专题 · FULL STORY

MiniMax H3:从官宣开源到全民实测

MiniMax发布并开源全模态视频模型H3,凭借原生2K画质与双声道音频惊艳业界。发布后社区迅速展开海量本地部署与实测,验证了其在消费级显卡上的卓越性能与商业潜力。

2026-07-30 ~ 2026-08-06 · 20 集 · 362 条

第 1 集 · MiniMax H3 视频模型实测:原生2K画质与商业级质感惊艳(2026-07-30,59 条)

MiniMax(海螺AI)最新一代视频生成模型H3已开启早期测试,多位创作者和开发者的实测表明,该模型在多项指标上达到行业顶尖水平,其实力被认为比肩甚至超越Seedance 2.0,展现出极高的商业应用价值。

已确认

  • 核心规格:H3模型单次生成视频最长15秒,原生分辨率最高2560×1440(2K)。作为全能模型,支持最多12个跨模态参考素材输入(涵盖图像、音频、视频等,单个素材最长15秒)。
  • 多模态生成:引入全新Omni Reference工作流,打破传统视频模型仅依赖文本的限制。用户可组合产品图、参考视频和音频等多种模态进行生成,甚至仅凭5张静态图就能生成连贯短片或影视片头。
  • 生成能力:多位创作者实测证实,H3具备极佳的复杂提示词理解能力,能精准执行包含复杂空间变换的运镜指令(如一镜到底极速穿梭)。模型在物理运动自然度、动作连贯性、文字渲染清晰度以及高保真语音与口型同步方面表现扎实。此外,它能将画面的色彩、光影与构图意图融入生成逻辑,而非机械还原元素。

为什么重要

  • 重塑商业片质感:在同等提示词测试下,多位评测者指出H3生成的成片在产品交互动态感、画面过渡流畅度及整体叙事节奏上超越了Seedance 2.0,质感非常接近高水准商业广告。
  • 创作工作流革新:H3能够完美分离视频背景与人物进行替换,且支持无后期直出。这种将多模态参考、高质量直出与极低门槛结合的特性,使其成为极具实用价值的AI视频工具。

还有 39 条相关讨论 →

第 2 集 · MiniMax发布全模态模型H3,支持2K原生双声道视频(2026-07-30,18 条)

MiniMax正式发布全模态生成模型H3,该模型统一了文本、图像、视频和声音的理解与生成能力,支持原生双声道音频输出,最高可生成15秒2K分辨率(24fps)的视频。H3已上线海螺AI网页端、MiniMax API以及fal、Topview等平台,并即将以开放权重形式开源。其极具竞争力的定价(低于主流模型三分之一)引发了社区关注。

已确认

  • 多模态与输出规格:H3支持多模态上下文理解,可直接输出带有原生立体声、最高15秒2K分辨率(24fps)的视频,具备商业级可用的画面质感。作者@量子位指出,该模型打破了传统视频模型仅生成素材的局限,将剪辑逻辑、字体排版、转场设计、背景音乐及视觉特效端到端集成,可直接输出2K成片。
  • 12项资产参考(12-Asset Reference):允许用户组合多达9张图片、3个视频片段和3个音频片段作为参考,从而精准锁定角色形象、运动轨迹与音频特征。
  • 商业级能力:在精确文本与品牌信息渲染、视频到视频动作迁移(V2V Motion Transfer)等方面表现出色,主要面向广告和电商等商业场景。
  • 平台与定价:模型已上线fal、Topview平台与海螺AI。据作者@赛博禅心透露,其API价格低于主流模型的三分之一;作者@angrypenguinPNG也指出其成本仅为一小部分,功能可媲美Seedance。

尚未确认

  • 开源细节与时间:官方及多位创作者确认该模型即将开源,但具体时间表尚未完全敲定。作者@cocktailpeanut提到,官方表示将在未来几天内“遵守法律法规”开放权重,部分网友因等待开源进度而吐槽催促直接放上BitTorrent。

