网易首页 > 网易号 > 正文 申请入驻

MiniMax H3震撼发布:33B全模态视频模型开源,2K立体声+消费级显卡可跑,视频赛道的“DeepSeek时刻”来了

0
分享至

视频编辑全球第一,定价仅为同行三分之一,国产开源模型再扔核弹引言

2026年7月31日,AI视频赛道迎来了历史性的一天。

MiniMax正式发布新一代多模态生成模型MiniMax H3,并在8月3日宣布开放模型权重。这是一个33B参数的全模态生成模型,能生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。

更让开发者沸腾的是——这是视频赛道首个达到商用级水平并开放权重的旗舰模型。

在权威视频模型榜单Artificial Analysis中,H3的视频编辑能力排名全球第一,文生视频、图生视频能力分别位居第二、第三名。

一句话总结:能打、通用、还开源。

一、33B全模态:一个模型搞定文本、图像、视频、音频

H3与以往视频生成模型最大的不同在于——它不是一个“视频模型”,而是一个“全模态生成系统” 。

过去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。

用户可以上传文字、图片、音频、视频等多种输入,也可以直接让H3生成缺失的那个模态。例如,上传一段动画作为参考视频、一张街景作为参考图片,H3能识别球状屏幕的几何特性并让人物运动遵循球面变形规律,同时自动补齐音频。

具体来看H3的输入输出规格:

  • 输出时长:4–15秒

  • 输出分辨率:最高2K(2560×1440),默认768p

  • 输出帧率:24 FPS

  • 输出音频:32 kHz原生立体声

  • 支持语言:稳定支持11种语言

  • 宽高比:支持21:9、16:9、4:3、1:1、3:4、9:16等多种比例

在输入方面,H3-Base提供两种模式:

· FL2VA(首尾帧模式) :支持0–2张图像输入,覆盖文生视频、首帧生视频、尾帧生视频、首尾帧生视频

· Ref2VA(全模态参考模式) :最多9张图像、3段视频、3段音频混合输入,文件合计最多12个

H3的音频能力尤其值得关注——音频是与视频联合生成的,而非后期配音。32kHz立体声输出,人声、音效、音乐统一建模。

二、技术架构:三项核心创新,2K输出不走寻常路

H3的系统由三个模块组成:

  1. H3-Context-IR(闭源,提供API):负责深入理解多模态输入指令,将其转换为结构化表示

  2. H3-Base(开源,33B):核心生成模型,输出768p音视频

  3. H3-Regenerate-2K(闭源,提供API):将768p结果与原始上下文一起送回模型,以2K重新生成

H3-Base是一个33B参数的Dense Single-Stream Transformer,采用Qwen3-VL-32B作为文本编码器(取第50层hidden states)。值得注意的是,33B参数中约13B位于AdaLN调制分支,推理时可以预计算并缓存,无需加载。

H3的四项核心技术支撑了其出色表现:

Contextual Omni Representation:多模态上下文的引入让传统Caption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。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。

H3-VAE:彻底重构了tokenizer技术,实现4倍序列长度压缩,直接降低训练和推理成本,是支撑原生2K输出的核心技术。

H3-Omni Transformer:采用理解与生成异构的训练架构,端到端训练吞吐提升近30%。

In-context Regeneration:H3的2K输出没有使用常规的超分模块,而是让基模对自己的768p结果进行in-context重新生成。这能最大限度复用基模能力,同时利用原始多模态上下文补充细节——而不是靠超分模块“猜”。

三、性能炸裂:视频编辑全球第一,与Seedance 2.5旗鼓相当

在Artificial Analysis视频模型榜单中,H3交出了一份亮眼的成绩单:

能力项 排名

视频编辑 全球第1

文生视频 全球第2

图生视频 全球第3

综合能力 全球第一梯队

在实际测评中,H3与字节跳动的Seedance 2.5旗鼓相当。品玩的实测对比显示:H3更知道片子最后应该“像什么”,Seedance 2.5更知道导演刚才具体要求它“做什么” 。

