MiniMax H3发布：国产全模态生成模型杀入全球第一梯队，2K音视频15秒直出

2026年7月31日，国产大模型公司MiniMax（稀宇科技）正式发布新一代多模态生成模型MiniMax H3，并宣布将于近期开源。这是MiniMax从「特化任务模型」迈向「通用多模态智能」的重要里程碑，也被视为国产多模态模型杀入全球第一梯队的标志性事件。

全模态统一理解，音视频一键生成

MiniMax H3是一款通用的全模态生成模型，不再以图片、视频、声音的生成、编辑等单一任务为边界，而是在多模态上下文中统一理解创作意图，完成更加自然、连贯的生成与表达。

核心技术参数方面，MiniMax H3支持文本、图片、音频和视频等多种输入形式，可输出原生双声道音视频，最高支持15秒2K分辨率视频生成，在提升视听生成能力的同时，大幅降低了高质量视频内容的创作门槛。

商用级表现，覆盖广告、电商、游戏多场景

在模型效果方面，MiniMax H3具备商用级的多场景内容生成能力，在指令遵循、文字与品牌信息呈现、V2V Motion Transfer（视频到视频动作迁移）等方面表现出色，可实现精准、可控的多模态内容编辑与生成。

应用场景覆盖广告创意、品牌营销、电商展示、产品设计、UI/UX设计、游戏内容生产等商业领域，为内容创作者和企业在AI时代提供了全新的生产力工具。

即将开源，定价0.8元/秒

MiniMax已宣布，计划在未来几天内在符合相关法律法规的前提下开放模型权重。同时，MiniMax H3的商用服务也已同步上线，定价为0.8元/秒，在同类产品中具备显著的价格竞争力。

国产多模态竞争格局加速演变

MiniMax H3的发布，恰逢国产大模型竞争进入深水区。2026年以来，智谱GLM-5.2、月之暗面Kimi K3、阿里Qwen系列相继迭代，国产多模态模型在编程、视频生成、图像理解等多个维度快速追赶国际顶尖水平。

MiniMax H3的核心优势在于其「全模态统一」的技术路线——不是分别做图、生视频、配声音，而是用一个模型理解并协同所有模态，从根本上提升内容的连贯性与创作效率。这一路线若经市场验证，将对现有单模态组合方案形成降维打击。

对中国AI产业的意义

MiniMax H3的发布具有三重意义：

• 技术意义：首次实现国产模型在音视频全模态生成上的商用级突破，2K分辨率+原生双声道刷新行业标准。
• 生态意义：开源策略将吸引大量开发者共建生态，加速国产多模态技术栈成熟。
• 商业意义：0.8元/秒的定价直接拉低AI视频创作门槛，推动内容生产行业加速AI化。

FAQ

Q1：MiniMax H3与此前版本有何核心区别？

H3是MiniMax首款全模态统一生成模型，支持文本、图片、音频、视频的统一理解和协同输出，此前版本多为单一模态或拼接式多模态。

Q2：MiniMax H3开源计划是什么？

官方宣布将于近期开源，具体时间尚未公布，需关注稀宇科技官方渠道。

Q3：2K分辨率15秒视频生成是什么水平？

目前行业主流视频生成模型大多停留在720P-1080P，MiniMax H3的2K分辨率属于业内领先水平，15秒时长也足够支撑短视频和广告片的核心片段。

Q4：0.8元/秒的定价贵不贵？

相比国际同类产品，0.8元/秒具备明显价格优势，适合有高频视频生成需求的企业和个人创作者按需使用。