为什么重要

H3的发布标志着视频生成模型在多模态融合上的进一步成熟。原生立体声音频与高质量2K画面的结合,配合精细的多素材参考控制功能,大幅降低了商业视频制作的门槛。同时,其具有竞争力的定价策略以及即将开源的举措,有望在当前的AI视频生成市场中快速抢占份额。

第 3 集 · MiniMax H3模型将发布并开源,视频生成与多模态能力引热议(2026-07-30,7 条)

MiniMax 官方在 Hugging Face 平台透露,新一代模型 H3 即将发布,且权重很快会开源。官方账号同时展示了基于 H3 在海螺 AI 平台上的生成效果,引发社区惊叹。早期测试显示,H3 视频模型支持原生 2560×1440 (2K) 分辨率与长达 15 秒的视频生成,且完全由模型直出无后期剪辑;同时,H3 主打原生多模态理解,允许用户自由组合最多 12 个参考素材(视频、文本、图像和音频混合搭配)。社区讨论指出,如果 H3 能在 ComfyUI 等本地环境中以 RTX 3060 级别显卡运行,将极大造福算力贫乏的开发者。此外,MiniMax 的 Hugging Face 主页还更新了 M3 模型信息,展示了其在稀疏注意力和数学证明生成方面的能力。

已确认

  • MiniMax 官方在 Hugging Face 平台透露,H3 模型即将推出且权重很快会开源。
  • 官方账号展示了基于 H3 模型在海螺 AI 平台上的实际生成效果,引发社区惊叹。
  • 同步曝光的还有 MiniMax M3 模型的相关信息,展示了其在稀疏注意力和数学证明生成方面的能力。

尚未确认

  • 视频模型规格:据早期体验反馈,H3 视频模型支持原生 2560×1440 (2K) 分辨率与长达 15 秒的视频生成,且完全由模型直出无后期剪辑。
  • 原生多模态能力:有开发者测试称,H3 主打原生多模态理解,允许用户自由组合最多 12 个参考素材(支持视频、文本、图像和音频混合搭配)。
  • 生成效果:测试者使用极简提示词便生成了极具电影感的画面,动漫风格动画生成表现惊艳。

为什么重要

  • 如果 H3 能够在 ComfyUI 等本地环境中以 RTX 3060 级别显卡运行,将极大造福算力贫乏的开发者,降低技术门槛。
  • 其强大的多模态混合输入能力,被视为在多模态领域对标行业前沿的重要一步。

第 4 集 · MiniMax H3登顶视频编辑榜,宣布开源权重(2026-07-31,7 条)

据 Artificial Analysis 最新评测数据,MiniMax 最新视频模型 H3 在含音频的视频编辑类别中与 Google Gemini Omni Flash 并列第一(Elo 1130 vs 1121),文生视频(含音频)位列全球第二,图生视频跻身前三。MiniMax 官方已确认计划以社区许可证发布该模型权重,使其成为目前领先的视频模型中少有的宣布开源的产品。

已确认

  • Artificial Analysis 视频编辑排行榜(含音频)中,MiniMax-H3(开源)与 Google Gemini Omni Flash 以微弱优势并列第一(Elo 1130 vs 1121)
  • 文生视频(含音频)并列全球第二,图生视频位列前三
  • 模型支持多模态输入,可生成带原生音频的 5-15 秒 24fps 片段
  • 模型支持原生 2K 分辨率与立体声生成,并提供丰富的视频编辑功能
  • 2K 视频定价为 7.8 美元
  • MiniMax 官方确认计划以社区许可证发布该模型权重

为什么重要

  • H3 是目前领先的视频模型中少有的宣布开源权重的产品,可能降低视频生成领域的使用门槛
  • 视频原生编辑能力打破了仅从零生成的限制,支持直接输入文本、图像等素材进行编辑
  • 2K 视频 7.8 美元的定价低于多数竞品,可能对商业应用产生吸引力

第 5 集 · Topview上线MiniMax H3,价格仅为Seedance三成(2026-07-31,9 条)

