MiniMax 发布开源全模态模型 H3，主打原生音视频与极低推理成本
aigclink · x · 2026-08-03
MiniMax 正式发布并开源 H3 模型权重，这是一款通用的全模态生成系统，能够统一理解文本、图像、视频和声音，并直接生成带有原生立体声的视频内容。
核心能力与优势：
- 多模态统一：支持最高 2K 分辨率、15 秒的视频生成，自带原生双声道音频。支持图生视频、视频转视频（V2V）动作迁移，以及音频到音频的参考编辑。
- 极致性价比：官方称其 2K 分辨率下每秒生成价格不到主流模型的三分之一，768P 价格仅为同行 720P 的一半。
- 技术创新：采用 H3-VAE tokenizer（序列长度效率提升 4 倍）、H3-Omni Transformer 统一架构以及异构算力优化（训练吞吐提升约 30%）。训练数据完全由真实自然数据构成。
局限性说明：H3-Regenerate-2K 模块与稀疏注意力实现暂未开源，部分场景的画面细节精度仍有提升空间。
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
- 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
- Reddit 用户困惑:为什么那么多人觉得 Claude 比 ChatGPT 好 — -ButterflyEffect- · 2026-10-16