MiniMax H3-Image实测:狂卷字节、OpenAI,生图速度最快但复杂任务仍翻车
MiniMax于11月10日开放H3-Image模型权重,主打10秒出图且价格仅为同档主流工具的50%-70%,与同期发布的OpenAI GPT Image 2.6和字节Seedream 5.5展开竞争。
推荐理由:文章通过实测对比三家生图模型的速度与画质,指出MiniMax在低价开源策略上寻找突破,但能否解决复杂任务一次改对仍是关键。
公司与模型
MiniMax 的模型与产品动态:M 系列大模型、语音与多模态能力、开源与商业化进展。
19 条精选近 30 天 7 条共收录 63 条
MiniMax于11月10日开放H3-Image模型权重,主打10秒出图且价格仅为同档主流工具的50%-70%,与同期发布的OpenAI GPT Image 2.6和字节Seedream 5.5展开竞争。
推荐理由:文章通过实测对比三家生图模型的速度与画质,指出MiniMax在低价开源策略上寻找突破,但能否解决复杂任务一次改对仍是关键。
MiniMax 开源 SOTA 图像生成模型 H3-Image,支持 16MP 原生 4K 分辨率及最多 16 张参考图输入。该模型具备显著的逻辑推理能力,可自动生成 CAD 三视图、机械爆炸图以及正确解答微积分试卷。官方 API 定价约为主流竞品的 50% 到 70%,首周 16MP 请求享五折优惠。
推荐理由:实测显示该模型能精准生成CAD图纸与解题步骤,且支持原生4K分辨率,展示了其在逻辑推理与细节还原上的双重突破。
英伟达与麻省理工学院团队在 Hugging Face 发布视频增强项目 Open-H3-Regenerate-2K 的模型权重,该方案基于 MiniMax H3,支持将低分辨率视频重生成最高 3840×2160 的 4K 视频。
推荐理由:英伟达联合 MIT 基于 MiniMax H3 发布的开源方案,提供了可自部署的 4K 视频重生成实现。
MiniMax 开源了 MiniMax M3.1 Flash 模型权重,总参数 428B、激活参数 23B。上线 72 小时内真实用户处理 Token 超过 100 万亿。该模型通过全模型稀疏注意力、量化感知训练(QAT)和 Power-aware scheduling 提升了推理效率,并与多家国内外芯片厂商及云服务平台、开源社区完成了首日接入。
推荐理由:M3.1 Flash 上线 72 小时处理 Token 超过 100 万亿,展示了模型的高吞吐与广泛的芯片/云平台生态适配能力。
据CCTV关联账号报道,DeepSeek和MiniMax已完成中国新的出口注册流程,获批向海外开源模型并进行授权。该批准发生在北京收紧AI技术转移监管几天后,它们是国内首批被允许在全球运营的技术。这表明新规则会管控中国的开源权重发布,而非叫停它们。
推荐理由:文章将DeepSeek与MiniMax获批事件置于中国新出口管制背景下,读者可以理解监管收紧下开源出海的实际走向。
日本内容产业因版权保护严苛对OpenAI施压,MiniMax、PLAUD等中国AI公司以此为契机进入日本市场。MiniMax通过合规化IP生成、合作科研及打造AI硬件切入,利用本地信任体系规避风险。日本生成AI利用率虽低于中美,但庞大的政府AI预算(3,873亿日元)及本土化需求为中国AI出海提供了新窗口,关键在于解决本地渠道与信任构建问题。
推荐理由:文章复盘了MiniMax、PLAUD等中国AI企业在日战略,展示了绕过监管壁垒的三种本土化路径。
可灵 4.0 满血版正式上线 LibTV,支持最长 30 秒原生视频生成,强化高速运动、复杂镜头调度与动态场景中的物理一致性。该版本支持最多 10 张关键帧控制与 15 项多模态参考,以提升角色表演、场面调度及镜头语言的精细控制能力,同时升级人物微表情、光影层次、材质还原及多语言音画同步效果。
推荐理由:可灵 4.0 满血版在 LibTV 上线,支持 30 秒原生直出、10 张关键帧控制及 15 项多模态参考,提升了高速运动与复杂运镜的物理一致性。
MiniMax M3.1 Flash 正式发布,并确认是匿名模型 Space Bunny 的正式版,主打高速推理与低成本。该模型在 Automation-Bench、DeepSWE、ALE 等基准上表现强劲,在 ALE 任务中花费约 739 元即可跑完,性能追平甚至部分反超旗舰级模型如 Claude Opus 5。
推荐理由:M3.1 Flash 的定价与多任务基准成绩被并排放在 DeepSeek V4.1 Flash 和 Opus 5 的坐标系中,可以直接看出当前低段位模型的价格锚点。
MiniMax 正式更新 M3.1 Flash,该模型在复杂 Agent 任务、编程、Computer Use 及网络安全能力上实现代际提升。M3.1 Flash 线上推理速度提升近 3 倍,使用成本降低 70%,输入价格为每百万 Token 1 元,输出价格为每百万 Token 4 元。模型现已上线 MiniMax API、MPlan 及 MiniMax Code。