视频创作平台Topview宣布与MiniMax(海螺AI)达成合作,正式上线MiniMax H3视频生成模型,成为全球首批集成该模型的平台。新模型主打原生多模态输入与高分辨率输出,且定价极具破坏力,旨在为高产能创作者提供更具性价比的选择。

已确认

  • 要点 MiniMax H3支持原生2K分辨率输出,单次可生成最长15秒的视频片段。
  • 要点 该模型能够同时理解文本、图像、音频和视频,实现跨模态的创意控制与原生音视频输出。
  • 要点 在定价方面,H3的使用成本比Seedance 2.0低70%,即价格仅为后者的30%。
  • 要点 Topview为Ultra年度用户提供了专属福利,可享受60天无限次生成。

为什么重要

  • 要点 此次Topview接入MiniMax H3,为创作者提供了一个在分辨率和时长上表现不错,且成本大幅低于竞品的新选项,有望显著降低高质量视频创作的门槛与开销。

第 6 集 · MiniMax H3视频模型即将发布,ComfyUI工作流已抢先可用(2026-08-01,2 条)

开源视频模型即将迎来重大突破,MiniMax H3 模型即将发布。目前,ComfyUI 团队已对该模型进行了深度优化,使其能够在普通的消费级硬件上流畅运行。此外,已有 Reddit 网友分享了该模型在 ComfyUI 中的工作流,该工作流目前已在特定运行节点中开放使用,方便用户提前体验。

第 7 集 · MiniMax H3视频模型实测:2K画质与多镜头一致性惊艳(2026-08-01,12 条)

MiniMax 即将开源的新一代视频生成模型 H3 已进入早期测试阶段,多位创作者通过 Magnific 平台进行了抢先实测。综合反馈,该模型在复杂动态指令执行、多镜头视觉一致性及动作捕捉方面表现突出,且审查机制极为宽松,生成成本仅为同类模型的四分之一,预计将成为视频生成领域的一款强力竞品。

已确认

  • 核心参数方面,H3 作为全能模型支持最长 15 秒的视频生成,原生分辨率达到 2560 × 1440(2K 级别),支持原生双声道,并能同时理解混合的图、视频和音频参考素材。
  • 创作者 @Neggy5 指出,H3 的文生视频画质略显模糊,但动作捕捉非常精准,图生视频在 2K 分辨率下表现极佳,且模型几乎无内容审查限制。
  • 创作者 @umeshai 测试表明,该模型能精准理解并执行高度结构化的创意指令,在动态图形设计、复杂排版运镜以及节奏把控方面表现优异。推主 @卡尔的AI沃茨 也对其特效呈现和文字稳定性表示惊艳。
  • 开发者 @gerardsans 使用 H3 制作了一段游戏风格序列动画,称赞其全参考能力能在不同镜头和快速转场中保持视觉风格的高度一致性,呈现出真实游戏预告片的质感。
  • 创作者 @LudovicCreator 展示了基于静态海报生成动画的 demo,认为该模型在动画创作方面提供了出色的可能性。
  • 推主 @mhdfaran 测试了模型生成复杂长镜头的能力,在包含古庙、发光神器、石头巨人和快速逃生等元素的连贯场景中,人物形象、摄像机运动、光影、水面效果和音频完美契合于同一世界观,多帧一致性惊人。
  • 模型已确认可通过 Magnific 平台运行测试,并有开发者将其与 Grok 的图生视频对口型效果进行了直观对比。
  • 在横向对比方面,创作者 @Brojakhoeman 和 @evereveron78 分别使用相同的赛博朋克风格等复杂运镜提示词,将 H3 与 LTX 2.3 以及 WAN 模型进行了生成效果的对比测试。

为什么重要

  • MiniMax H3 展现出了对复杂创意指令和高级运镜的精准驾驭能力,特别是在多镜头一致性上的突破,直击当前 AI 视频生成的核心痛点。此外,其几乎无审查的特点、极低的生成成本以及即将开源的预期,对创作者具有极高的吸引力。

