MiniMax 开源全模态视频模型 H3，支持原生 2K 立体声生成
赛博禅心 · 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、视频和音频输入，并生成最高 2K 分辨率、最长 15 秒且带有原生立体声音频的视频内容。
核心架构与能力
- H3-Base：核心为一个 33B 参数的单流 Transformer，联合预测视频与音频 latent。文本编码器复用了 Qwen3-VL-32B 的权重。
- H3-Context-IR：用于深度解析和提炼复杂多模态指令的预处理系统，将其转化为结构化表示以提升生成质量。
- H3-Regenerate-2K：摒弃传统超分模块，创新性地将 768p 生成结果连同原始上下文再次输入模型，通过上下文重生成实现 2K 超清输出。
部署与开源情况
模型支持文生视频、首尾帧生成以及多模态参考生成（Ref2VA，支持同时输入多张图片、多段音视频作为参考）。目前，H3-Base 权重已完全开放，支持 SGLang、vLLM、diffusers 和 ComfyUI 等主流框架本地部署，而 Context-IR 和 Regenerate-2K 模块则通过 API 形式提供以复现完整工作流。
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