H3的突出亮点包括:

复杂文本保持能力:H3能让文字真正参与视觉构图——文字要贴合物体的透视,接受场景光的照射方向,跟随镜头运动和主体动作。一个品牌logo放到玻璃杯上,模型需要理解玻璃的折射;放到墙上,需要理解墙的曲率和纹理。a16z合伙人Justine Moore分享了一项测试:她一直要求不同模型生成人物在黑板上写出“Hi”的画面,此前的模型均未成功,H3第一次完成了这一任务。

导演级指令跟随:H3能精确执行复杂的灯光变化指令——烛光、硬光、彩虹折射、红蓝对打、金色逆光依次出现且过渡平滑。

广义编辑能力:给视频里的人物配音、改变台词,H3能同时适配音色和嘴形。

四、开源的意义:视频赛道的“DeepSeek时刻”

这是MiniMax首次开源视频旗舰模型。

长期以来,闭源模型一直占据视频生成领域的主导地位。从Seedance到可灵,头部视频模型主要通过网页或API付费使用,用户无法获得模型权重,无法根据自身业务进行微调和改造。

H3的开源打破了这一格局。官方给出的开源动机有三:推动开源社区发展、加速国产芯片适配、方便用户定制自己的版本。

有评论指出,这可能是一个和DeepSeek R1开源时同样重要的时刻——开源领域终于有了一个真正意义上的“全模态”统一模型,且能力无限逼近了闭源最强模型。

与开源同步,16家生态伙伴完成了首日适配,包括华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技、AMD、Intel等芯片厂商,以及Hugging Face、魔搭ModelScope、ComfyUI、RunningHub等开发社区和平台。

不过,开源并非“全开” 。H3-Context-IR和H3-Regenerate-2K两个模块本次未开源,以API形式提供。H3-Base才是真正开源的33B核心生成模型。

许可证方面,H3采用MiniMax H3 Community License发布。值得注意的是,该许可证排除了美国、欧盟、英国和韩国四个司法管辖区。

五、定价屠夫:0.8元/秒,仅为同行三分之一

性能能打是一方面,价格更是直接“打骨折”。

H3默认提供2K分辨率输出,每秒定价仅为0.8元人民币。768P分辨率下价格更低。

对比来看,H3的2K视频生成价格不到同类旗舰视频模型的三分之一。有海外创作者对比测试后表示,H3使用9个参考素材的成本仅为Seedance的三分之一。

支撑这一价差的是H3的技术创新。视频生成模型训练时,每一帧画面都要被切成小块喂给模型——块越多越贵。H3的VAE把画面压缩率做到行业领先,序列长度直接省了4倍,训练和推理都更便宜。

六、消费级显卡可跑:RTX 5090上5.5分钟生成5秒视频

H3的另一大亮点是对消费级显卡的适配。

ComfyUI在H3发布当日即提供了Day-0支持。通过动态RAM/SSD卸载技术,H3可以在消费级显卡上运行。

算一笔账:

  • 原生精度下全部模块约123.6 GB

  • 选择最小变体并应用int8量化后降至42.5 GB——缩减66%

  • ComfyUI称这可以让H3在12GB显存的RTX 3060上运行

当然,42.5GB的权重并不能直接塞进12GB显存——这完全依赖动态卸载技术,吞吐成本尚未量化。

性能方面,早期测试数据显示:

  • RTX 5090上生成5秒768p视频约需5.5分钟

  • 有用户报告RTX 5090上5秒864x480视频耗时66秒

  • RTX 4070(64GB RAM)上608x352视频耗时167秒

除了ComfyUI,H3-Base还支持SGLang、vLLM、diffusers等推理框架部署。官方SGLang示例需要4张GPU。

七、商业落地:从“生成素材”到“商业生产”