第 8 集 · MiniMax 视频模型爆火:消费级显卡实测效果惊艳(2026-08-01,61 条)

MiniMax 开源视频模型 H3 发布后,迅速成为社区集中实测对象。ComfyUI 宣布 Day 0 支持,并称通过数月优化将显存需求降低 66%,让 RTX 3060 这类消费级显卡也能本地运行。现阶段社区反馈最集中的亮点,是它在长镜头一致性、参考素材遵循、分镜控制和风格转换上的综合表现;但从多位用户的测速看,高分辨率生成依然很吃时间与硬件。

已确认

  • ComfyUI 官方成员 @crystalalpine 表示,H3 支持文生视频、图生视频和视频编辑,最高可生成 2K、15 秒、带立体声音频的视频;ComfyUI 为此做了多月底层优化,并称显存占用下降 66%。
  • @comfyanonymous 展示了 H3 在原生 ComfyUI 中的运行结果,称已在 RTX 3060 上生成 1080p、25 秒视频,说明在优化工作流下,模型可下放到消费级硬件。
  • 社区测试覆盖了多种工作流。@Monkeylashes 展示了一段 15 秒样片,视频里连续包含 3 个硬切镜头,并认为人物一致性、物理表现和语音对白都保持得很好。@Kandoo85 测试了把 storyboard 作为整段视频视觉参考进行 one-shot 生成。@SexyPapi420 等人则重点测试了参考图驱动视频,认为其对参考素材的遵循度很高。
  • 多个案例集中体现了生成质量。@topamine2 用 H3 复现了“威尔·史密斯吃意面”名场面;@Rrblack 发布了对《办公室》经典桥段的高还原样片;@ShagaONhan 测试了把动漫片段转成真人实景风格;@ItsCopperites 认为它只用很简单的提示词就能产出高质量 2D 动画。
  • 本地性能差异较大,主要受分辨率、时长和硬件影响。簇内帖文给出的例子包括:@scooglecops 在 RTX 4070 上生成约 15 秒 608x352 视频耗时 167 秒;@tricck3zz 在 RTX 5070Ti 上生成 480p 视频约 130 秒;@koakoAI 在 RTX 5090 上生成 10 秒 1920x1088 视频耗时 58 分钟;@Saren-WTAKO 在 DGX Spark 上生成 720p、15 秒视频耗时 1 小时 44 分钟。@Hrmerder 也确认在 12GB 显存的 RTX 3080 上成功跑通图生视频。

为什么重要

  • 这次最受关注的,不只是“效果好”,而是开源视频模型首次以较完整能力组合进入更广泛的本地创作场景:不仅能文生,还能参考驱动、分镜控制和风格转换。
  • 对创作者而言,ComfyUI 的首发支持和显存优化,意味着工作流门槛明显下降;哪怕不是顶级显卡,也有机会本地试用和迭代。
  • 对开源视频赛道而言,H3 是否“全面领先”仍属于用户口碑层面的判断,但像 @Rrblack、@SexyPapi420 这样的测试者已明确表示,它相较自己此前用过的开源方案更强。与此同时,多份测速也提醒社区:当分辨率拉高后,生成成本依旧不低。

还有 41 条相关讨论 →

第 9 集 · MiniMax 开源 33B 全模态视频模型 H3(2026-08-02,35 条)

MiniMax 已正式发布并开源 33B 参数的通用全模态生成系统 MiniMax-H3,模型权重已上线 Hugging Face。H3 可在同一上下文中统一理解文本、图像、视频和音频,并端到端生成最高 2K、最长 15 秒、带原生立体声的视频,而不是依赖后期补声。随着 Diffusers、ComfyUI、SGLang Diffusion 和 vLLM 等适配同步跟进,H3 迅速成为开源视频生成社区的焦点模型之一。

