MiniMax 推出 H3 2K 视频模型，承诺公开模型权重
MiniMax 推出 H3，支持 2K 视频和原生立体声音频。MiniMax 表示权重将在几天内发布，但截至8月2日，H3 的许可和官方本地硬件要求仍未公布。
By Ryan Merket · Published
Primary source: MiniMax
Why it matters
Usable H3 weights could let developers self-host, fine-tune and optimize a native audio-video model instead of relying entirely on MiniMax's API. The license, checkpoints and hardware requirements will determine how accessible that option becomes.
Yan Junjie's MiniMax，这家上海的模型制造商，于 7 月 31 日推出了 H3——一款多模态视频模型，能够生成带立体声的片段，分辨率最高可达 2K。MiniMax's H3 launch post 表示 MiniMax 计划在“未来几日”开放该模型的权重，前提是符合适用法律法规。
该计划发布的范围仍不明确。截至 8 月 2 日，尚未核实任何已完成的公开 H3 权重发布。MiniMax 在其发布帖或 API 文档中尚未公布 H3 的许可或官方本地硬件要求。那些条款将决定开发者是否可以修改并在自有基础设施上部署 H3，以及 MiniMax 允许哪些商业用途。
Yan，MiniMax 的创始人、董事长、首席执行官兼首席技术官，在创办 MiniMax 之前以计算机视觉研究为职业发展方向。在 SenseTime 工作超过六年，曾任副总裁及其研究院副院长。Yan 在 Southeast University 学习数学，在 Chinese Academy of Sciences 的 Institute of Automation 获得 AI 博士学位，并在 Tsinghua University 完成博士后研究。MiniMax's management page 称他发表约 200 篇学术论文，引用次数超过 30,000 次。
H3 将 Yan 的技术议程扩展到传统的文本到视频或图像到视频生成器之外。MiniMax 设计该模型以接受文本、图像、视频和音频作为上下文，然后生成附带原生立体声的影片。MiniMax 表示 H3 可生成最长 15 秒、2K 分辨率的片段。MiniMax's developer documentation 列出了 768p 和 2K 的输出、4 到 15 秒的时长以及每秒 24 帧。
2K 发布与随后的开放权重测试
MiniMax 将 H3 描述为一款开放的通用多模态视频模型。目前可核实的发布是 MiniMax 的托管模型列表，而非可下载的检查点。可下载文件、许可条款和官方硬件指导将决定承诺的开放权重发布在实践中的适用范围。
该模型的核心技术特征是它在单一视频系统中处理多种输入类型的能力。MiniMax 表示 H3 能够联合理解跨文本、图像、视频和音频的上下文。其开发者文档将文本到视频、图像到视频、首帧与末帧生成以及多模态参考生成列为支持的模式之一。
MiniMax 之前曾发布过开放模型文件。MiniMax-M3 可从 Hugging Face 下载，为开发者在 H3 的文件和条款可用后提供了一个可比较的先例。
Yan 的分发押注
可用的 H3 权重可能会将该模型带入创意软件、内部制作系统以及 MiniMax 托管 API 之外的专用计算环境。如果许可和发布的文件允许这些用途，开发者可以测试部署成本、优化推理并进行微调。
Lightricks 提供了一个实际的对比案例。官方的 LTX-Video 仓库 已在 GitHub 上公开。H3 的分发价值将取决于 MiniMax 是否提供类似可行的从检查点到部署的路径。
H3 的发布紧随一系列快速的融资和产品公告之后。Investing.com 在 2026 年 7 月报道 表示 MiniMax 已完成约 20 亿美元的融资。Yan 随后在 7 月 30 日预告了 H3 作为统一多模态系统，在 7 月 31 日发布之前。
MiniMax 拥有追求托管销售以及更广泛模型分发的收入基础。MiniMax's 2025 annual report 记录了 2025 年 7,900 万美元的收入，较 2024 年的 3,050 万美元增长。研究简报表示，总收入的 73% 来自中国大陆以外。因此，国际开发者的采用对 MiniMax 具有直接的商业相关性。
MiniMax 还表示，在 2K 条件下，H3 每秒的成本不到其所谓主流模型的三分之一。其发布帖并未指明对比对象或公布可复现的定价表。开放权重发布会将部分成本分析转移到用户的硬件上，使内存需求、推理速度和部署工具成为 H3 经济性的关键因素。
MiniMax 已将开放 H3 权重的时间表定为数日内。检查点、许可和推理材料将决定外部团队在实践中能否适配这款 2K 音视频模型，以及 H3 与那些已经提供完整本地部署路径的开源项目相比如何。