MiniMax 发布首个交互式世界模型 H3-World
MiniMax 于 9 月 2 日发布首个交互式世界模型 H3-World，基于其 MiniMax-H3 视频生成模型构建：接收初始帧和键盘控制输入，即可生成角色与相机运动协调的动作控制视频。项目随后以 LoRA 形式在 Hugging Face 上线，可供直接体验。
已确认
- H3-World 不新增动作控制分支，而是将角色与相机的动作组合为文本指令，通过 H3 预训练的文本通路注入控制信号（@sachasayan、@linoytsaban、@Danze Chen 多条帖子一致转述）。
- 训练效率极高：仅使用 8000 个游戏样本、10000 步 LoRA 微调，可训练参数占比极小（@HailuoAI 转述为不到 0.几%量级，原文截断）。
- 采用结构化指令与时序注意力路由机制，实现每个视频 token 与控制信号的时间对齐，从而精准控制角色与相机（@sachasayan、@Danze Chen）。
- MiniMax 官方账号（@HailuoAI 转发）将其定位为一条不同于常规具身智能的路径：常见做法是训练独立的动作头，H3-World 则直接复用预训练语言理解能力来控制世界模型。
- HuggingApps 已将其以 LoRA 形式发布在 Hugging Face 上，用户按住 WASD 即可行走、配合 J/K 等其他按键进行操作（@linoytsaban 转发）。
为什么重要
- @Danze Chen 指出，该工作印证了在大规模视频生成中，语言正在成为控制的自然接口。
- 极少样本、极少参数调整即可让视频生成器具备交互式世界模拟能力，展示了「视频生成器→世界模型」的高效转化路径，对游戏、具身智能等方向具有参考价值。
2026-09-02 ~ 2026-09-03 · 6 条相关
一手来源
- MiniMax 推出首个交互式世界模型 H3-World — CryptoBeth96 ·
- H3-World: 复用视频生成器语义实现世界控制 — Danze Chen ·
- 【源头】H3-World: 复用视频生成器语义实现世界控制 — Danze Chen · 2026-09-02
- H3-World：MiniMax-H3 仅用 8K 样本转为世界模型 — linoy_tsaban · 2026-09-02
- 【源头】MiniMax 推出首个交互式世界模型 H3-World — CryptoBeth96 · 2026-09-02
- MiniMax H3-World：8K 样本直接把大模型转成世界模型 — Hailuo_AI · 2026-09-02
- H3-World：8 千条游戏数据让视频模型变成可控世界模拟器 — sachasayan · 2026-09-02
- H3-World 登陆 Hugging Face:一个 LoRA 把 MiniMax-H3 变成可玩世界模型 — linoy_tsaban · 2026-09-03