已确认

  • 模型能力:H3 被定位为统一多模态生成模型,支持文生视频、图生视频、视频生视频,以及与文本或图像关联的音频生成,从而实现同步音视频输出。多条帖子还将其用于视频编辑、参考图驱动创作、场景控制和更连贯的角色生成等工作流。
  • 开源与部署:模型权重已在 Hugging Face 公开,并适配了 Diffusers。ComfyUI 宣布 Day 0 原生支持,覆盖文生视频、图生视频等多种工作流,包括首帧、尾帧和双帧控制;SGLang Diffusion 与 vLLM 相关部署方案也已跟进。帖子称,该模型已验证可在 RTX 5090、RTX 6000 等显卡上本地运行;借助 ComfyUI 的 VRAM 卸载,单张 RTX 3060 可跑 480P,2 张 RTX 6000 可跑 2K 立体声。
  • 榜单与产品化:据帖子转述,H3 在 Artificial Analysis 榜单中拿到视频编辑第 1、文生视频第 2、图生视频第 2。@JaynitMakwana 还提到,海螺 AI 已上线 H3,并提供限时免费试用额度,同时下调 Agent 视频模板价格并支持双任务并发。
  • 社区反馈:据 @NerdyRodent 与 @heyronir 转述的实测反馈,H3 在图像质量、复杂提示词执行、角色一致性和文本渲染方面表现突出。

尚未确认

  • @haremlifegame 认为,H3 的意义可能不止于视频生成,经过微调后或可扩展到视觉推理、基于环境输入的设备控制,进而服务具身智能或机器人场景;但目前帖子里没有官方说明或实际落地案例支撑这一判断。

为什么重要

  • 视听一体化:原生同步生成画面和立体声音频,意味着短视频制作可减少配音、音效拼接等后处理步骤。
  • 开源生态价值:强模型加上首日工具链支持,降低了本地部署、二次开发和工作流集成门槛。
  • 不止于提示词生成:H3 强调的是共享多模态上下文,而非单一输入模式,因此更适合视频编辑、参考素材控制和面向生产的创作流程。

还有 15 条相关讨论 →

第 10 集 · MiniMax H3与FLUX3攻克音频幻觉(2026-08-02,2 条)

近期测试表明,最新一代开源权重视频模型 MiniMax H3 与 FLUX3 成功解决了困扰该领域已久的“音频幻觉”痛点。此前,音画不同步等问题严重制约了实际应用,而这一突破标志着视频生成技术正迈向更高级的世界模拟阶段,为创作者打开了全新应用大门。

第 11 集 · MiniMax H3 模型本地实测:多款显卡跑分与效果对比(2026-08-03,88 条)

MiniMax H3 视频生成模型发布后,开发者社区迅速展开本地实测,验证了其在消费级显卡上的可用性与性能表现。测试覆盖从 RTX 3060 到 RTX 5090 的多档显卡,通过 EasyCache、SageAttention 等优化手段,生成速度可大幅提升,画质也获得不少好评。这标志着高质量开源视频模型正加速向主流硬件下沉,降低了 AI 视频创作的门槛。

已确认

  • 多档显卡跑通:从 RTX 3060 12GB 到 RTX 5090 均能成功运行。@inuptia 在 8GB 显存的 RTX 4060 Ti 上以 0.5MP 分辨率跑通,耗时约 10 分钟。@JLFilms 认为 H3 是目前试过的最强开源权重方案。
  • 生成速度与硬件负载:生成耗时因分辨率和显卡而异。RTX 5090 生成 11-15 秒视频约需 15-16 分钟(@BlackBeardAI, @Careless-Constant-33),RTX 5070 Ti 需 18 分钟(@BudgetStop9989),RTX 3060 需 4-17 分钟(@RobertBrown7425, @merica42069)。满载时 RTX 5090 温度可达 80-83°C(@Careless-Constant-33)。全量 bf16 无优化时,RTX PRO 6000 跑满 95GB 显存,生成 1080p 视频长达 2 小时(@Moarkush)。优化后速度显著提升:@Radyschen 使用剪枝 int8 模型结合 SageAttention,在 RTX 4080 Super 上 3 分钟生成 5 秒视频;@DeliciousGorilla 修正 ComfyUI 工作流后,RTX 3090 上 10 秒视频仅需 7 分 39 秒;@giantcandy2001 在 RTX 4060 Ti 上约 3 分钟生成视频。
  • 画质与表现:@anyup88 指出其效果在特定场景超越字节 Seedance 2.0。@Ciko15 称仅用单句提示词即获惊人效果。@AzuliarTHP 认为其能生成极具电影感的镜头。与 LTX 2.3 对比,@Chemical-Bicycle3240 认为 H3 在人物生动性上完胜,但长视频表现仍处劣势。此外,@ResidentSympathy60 发现该模型隐藏了图像编辑与语音克隆等多模态能力。

