MiniMax 开源全模态视频模型 H3：支持原生立体声与 2K 画质
MiniMax 稀宇科技 · wechat · 2026-08-03
MiniMax 正式开源新一代通用视频模型 MiniMax-H3。该模型是一个全模态生成系统，能够统一理解文本、图像、视频和音频构成的多模态上下文，并生成最高 2K 分辨率、最长 15 秒、带有原生立体声音频的视频。
核心架构与功能亮点：
- 多模态输入：支持纯文本、首尾帧图像，以及最多 12 个混合多模态参考素材（图/视频/音频），实现人物身份保留、嘴型编辑和音色参考等复杂任务。
- 系统设计：完整系统包含 H3-Context-IR（多模态指令预处理编排）、H3-Base（768p 基础音视频生成）和 H3-Regenerate-2K（基于上下文的 2K 超分重生成）三个模块。
- 底层架构：H3-Base 采用 33B 参数的单流 Omni-Transformer，结合 Qwen3-VL-32B 作为文本与视觉编码器，并原生支持稀疏注意力（后续更新开源）以降低长序列计算开销。
部署与开源情况：
目前 H3-Base 的模型权重已完全开放，支持 SGLang、vLLM、diffusers 和 ComfyUI 等主流框架进行本地部署。Context-IR 与 2K 重生成模块暂未开源，但官方提供了 API 和完整的端到端工作流供开发者验证与复现。
所属事件:MiniMax 开源 33B 全模态视频模型 H3(35 条相关)→
「模型」频道最新
- 曝 OpenAI 暗测内部神秘模型 Aeon：已现身 Codex 桌面版用量面板 — cedric_chee · 2026-10-16
- 博主实测：argon 日常全面能打，但重度编码仍略逊 Claude — iruletheworldmo · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16
- 开发者实测:决策模型 jev 质量跑赢 GPT-6-Luna — genmon · 2026-10-16
- Reddit 用户求证 Google AI Pro 订阅中 Argon 4 用量上限 — Consistent-Text-2662 · 2026-10-16