，取第 50 层的隐藏状态。VisualVAE 是时空因果视频自编码器，空间压缩 16 倍、时间压缩 4 倍、24 个 latent 通道，patch 化之后有效空间下采样达到 32 倍；AudioVAE 左右声道独立编解码再重组，把 32kHz 音频压成 40Hz 的 token 序列。位置关系用三维 MM-RoPE 表示，覆盖时间加两个空间维度。
三个模块分工协作
完整 H3 系统由三个模块组成，官方明确写了哪些开源、哪些没有：
-
• H3-Context-IR：预处理系统，负责理解输入的多模态素材之间、素材与目标视频之间的关系，再序列化成模型能读的结构化表示。它的内部流程包括指令解析、跨模态关联、时序理解和复杂逻辑推理。官方给了一个效率数据：一段复杂源推理平均约 10 万 token 的上下文，会被蒸馏成约 4 千 token。这个模块依赖多阶段流水线和多个托管模型，没有开源，只提供 API。 -
• H3-Base：根据 Context-IR 的输出生成 768p 音视频，这一部分权重已经开源。 -
• H3-Regenerate-2K：把 768p 结果连同原始上下文一起送回 H3-Base，以 in-context 方式重生成 2K。它没有用传统的超分模块，而是让模型自己"重画一遍"，所以能找回小字、细节这类超分只能靠猜的信息。未开源，提供 API。
官方还特别强调，Context-IR 对最终输出质量影响很大，强烈建议把它的行为复刻进生成流程，或者按照官方的 Prompting Guidance 自己搭一套上下文处理系统。本地部署 H3-Base 时，这一步决定你拿到的 768p 质量能贴近官方 API 多少。
上手指南：ComfyUI 直接跑
开源部分是目前最实用的切入点。权重在 Hugging Face 的 MiniMaxAI/MiniMax-H3 仓库，同时提供原始 checkpoint 和 diffusers 格式。两个任务分支：
-
• FL2VA：首尾帧模式。给 0/1/2 张图，分别对应文生视频、首帧生视频、首尾帧生视频。 -
• Ref2VA：全模态参考模式。最多 9 张图、3 段视频片段、3 段音频，混合文件总数不超过 12 个。
部署方式很灵活。SGLang 和 vLLM 都有官方 cookbook，diffusers 一行 ModularPipeline.from_pretrained 就能拉起。不想写代码的话，Comfy-Org 已经打包好了适配版，文本编码器、VAE、扩散模型分门别类放好，还有官方 R2V / T2V 工作流模板可以直接拖进 ComfyUI 用。文本编码器是 Qwen3-VL-32B 的 bf16 版，另有 int8 和 NVFP4 量化版可选，显卡吃紧的用户可以直接上量化版。
注意两点：一是当前开源版只提供 full attention 推理，稀疏注意力实现官方说后续发布；二是如果想复现官方 API 的 2K 效果，需要把本地 H3-Base 生成的 768p 结果再喂给官方 Regenerate-2K API，官方 README 里给了完整的 2K workflow 脚本。
价格只有主流的三分之一
2K 分辨率生成定价 0.8 元/秒，官方口径是"不到主流模型的三分之一"；768p 的单价则不到主流 720p 的一半。Artificial Analysis 记录的 API 价格是 2K 每分钟 7.8 美元，对比 Seedance 2.0 的 1080p 每分钟 22.45 美元。
成本优势来自两个地方：一是高压缩率的 VAE，官方说有效序列长度提升了 4 倍，训练和推理成本大幅下降，这也是原生 2K 支持的关键技术；二是 H3-Omni-Transformer 把理解和生成负载分开调优，联合优化异构计算和负载均衡，端到端训练吞吐提升约 30%。MiniMax 在官方博客里说，从 Hailuo 01、Hailuo 02 到 H3，每一代的构建复杂度都比上一代高一个数量级，H3 的这些系统级优化是把成本压下来的核心。
开源协议与商用边界
H3 用的是 MiniMax Community License，商用门槛写得很清楚：
-
• 年收入低于 2000 万美元：可免费商用，但要满足署名要求，商用产品界面需显著展示 "MiniMax H3"。 -
• 年收入超过 2000 万美元：需要单独联系官方获得书面授权。 -
• 地区限制：欧盟、英国、韩国、美国被列为排除地区，这些地区要部署需另行联系授权。 -
• 不能用 H3 的输出去改进其他 AI 模型。
编码器用的 Qwen3-VL-32B 是 Apache 2.0，不冲突。对大多数团队来说，免费商用门槛是够用的。另外要注意，H3 的商用场景官方已经点明：广告、品牌、电商、产品设计、UI/UX、游戏——这些都是对"文字呈现"和"指令遵循"要求最高的领域，正好是 H3 的强项。
适合谁用、不适合谁用
把 H3 的能力和边界摊开看，适合的场景和不适用的场景其实很清楚。
适合的场景：广告片和宣传片制作，品牌 logo、标题文字可以直接生成进画面，省掉后期合成；电商产品视频，一张产品图加一段参考动作就能出片；影视和短视频的片头片尾、动态海报；需要参考指定角色、指定音色做内容的创作者；想研究全模态视频架构、在本地跑推理的开发者，官方提供了 int8 和 NVFP4 量化版，显存有限的环境也有得选。
不适合的场景：需要 30 秒以上长镜头的项目，H3 单次生成上限 15 秒，比 Seedance 2.5 短一半；要求原生 2K 直出的本地部署，2K 依赖未开源的 Regenerate-2K，本地只能跑 768p；对欧盟、英国、韩国、美国市场的商用项目，许可证有地区限制；需要把 H3 输出拿来训练其他模型的研究项目，许可证明确禁止。
总结：开源视频的转折点
H3 的意义不在于又多了个视频模型，而在于把"生成一段视频"这件事往前推了一步：输入从单一模态变成任意组合，输出从画面变成画面加立体声，任务从切分变成统一。它在视频编辑榜登顶、把价格压到三分之一、还开源了权重——这三件事同时发生，在视频生成领域是头一回。
局限也要说清楚：2K 输出依赖未开源的 Regenerate-2K 模块，本地只能跑到 768p；Context-IR 不开源意味着最强的指令理解能力只能走 API；生成时长 15 秒，比 Seedance 2.5 的 30 秒短一半；参考输入上限 12 个文件，也比竞品少。另外，H3 的版权争议还没消停——Hailuo 平台正面临迪士尼、环球、华纳的版权诉讼，H3 的商用落地绕不开这个问题。
但方向是明确的。官方博客里那句话值得记住："任务泛化是不可逆转的趋势。"视频模型正在从"生成片段"走向"参与内容生产的全过程"，H3 是这个趋势里第一个愿意开源的选择。对开发者来说，现在就能在本地跑起一个能力接近闭源旗舰的全模态视频模型；对创作者来说，一条指令让画面、声音、文字一起动起来，这本身就是值得动手试试的理由。