尚未确认

  • 瑕疵问题:多位用户反馈存在生成视频呈慢动作、低分辨率下易模糊等问题(@InterestingRoom2820, @AzuliarTHP),这可能是当前版本的固有特征或仍需工作流调优。

为什么重要

  • 门槛降低:即便在入门级显卡上,通过 EasyCache 和 SageAttention 等优化手段,普通开发者也能进行高质量视频创作实验。
  • 多模态潜力:仅需少量参考图片和音频素材即可进行多媒体驱动生成(@dilinjabass),展现了开源模型在复杂视频创作上的巨大潜力。

还有 68 条相关讨论 →

第 12 集 · MiniMax H3视频生成模型实测曝光,效果惊艳(2026-08-03,15 条)

近期,MiniMax H3(Hailuo AI)视频生成模型在社区中流出大量实测演示,展示了其在多模态和复杂场景下的强大生成能力。当前结论显示,该模型在画面连贯性、物理表现力及指令遵循方面表现优异,获得了创作者的广泛好评。

已确认

  • 核心参数与基础能力:根据 @AxonkaiLab 与 @miilesus 的演示,该模型具备生成 1080p 24FPS 电影级视频的能力,最高支持 2K 分辨率,单次生成时长最长可达 15 秒。
  • 丰富的生成模式:实测确认 H3 支持多种工作流。文生视频(T2V)方面,@ForestoShen 指出纯自然语言提示在第二次尝试即输出超预期效果;图生视频(I2V)方面,@irmemon225 与 @takayatodoroki 验证了其参考图生成及流畅人群动态的能力;@smereces 验证了首尾帧平滑过渡补全功能。
  • 风格化与动态设计:模型在风格转化上表现突出。演示涵盖了实景转 2D 手绘动画、制作《寂静岭2》风格花絮(@Hrmerder)以及《回到黑暗未来》等跨界创意。@LudovicCreator 与 @GenIArtFr 的测试表明,该模型能仅凭静态 Logo 或海报,通过分图层动效一键生成令人惊艳的动态设计。
  • 开源与本地化适配:@ajrss2009 验证了使用 Wan2GP 工具结合 Spectrum 配置运行 MiniMax H3 模型的可行性,在应用 FlashSVR x2 优化的情况下,耗时 16 分钟生成了 15 秒 480p 视频。

为什么重要

MiniMax H3 的密集实测表明,AI 视频生成正在迅速跨越“连贯动作”的门槛,向可控的图层动效、复杂的长镜头叙事以及高分辨率电影级输出迈进。其出色的自然语言理解和首尾帧控制能力,大幅降低了动态视觉创作的门槛,对动画制作、动态海报设计及独立影视创作具有重要应用价值。

第 13 集 · MiniMax H3 Runpod模板上线三种视频工作流(2026-08-03,2 条)

开发者发布面向 MiniMax H3 的 Runpod 快速启动模板,可在约 5 至 10 分钟内部署好 ComfyUI 环境并直接开跑。该模板已支持文生视频、图生视频和参考图转视频三类工作流,降低了模型上手门槛。

第 14 集 · MiniMax 视频模型生成教学动画,重塑教育内容生产(2026-08-03,3 条)