H3的定位不是“炫技”,而是商用级内容生产。

官方列出的应用场景覆盖广泛:

  • 广告与电商:品牌TVC、竖屏投流广告、产品拆解展示

  • 影视与动态海报:电影片头、动态海报、影视预告

  • 产品设计与UI/UX:动态交互原型、游戏UI动效

  • 视频后期:字幕添加、特效包装、视觉特效

尤其值得注意的是,H3在视频编辑方面的能力——它不只是“生成一段素材”,而是开始参与后期制作和商业内容生产。剪辑逻辑、字体排版、转场设计、节奏把控、背景音乐以及视觉特效,全部“端到端”地集成到了模型之中。

PixPix已首发接入MiniMax H3,将其放入电商视觉工作流——商品图、场景参考、视频素材和生成结果可以围绕同一个项目继续处理。

结语

MiniMax H3的发布,标志着AI视频生成进入了一个全新阶段:

  • 能力上:全模态统一理解,视频编辑全球第一

  • 开源上:视频赛道首个商用级开源旗舰

  • 价格上:0.8元/秒,仅为同行的三分之一

  • 部署上:消费级显卡可跑,ComfyUI Day-0支持

有媒体评价道:“H3的开源不只是一场社区事件,还可能成为一次产业事件。”

而对于普通创作者和开发者来说,最直接的意义或许是——终于有一个能打、能改、还能本地跑的开源视频模型了。

下周,当全球开发者涌入Hugging Face下载这33B的权重时,视频生成的开源生态,将迎来真正的爆发时刻。

本文首发于公众号,欢迎转发分享。

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
上海男子车祸后CT显示无大碍,回家后收到医生电话:快回来,AI意外揪出无症状肠癌;网友直呼太神奇:这才是AI存在的意义!

上海男子车祸后CT显示无大碍,回家后收到医生电话:快回来,AI意外揪出无症状肠癌;网友直呼太神奇:这才是AI存在的意义!

犀利辣椒
2026-11-20 20:08:23
上海一保姆隐藏身份工作13年,业主发现她真正身份后,从30楼跳下去

上海一保姆隐藏身份工作13年,业主发现她真正身份后,从30楼跳下去

故事秘栈
2025-05-26 19:16:38
男子炒股10年倾家荡产,如今妻子病重急需用钱,打开电脑后他傻眼

男子炒股10年倾家荡产,如今妻子病重急需用钱,打开电脑后他傻眼

罪案洞察者
2025-09-02 11:30:12
雅鲁藏布江水电站开工:中国建全球超级工程,印巴两国反应大不同

雅鲁藏布江水电站开工:中国建全球超级工程,印巴两国反应大不同

文史达观
2025-07-21 12:48:03
丈夫送66万元现金花束庆祝妻子41岁生日,知情人称女主是个大网红,已有三个孩子,律师:属不当使用人民币,有悖立法规范

丈夫送66万元现金花束庆祝妻子41岁生日,知情人称女主是个大网红,已有三个孩子,律师:属不当使用人民币,有悖立法规范

扬子晚报
2026-11-19 14:24:19
《复仇者联盟5》11张角色海报曝光!美队、雷神回归,X战警集体亮相,最抓马的三角恋也要来了?

《复仇者联盟5》11张角色海报曝光!美队、雷神回归,X战警集体亮相,最抓马的三角恋也要来了?

粉红冻奶的观影日记
2026-11-19 18:01:13
胖东来撤走后,房东降到四百万依然没有人接盘!

胖东来撤走后,房东降到四百万依然没有人接盘!

