MiniMax 发布全模态生成模型 H3，支持 2K 视频且价格低于主流 1/3
赛博禅心 · wechat · 2026-07-31
MiniMax 正式发布全模态生成模型 H3，支持文本、图像、视频、声音的统一理解与生成，可输出原生双声道音视频，最高支持 15 秒 2K 分辨率。H3 在指令遵循、文字与品牌信息呈现、视频到视频动作迁移（V2V Motion Transfer）等方面表现出色，适用于广告、电商、游戏等商业场景。
技术亮点：
- Contextual Omni Representation：增强多模态上下文理解，通过语言统一任务描述。
- H3-VAE：高压缩率带来 4 倍序列长度收益，降低训练推理成本。
- H3-OmniTransformer：理解与生成异构架构，端到端训练吞吐提升近 30%。
- In-context Regeneration：用基模对低分辨率结果进行上下文重生成，超越传统超分。
定价：2K 分辨率下每秒价格不到主流模型的 1/3，768P 下不到 1/2。
开源计划：未来几天内开放模型权重，并考虑国产芯片适配。
设计理念：打破任务边界，从专用迈向通用，统一图像、视频、音频生成任务。
所属事件:MiniMax 发布全模态模型 H3：支持 2K 立体声视频即将开源(10 条相关)→
「多模态」频道最新
- AI视频生成挑战足球赛季模拟，红黄牌与伤病机制全拉满 — talkaboutdesign · 2026-07-31
- 马斯克发布 xAI 新图像生成功能 Grok Imagine — elonmusk · 2026-07-31
- Beacon 模型：提升多模态智能体视觉推理的工具适应性与效果 — KlingTeam · 2026-07-31
- 海螺视频模型 MiniMax 3 宣布即将开源 — pheonis2 · 2026-07-31
- H3-Omni 架构解析：原生 2K 分辨率与上下文重绘技术 — bdsqlsz · 2026-07-31
- Flux 3 与 Minimax H3 宣布开源权重，视频生成再起波澜 — cocktailpeanut · 2026-07-31