创作者展示了利用 HailuoAI MiniMax H3 视频模型生成儿童教育内容的潜力。通过精心设计的提示词,用户成功生成了针对 3-6 岁儿童的 15 秒字母和算术教学动画。这些案例表明,视频生成模型结合提示词工程能够大幅降低制作成本,有望彻底改变传统教育行业的内容生产方式。

第 15 集 · MiniMax发布H3视频模型提示词指南(2026-08-03,4 条)

近期MiniMax在Hugging Face发布了H3视频生成模型的官方提示词撰写指南,引发社区热烈讨论。官方与社区创作者详细整理了涵盖文生视频、图生视频等多种任务的提示词结构,建议用户利用大模型辅助生成包含多模态描述的高质量提示词,以提升视频生成效果。

第 16 集 · MiniMax H3 本地实测:多显卡性能与优化方案汇总(2026-08-04,13 条)

MiniMax H3 开源视频生成模型发布后,Reddit 等社区迅速涌现大量本地实测帖,覆盖从 RTX 3080 到 RTX PRO 6000 的多种显卡,并分享 ComfyUI 优化方案。综合来看,该模型在消费级显卡上可运行,但生成速度差异巨大,且通过量化、加速节点等手段可显著提升效率。

已确认

  • 性能数据:RTX 5080 生成 15 秒视频约 11 分钟(0.4MP、10 步);RTX 4060Ti 生成 5 秒 1080p 视频约 40 分钟;RTX 4070 Ti SUPER 生成 5 秒视频约 5 分钟;RTX 4090 生成 10 秒视频约 10 分钟;RTX PRO 6000 生成 5 秒 864×480 视频约 50 秒,显存占用约 40GB。
  • 优化效果:ComfyUI 中启用 CUDA 13 与 INT8 可提速三倍以上;RTX 3080 上使用 Spectrum 节点显著提升速度;RTX 4090 上使用 INT8 量化与 NVFP4 文本编码器可优化生成。
  • 硬件适配:RTX 4070 可本地运行,效果惊艳;RTX 5060Ti 可运行参考视频生成(R2V)。

尚未确认

  • 各测试的具体工作流细节(如采样步数、分辨率)不完全一致,直接对比需谨慎。
  • RTX 5060Ti 为未发布显卡,其性能数据仅供参考。

为什么重要

MiniMax H3 作为开源视频生成模型,其本地运行可行性及优化方法对创作者和开发者具有实用价值。社区实测提供了不同硬件下的性能参考,有助于用户根据自身设备选择合适配置。

第 17 集 · Ostris AI Toolkit 支持 MiniMax H3 LoRA 训练,新增对比引导损失(2026-08-04,7 条)

开发者 ostris 宣布其 Ostris AI Toolkit 已正式支持为 MiniMax H3 视频模型训练 LoRA,并引入了新的训练损失函数与加速方案,大幅完善了该视频模型的微调生态。

已确认

  • Ostris AI Toolkit 最新代码已支持 MiniMax H3 模型的 LoRA 训练,目前涵盖文生视频(T2V)和图生视频(I2V)功能,使用了 Comfy 量化权重。
  • ostris 在 UI 中新增了 Contrastive Guidance Loss(对比引导损失)开关,旨在防止模型的 guidance distillation 崩溃。早期测试表明该功能能显著提升 LoRA 的训练质量。ostris 还补充道,自己此前其实已经用类似的实时训练 guidance embedding 的方法开发过 Flex.1 等模型。
  • ostris 正在为 MiniMax H3 开发 Turbo LoRA 插件,目标是大幅提升视频生成速度并降低显存门槛,解决当前模型生成耗时过长的问题。

尚未确认

  • ostris 表示将在未来几天内为 AI Toolkit 增加参考图等更多功能与优化,具体上线时间及细节有待公布。

为什么重要

  • MiniMax H3 视频模型本身具备联合音频等特性,而 Ostris 工具链的接入不仅让普通开发者能更方便地进行模型微调,其筹备中的 Turbo LoRA 更有望降低算力门槛与时间成本,进一步推动高质量视频生成的普及。