推荐理由:发布M3.1 Flash模型,推理速度提升3倍且成本降低70%,在自动化与编程等Agent任务中达到顶尖水平。
MiniMax Code CLI v0.4.12 以 MIT 协议向全球开发者开放源代码。该工具在 FrontierHarness Eval 评测中任务通过率为 76.7%,成功任务耗时中位数 4 分 33 秒。开发者可通过 GitHub 仓库贡献代码,并基于开源实现构建企业级应用。
推荐理由:MiniMax Code CLI 以 MIT 协议开源,开发者可审查工具调用与权限机制,并基于 76.7% 任务通过率的基准测试评估其编码能力。
MiniMax 将 H3 Max 768P 和 480P 接入开放平台和 MiniMax Design,基于其与 fal 合作的后训练与推理优化,5 秒 768p 视频生成耗时不到 3 秒,已满足实时直播速度门槛。
推荐理由:H3 Max 768P 生成 5 秒视频耗时不到 3 秒,满足实时直播生成速度门槛,支撑了 24 小时 AI 电视台等实时交互场景。
MiniMax 推出 MiniMax Design,将其定义为把多模态模型能力变成生产力的 Harness。
推荐理由:MiniMax 官方介绍把多模态能力组织成生产流程的新入口,读者能理解它对视频和商业内容生产的定位。
MiniMax H3 开源一周衍生出近 300 个模型,ComfyUI 版本下载量近 700 万。社区通过量化将模型最小内存占用降至 42.5GB,使 H3 可在消费级显卡本地运行。开发者为 Mac 编写了原生推理引擎 h3.c,并探索出长视频续写、图像编辑等玩法,甚至通过 Claude Code 调度本地模型构建自动化多镜头制片流程。
推荐理由:原文列举了量化压缩、Mac 原生引擎及 Agent 制片等社区实践,展示了 H3 在低显存设备与自动化流程中的实际扩展能力。
MiniMax H3 技术团队回应开发者关于模型架构与优化方案的疑问。团队澄清 H3 未采用 MSA 而是结合 MoBA 与稀疏注意力,采用双 VAE 以独立控制音视频模态,并提出 Regenerate-2K 将在完成效率与质量提升后开源。
推荐理由:团队通过问答澄清了架构与优化细节,开发者可据此调整工作流。
MiniMax H3 开源 24 小时后,华为昇腾、AMD、Intel 等 9 家芯片厂商完成 Day 0 适配,Hugging Face、vLLM、腾讯云及 Leonardo 等超百家合作伙伴完成接入。在 Artificial Analysis 视频评测榜单中,H3 跻身全球前三并在质量/价格象限中处于最优梯队,位列中国模型最佳。在 Arena AI 最新评测榜单中,H3 排名并列第一。
推荐理由:开源 24 小时内的适配与评测结果,展示了该多模态视频模型的生态落地速度与实际性能站位。
MiniMax 正式开源新一代通用视频模型 H3,支持 4 至 15 秒、2K 分辨率及立体声音频生成。H3-Base 权重已同步至 Hugging Face,支持本地部署;完整 2K 工作流需结合官方 API 调用 H3-Context-IR 与 H3-Regenerate-2K。
推荐理由:官方发布文档详细拆解了 H3 在 Hugging Face 的开源组件、支持的 2K 生成规格以及本地部署与 API 验证的完整工作流。
RunningHub 全网首发接入 MiniMax 新一代多模态模型 H3,支持文、图、音、视输入与生成,具备多模态理解、精准编辑、多场景内容生成和电影级视听质感四大能力。官方补贴期间 2K 画质低至 0.2 元/秒,全站模型低至 29 折。
推荐理由:MiniMax H3 支持文、图、音、视多模态输入与生成,2K 画质低至 0.2 元/秒,面向影视、广告与电商场景。
MiniMax 正式发布 H3,这是一款通用全模态生成模型,支持文本、图像、视频和声音的统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称 H3 在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 方面表现出色,适用于广告、电商等商业场景。2K 分辨率下每秒价格不到主流模型的 1/3,未来几天将开放模型权重并适配国产芯片。
推荐理由:官方公布全模态生成能力、成本对比及开源计划,帮助用户判断其商业化与工程落地潜力。
LibTV 与 MiniMax 联合首发多模态视频模型 H3,支持 5 到 15 秒视频生成、24 FPS 输出与原生双声道声音,单次最多输入 12 个混合参考文件,分辨率可由 768p 升级至 1440p。活动期间 768p 低至 0.1 元/秒,2K 低至 0.2 元/秒,可结合 Skill 实现约 10 元制作一支广告视频或约 20 元完成一集短剧。
推荐理由:联合首发给出了具体能力边界和试用入口,读者可据此判断它能否进入日常视频生产。