MiniMax H3 全模态模型登陆 Hugging Face，原生支持 2K 立体声视频
victormustar · x · 2026-08-03
MiniMax 在 Hugging Face 上发布了全新的通用全模态生成系统 MiniMax H3。该模型统一了文本、图像、视频和音频的多模态上下文理解，并能在预训练阶段就展现出广泛的多模态理解与生成能力。
核心规格与功能：
- 视频输出：时长 4-15 秒，默认 24 FPS，支持 21:9 到 9:16 等多种宽高比，短边默认 768 像素（可通过专用模型实现 2K 生成）。
- 原生音频：支持生成 32 kHz 立体声音频，实现音画同步。
- 多语言支持：稳定支持中、英、日、韩、法等 11 种语言的对话交互。
- 丰富的输入模式：提供首尾帧模式（FL2VA）等多种变体，支持从纯文本到图音视频混合的复杂输入指令。
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