第 18 集 · MiniMax发布33B开源多模态模型H3,支持本地部署(2026-08-04,10 条)

MiniMax 正式发布了 33B 参数的全能多模态生成系统 MiniMax-H3,并以开放权重形式公开。该模型支持在消费级 GPU 上进行本地部署,大幅降低了多模态视频生成的硬件门槛,并已原生集成至 ComfyUI 生态。

已确认

  • 模型参数与部署:MiniMax-H3 是一个 33B 参数的模型,以开放权重形式发布,已在 Hugging Face 和 GitHub 上线。经过动态显存优化与剪枝处理,普通消费级显卡(如 4070ti/5070ti)能在 2 分钟内完成带音频的视频生成。
  • 多模态能力:模型原生支持文本、图像、视频和音频的统一输入理解与生成,能遵循复杂的多模态指令。在单次生成中,可输出最长 15 秒、2K 分辨率的视频片段,并配备原生立体声音频。
  • 生态与技能支持:ComfyUI 官方已宣布同步集成 MiniMax-H3 相关节点,用户可借此搭建如 Blender 场景结合的自定义创作工作流。此外,官方同步发布了 9 个技能以辅助用户编写提示词,覆盖极简产品广告、3D动画短片等特定视频场景。

尚未确认

  • 成本对比:据 @PrajwalTomar 转述,该模型的运行成本大约只有 Seedance 2.0 的三分之一,这一对比数据目前仅见于社区传述。

为什么重要

  • 降低了多模态视频生成的门槛,使得创作者和开发者能够在本地消费级硬件上测试和部署高质量的音视频生成工作流,同时通过 ComfyUI 的原生支持进一步打通了底层创作生态。

第 19 集 · NVIDIA Sol Engine 助力 MiniMax H3 推理提速近4倍(2026-08-04,2 条)

NVIDIA Sol Engine 在发布首日即实现了对 MiniMax H3 视频模型的推理加速支持。官方数据显示,仅用 4.5 小时的优化,在 8× NVIDIA GB200 硬件上(1344×768 分辨率)便将端到端推理耗时压缩至原来的 3.95 倍。这一突破显著提升了该视频模型的运行效率。

第 20 集 · 同提示词实测:海螺H3画质胜Seedance 2.0(2026-08-04,6 条)

近期多位博主在 Pollo AI 平台上,使用完全相同的提示词与参数,对 MiniMax H3(海螺)与 Seedance 2.0 视频生成模型进行了正面对比,结果显示 H3 在视觉表现上占据优势。@socialwithaayan 还分享了结构化提示词技巧,可实现对生成画面的高度精准控制。另有消息称 Seedance 2.5 即将上线,但具体时间未定。此次对比为创作者选择模型提供了直观参考,也展示了提示词工程对生成效果的重要影响。

已确认

  • 画质对比结果:@socialwithaayan、@eyishazyer 与 @anyup88 等人使用“女王骑蝴蝶龙飞越花海”等相同提示词实测后,一致认为海螺 H3 在画面质感上胜出。具体表现为光线更锐利、色彩更干净,且在运动画面中能更好地保持细节。@thetripathi58 在商业广告主题的测试中也指出,两款模型对光影、镜头运动及液体物理效果等同一视觉需求的诠释截然不同。
  • 结构化提示词技巧:@socialwithaayan 分享了操控海螺 H3 的高阶玩法,通过设定详细的场景上下文并主动引用精确参数(如规定蝴蝶龙的体色、翼展和人物动作),可以实现对生成画面元素的高度精准控制。

尚未确认

  • 后续版本动态:@SimplyAnnisa 在对比评测中透露 Seedance 2.5 即将上线 Pollo AI 平台,但具体发布时间与性能提升幅度目前仍属未知。

为什么重要

此次多组同题实测直观展现了 MiniMax H3 在当前 AI 视频生成领域的竞争力,尤其是在动态细节保持和画面纯净度方面。同时,创作者们总结出的结构化提示词技巧,也为用户精细化控制 AI 视频生成提供了极具实用价值的参考标准。