MiniMax 8 月 3 日开放 H3 权重，模型同步上架 Hugging Face
MiniMax 在 8 月 3 日将全模态视频模型 H3 的权重上架 Hugging Face，模型可一次生成 2K、24fps 视频与立体声音频。ComfyUI 也在当天合并了原生支持。开源之后，一周内第三方量化版、工作流模板和 API 聚合平台陆续跟进，生态扩散速度很快。
这款模型在 7 月 31 日先通过 API 亮相，三天后正式开放权重。H3 的主模型为 768p 版本，2K 输出则依赖 API 端的 H3-Regenerate-2K 上采样模块。
33B 稠密 Transformer，把文字、图像、视频和声音读进同一条上下文
根据官方模型卡，H3 是一颗 33B 参数的稠密 Transformer，其中约 13B 位于推理时无需加载的 AdaLN 调制分支。它的核心卖点是全模态：文字、影像、视频和音频被读进同一条上下文，再一次性生成最长 15 秒、24fps 的视频，并同步输出 32kHz 立体声音频。
也就是说，对白、音效、环境音和画面会同时生成，而不是先做无声视频再去后期补配音。H3 单次生成最多可挂 9 张参考图、3 段参考视频和 3 段参考音频，支持文生视频（T2VA）、首尾帧控制（FL2VA）和参考生成（Ref2VA）三种模式，覆盖 21:9 到 9:16 六种画幅，并支持 11 种语言的稳定对白。
Artificial Analysis 榜单：H3 在视频编辑榜第一，文生视频榜反超 Seedance 2.0
Seedance 2.0 是字节跳动今年 2 月发布的旗舰模型，同样主打音视频联合生成与多镜头角色一致性，后续升级还加入了原生 4K 和 10-bit 色深。Artificial Analysis 8 月初的统计显示，三张主要榜单呈现两胜一负的格局。
| 榜单（含音频） | 第一名 | MiniMax H3 | Seedance 2.0 |
|---|---|---|---|
| 视频编辑 | MiniMax H3（1,130） | 第 1 名 | 未入榜 |
| 文生视频 | Gemini Omni Flash（1,245） | 第 2 名（1,234） | 第 3 名（1,221） |
| 图生视频 | Seedance 2.0 720p（1,196） | 第 3 名（1,187） | 第 1 名 |
从榜单看，H3 在视频编辑榜拿到第一，在文生视频榜超过了 Seedance 2.0；但在图生视频榜，Seedance 2.0 仍排第一，H3 位列第三。
价格差距更直接：5 秒片段，H3 约 0.7 美元
价格方面，差距更明显。生成同样 5 秒片段时，H3 的 2K 输出约 0.70 美元，Seedance 2.0 的 720p 输出约 1.22 美元。按这个口径，H3 的价格接近对手的 57 折。
若换算到 1080p 级别，第三方估算显示，H3 每分钟约 7.8 美元，Seedance 2.0 约 22.45 美元，差距接近三倍。
可得性与授权是另一条分界线
Seedance 2.0 之前曾因好莱坞版权争议一度暂停全球发布，6 月推出的 Seedance 2.5 也维持闭源，并绑定自家平台。H3 的权重则已经放在 Hugging Face 上，开发者今天就能下载和微调。
不过，H3 使用的是 MiniMax H3 Community License，并非标准开源协议，对特定地区和使用场景设有限制，商用前仍需要逐条查看条款。
社区已经开始拿它做什么
开源一周内，官方和社区已经放出了不少案例。MiniMax 展示的游戏过场 Demo 中，H3 一次生成了古代水神殿、发光神器、巨型石像守卫和逃脱桥段，并带有同步音效。
fal 也成为 Day 0 合作伙伴，Luma 则在 8 月 6 日把 H3 接入其多模型 Agents 产品。fal 官方整理了 44 支生成范例，覆盖产品广告、角色叙事和界面动画；ComfyUI 官方教程则给出了文生视频、图生视频和参考生成三套工作流。
社区里的玩法更接近实战。电商工具 WeShop 演示了“一张产品图＋一支爆款参考视频”的工作流，H3 会直接把参考视频的节奏、镜头结构和带货风格迁移到商品上，生成可投放 TikTok、Reels 的短视频。
对嘴场景的变化也很大。过去往往要经过 TTS、对嘴模型和后期混音等多个步骤，如今一次 API 调用就能输出人声与嘴型同步的成片，因为嘴型和声音本来就是同一次生成的产物。量化社区发布的精简版本将权重压到 42.5GB，ComfyUI 官方还表示，搭配权重卸载后，12GB 显存的消费级显卡也能运行。
H3 仍有三项保留，2K 并未完全开源
尽管 H3 在榜单、价格和可得性上都压过了 Seedance 2.0，但它并不是完全无保留开放。第一，开源版只到 768p，招牌的 2K 输出依赖未开源的 API 端上采样模块。第二，若要在本地运行更高质量版本，仍需要借助量化和权重卸载方案。第三，社区授权本身带有地区和使用限制。
也就是说，H3 这次开放权重，先把可下载、可微调、可本地部署这几件事做到了前面；真正的 2K 输出和完整商用边界，仍然要看后续版本和授权条款怎么走。