城事堂
2026-11-19 14:03:31
兰州监狱4名狱警殴打服刑者致死案再审,罪名从虐待被监管人变更为故意伤害罪:毁掉证据,抹不掉真相

兰州监狱4名狱警殴打服刑者致死案再审,罪名从虐待被监管人变更为故意伤害罪:毁掉证据,抹不掉真相

新浪财经
2026-11-19 23:40:25
机构扛不住了!8只基金清盘险资亏3500亿,散户切勿硬扛

机构扛不住了!8只基金清盘险资亏3500亿,散户切勿硬扛

小蜜情感说
2026-11-20 06:38:20
特朗普表态:NVIDIA Blackwell芯片可对华销售 但有个条件

特朗普表态:NVIDIA Blackwell芯片可对华销售 但有个条件

墨染时光
2026-11-19 18:53:56
三大指数集体收跌,银行股最后15分钟拉冒烟!工商银行、建设银行涨超3%,陈果点评股市:恐慌并不比亢奋更理性

三大指数集体收跌,银行股最后15分钟拉冒烟!工商银行、建设银行涨超3%,陈果点评股市:恐慌并不比亢奋更理性

金融界
2026-11-20 16:05:11
1990年,孟津少女被拖进废弃矿井侵犯八小时共计四十余人,警方排查数月毫无进展,三年后靠走路姿势抓出真凶,他究竟怎样瞒过了全县警察?

1990年,孟津少女被拖进废弃矿井侵犯八小时共计四十余人,警方排查数月毫无进展,三年后靠走路姿势抓出真凶,他究竟怎样瞒过了全县警察?

唠叨说历史
2026-11-18 10:42:47
马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

回京历史梦
2026-10-30 05:10:04
炸锅! 25名华人跟团来澳洲, 偷偷逃走! 300万押金不要了?! 领队独自凌乱;澳洲签证新规官宣,11月28日起全面收紧!

炸锅! 25名华人跟团来澳洲, 偷偷逃走! 300万押金不要了?! 领队独自凌乱;澳洲签证新规官宣,11月28日起全面收紧!

澳洲红领巾
2026-11-19 14:49:36
太解气!湖南三人组团自带钢丝 “崩饭店”,不料遇上从不使用钢丝球的火锅店

太解气!湖南三人组团自带钢丝 “崩饭店”,不料遇上从不使用钢丝球的火锅店

川渝视觉
2026-11-20 20:57:41
境外圈地建电诈园区 整体出售获利6500万 女子不直接骗钱也被认定为诈骗犯罪集团首要分子 获刑11年

境外圈地建电诈园区 整体出售获利6500万 女子不直接骗钱也被认定为诈骗犯罪集团首要分子 获刑11年

闪电新闻
2026-11-20 17:30:18
沙特首都第一高楼遭袭,大楼的损失和修复难度有多大?沙特为何总是防不住胡塞袭击?

沙特首都第一高楼遭袭,大楼的损失和修复难度有多大?沙特为何总是防不住胡塞袭击?

贵重物品爱美食
2026-11-20 12:27:39
张升民同志简历

张升民同志简历

看看新闻Knews
2026-10-29 18:54:09
广州同学聚会吃了16万6,请客的人付完钱先走,剩下的人却翻脸了

广州同学聚会吃了16万6,请客的人付完钱先走,剩下的人却翻脸了

诡谲怪谈
2025-06-09 08:45:42
波兰女博主炮轰印度人!是地球上最肮脏的人,这个国家将永远是一个肮脏的

波兰女博主炮轰印度人!是地球上最肮脏的人,这个国家将永远是一个肮脏的

小徐讲八卦
2026-11-19 14:23:41
2026-11-21 01:36:49
君伟说
君伟说
分享职场故事
501文章数 48关注度
往期回顾 全部

数码要闻

大疆多款产品“如期”涨价:涉Osmo Pocket 4/4P/Nano,最高涨560元

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

科技要闻

老黄想回来?英伟达董事会:没门

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

家居
房产
游戏
旅游
健康

家居要闻

2026建博会(广州) 公装联探展交流活动

房产要闻

6.6亿!海口卖地!

PC Gamer试玩GTA6百小时:双主角出色但任务重复

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

医生眼里"很伤腰"的椅子,很多人天天坐

无障碍浏览 进入关怀版