网易首页 > 网易号 > 正文 申请入驻

MiniMax H3 发布:多模态生成模型、即将开源,视频编辑能力全球第一

0
分享至

7 月 31 日,MiniMax(稀宇科技)正式发布新一代多模态生成模型 H3。这是 MiniMax 自海螺 AI 视频产品上线以来迭代的第三代模型。MiniMax 此前已先后开源三代 M 系列文本模型,但视频生成模型一直闭源——H3 是其首款开源的多模态生成模型,公司宣布将在未来几天内开放模型权重。

H3 是一个通用的全模态生成模型,能统一理解由文本、图像、视频、音频组成的多模态上下文,输出带原生双声道的音视频内容,最高支持 15 秒 2K 分辨率(2560×1440),24 FPS。H3 默认提供 2K 分辨率输出,定价 0.8 元/秒(2K 分辨率),是业内同类旗舰视频模型的三分之一,768P 分辨率下不到 1/2。

和前两代模型相比,H3 最大的变化是「打破任务边界」。以往的视频生成模型通常将文生视频、图生视频、主体参考、动作参考、视频编辑拆分成独立模块,图像、视频、音频之间也有清晰的边界。H3 的做法是在预训练阶段就把这些任务统一建模,用自然语言描述任务关系,而不是为每种任务单独训练一个专家模型。

在 Artificial Analysis 视频模型榜单中,H3 在视频编辑能力项排名全球第一。

⬆️关注 Founder Park,最及时最干货的创业分享

Founder Park 正在持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式,帮你触达早期用户、获得真实反馈,以及建立关键连接。

如果你正在做 AI 相关的事,欢迎和我们聊聊。

01四项核心技术

H3 的技术架构围绕四个关键模块展开:

Contextual Omni Representation。这是 H3 投入最大的部分。多模态上下文的引入让传统的 Caption(描述)被重新定义,不仅要描述目标视频本身,还要描述上下文素材之间、上下文与目标之间的关系。为此 MiniMax 定制了专门的全模态理解管线,大部分素材需要消耗 100K Token 的推理,最终压缩为约 4K Token 的表示。语言在其中充当可泛化的连接层,让不同模态的「任务」以开放描述的形式统一起来。

H3-VAE。这一代彻底重构了前代的 tokenizer 技术,在重建质量和易学性上全面提升。关键数字是 4 倍序列长度压缩,直接降低训练和推理成本,也是支撑原生 2K 分辨率输出的核心技术。

H3-Omni Transformer。由于多模态上下文的引入,H3 的序列长度方差比前代大了 3 倍,理解和生成部分的计算负载也显著异质化。MiniMax 采用了理解与生成异构的训练架构,精细调优不同 workload 下的硬件利用率,端到端训练吞吐提升近 30%。值得一提的是,团队放弃了曾在 Hailuo 02 上带来显著架构优势的设计,理由是它在「任务泛化」这一核心目标下引入了额外复杂性。用 MiniMax 自己的话说:「架构技巧应为模型定义让路。」

In-context Regeneration。H3 的 2K 输出没有使用常规的专用超分模块,而是让基模对自己的低分辨率结果进行 in-context 重新生成。好处有两个:最大限度复用基模已有的生成能力;可以再次利用原始多模态上下文信息进行高分辨率输出,从而还原传统超分方案靠「猜」无法恢复的细节,比如小文字和精细纹理。

02测试案例

根据前期邀测反馈,H3 在以下商业场景中表现突出:

广告和电商方面,H3 的指令遵循能力和文字、品牌信息呈现能力使其适合生成品牌广告素材。V2V Motion Transfer(视频到视频动作迁移)可以将一个视频中的动作风格迁移到另一个场景中。

广告电商

产品设计和 UI/UX 方面,H3 可以生成动态交互原型和游戏 UI 动效。

游戏UI

电影和动态海报方面,原生双声道支持让生成结果可以直接包含环境音、对话和背景音乐。

电影片头

动态海报

03首次开源视频模型

H3 的开源计划有几个值得关注的细节。

首先是动机。MiniMax 提到了三个原因:推动开源社区发展、加速国产芯片适配(H3 设计初期就考虑了多款国产芯片的兼容性),以及方便用户定制自己的版本。

其次是是技术路线的延续。H3 借鉴了文本模型发展中已被验证的方法,包括复杂问题拆解、Reasoning、Scaling Context 和 Muon 优化器,将其应用到多模态理解和模型训练中。这也解释了为什么 MiniMax 在文本模型上积累的开源经验,能够延伸到多模态领域。

MiniMax 表示将在「未来几天内」开放权重,具体的开源协议和模型规格尚未公布。后续还会发布详细的技术报告。

MiniMax 在公告中也坦诚了 H3 目前的局限:多模态上下文理解能力仍有大幅提升空间,后续会推动 H 系列与 M 系列(语言模型)能力的融合;模型规模限制了部分能力的完成度,Scaling 是明确方向;部分场景下画面精细度仍需提升。


转载原创文章请添加微信:founderparker

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
不准中国接俄,也不准中国收台,更不准管制稀土。七国集团曾明确指出,中国不能援助俄罗斯,不能以武力改变台海现状,也不能限制稀土出口

不准中国接俄,也不准中国收台,更不准管制稀土。七国集团曾明确指出,中国不能援助俄罗斯,不能以武力改变台海现状,也不能限制稀土出口

扶苏聊历史
2026-11-18 15:55:59
新一代本田冠道发布:新增三排成七座、中国特供变全球

新一代本田冠道发布:新增三排成七座、中国特供变全球

快科技
2026-11-20 16:43:35
特朗普期待黄仁勋回归

特朗普期待黄仁勋回归

参考消息
2026-11-21 11:22:12
俄政府敲定克里米亚大桥修复方案

俄政府敲定克里米亚大桥修复方案

参考消息
2026-11-20 14:27:04
音乐人梁月玲离世

音乐人梁月玲离世

上观新闻
2026-11-21 11:03:20
泽连斯基谈俄罗斯暗杀威胁:被问是否愿为乌克兰而死,他这样回答

泽连斯基谈俄罗斯暗杀威胁:被问是否愿为乌克兰而死,他这样回答

白日追梦人
2026-11-21 05:43:44
两男子半夜抢劫杀害招待所同屋住客,潜逃27年落网即将受审,死者女儿:父亲是来看我的,他被害后我内疚多年

两男子半夜抢劫杀害招待所同屋住客,潜逃27年落网即将受审,死者女儿:父亲是来看我的,他被害后我内疚多年

极目新闻
2026-11-20 19:13:17
1973年,伊朗国王亲信大臣阿拉姆的日记曝光:巴列维每日必须进行多次性生活,否则就会跌入重度抑郁

1973年,伊朗国王亲信大臣阿拉姆的日记曝光:巴列维每日必须进行多次性生活,否则就会跌入重度抑郁

磊子讲史
2026-11-19 15:31:48
美国若在G20峰会期间举行第二次三国元首会晤中方将如何回应?外交部回应

美国若在G20峰会期间举行第二次三国元首会晤中方将如何回应?外交部回应

澎湃新闻
2026-11-20 17:06:06
【油价大跌】超0.83元/升后,11月汽柴油“再次连续大降”,11月26日油价或再“大跌超430/吨”

【油价大跌】超0.83元/升后,11月汽柴油“再次连续大降”,11月26日油价或再“大跌超430/吨”

油价早知道
2026-11-19 09:03:12
卞相壹惊天逆转夺冠,复盘三星杯失利,教训值得深思,教练棋手均糊弄人

卞相壹惊天逆转夺冠,复盘三星杯失利,教训值得深思,教练棋手均糊弄人

L76号
2026-11-21 09:52:30
深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

扶苏聊历史
2026-11-19 15:27:26
特朗普在深圳没拉车窗帘,这个细节让美国特勤局集体沉默

特朗普在深圳没拉车窗帘,这个细节让美国特勤局集体沉默

歪歌社团
2026-11-20 07:01:47
不等了!皇马王牌彻底摊牌!公开硬刚穆里尼奥

不等了!皇马王牌彻底摊牌!公开硬刚穆里尼奥

奶盖熊本熊
2026-11-21 08:56:11
上海海港战胜北京国安晋级足协杯决赛,足协杯决赛将于12月6日在苏州举行

上海海港战胜北京国安晋级足协杯决赛,足协杯决赛将于12月6日在苏州举行

齐鲁壹点
2026-11-21 06:54:08
翻墙通报密集落地,多所高校划出了红线!

翻墙通报密集落地,多所高校划出了红线!

言叔财经视角
2026-11-18 14:21:40
零跑A10拉啤酒,后备箱被压穿了?

零跑A10拉啤酒,后备箱被压穿了?

新浪财经
2026-11-20 16:18:02
中医大师倪海厦:人可以节约,可以不买衣服,甚至吃差点,不修边幅都可以,但一定要出门,不要将自己困在家里,只有在外面......

中医大师倪海厦:人可以节约,可以不买衣服,甚至吃差点,不修边幅都可以,但一定要出门,不要将自己困在家里,只有在外面......

英国那些事儿
2026-11-20 08:14:59
英伟达暴跌14%,“AI交易”抛售加剧使得美股进入回调区间

英伟达暴跌14%,“AI交易”抛售加剧使得美股进入回调区间

界面新闻
2026-11-21 06:45:36
拉塞尔抢卢伟战术板!两战39中13手感冰凉 上海这200万真的值吗?

拉塞尔抢卢伟战术板!两战39中13手感冰凉 上海这200万真的值吗?

颜小白的篮球梦
2026-11-21 07:34:59
2026-11-21 12:07:00
FounderPark incentive-icons
FounderPark
关注AI创业,专注和创业者聊真问题
1331文章数 163关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

游戏
艺术
手机
旅游
公开课

PC Gamer试玩GTA6百小时:双主角出色但任务重复

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版