天下苦闭源模型久矣，MiniMax要做多模态领域的Deepseek

2026年8月3日，港股MINIMAX-W（00100.HK）报HK$249.4，涨幅超10%。当日早盘，MiniMax盘前正式宣布发布新一代多模态生成模型H3。市场用真金白银为这次产品发布投了一票。

A

天下苦闭源模型久矣，视频生成赛道此前由Seedance、可灵等头部模型主导，价格、算力、生成时间也一直是行业关注比较高的的话题。

MiniMax发布的H3，正是视频生成市场的一个全新选择。

官方博客中表示，定位H3是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持15s 2K分辨率。

在性能方面，MiniMax H3与Seedance 2.5处于同一梯队。

从早期邀测释放的demo看，H3的效果非常惊艳。

举个具体例子，给H3一张人物参考图+一段希区柯克式镜头运动的参考视频+一条参考歌声的音频，它能读懂“让图里的人物按参考视频的镜头运动、用参考音频里的歌声唱歌”这样的复合指令，一次生成带原生双声道的2K成片。

这种跨模态复合参考的能力，此前曾是Seedance的招牌，如今，MiniMax也将这份能力收入囊中。

在权威视频模型榜单Artificial Analysis视频模型榜单中，截至2026年7月31日H3发布当日，MiniMax H3在视频编辑能力项排名全球第一，文生视频、图生视频能力分别位居第二、第三名，模型综合能力跻身全球第一梯队。

H3的一个突出亮点是复杂文本保持能力。

举例而言，影视片头里的中英文标题、动态海报上的品牌logo、UI动效里的字幕，这些场景中H3能让文字真正参与视觉构图：文字要贴合物体的透视，要接受场景光的照射方向，要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；跟随镜头推拉时，需要保持字体形状不畸变。这已经超出了“生成字体”的技术边界，是模型对场景做整体理解之后的产物。

复杂文本保持只是“更懂视觉、更懂世界”这套底座能力的一个显性观察点。根据MiniMax技术博客，H3的技术亮点是Contextual Omni Representation（对上下文中的所有模态的信息及其相互关系进行组织），把整段素材当作统一上下文，为模型描述视频、音频等多种元素的关系，并为此搭建了专门的模型和全模态理解管线。

B

除了性能之外，H3还秉承了MinMax最具代表性的特点——量大管饱。

在定价上，MiniMax H3默认2K分辨率，每秒定价仅为0.8元人民币，在同级别分辨率产品中具备较强的价格竞争力。

过去半年，行业内讨论“电影级”视频生成时，主流商用模型的默认分辨率多在1080p水平。H3直接将默认输出分辨率提升到了 2K，在高清化方向上迈出了一步。

支撑这个价差的是MiniMax 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，训练和推理越贵。H3的自研VAE（H3-VAE）把画面的压缩率做到了行业领先水平，根据官方博客，同样一段视频，用更少的块表达出来，序列长度直接省了4倍。训练便宜了、推理也便宜了。

在高分辨率上， 行业里大部分模型输出2K/4K的思路是先生成一版低分辨率的，再套一个专门的超分模块把画面放大，这个模块本质是在“猜”缺失的细节，所以放大之后的小字、纹理、光影经常糊或者变形。

H3不把低清视频当作唯一依据，而是把它作为一种参考，连同原来的多模态上下文一起输入模型，可以复用H3 已有的生成能力，也可以恢复低清视频里已经不可见、但上下文里仍然存在的信息。

这也是为什么H3在复杂文字场景（片头、logo、字幕）不翻车的底层原因。

换句话说，H3走的是一条“用架构效率提升性能”的路，通过技术创新降低算力消耗。这个技术路径对商业化的意义在于：当算力成本进入压缩通道，视频生成的毛利率天花板会重新打开。

C

H3正在吃掉诸如AE、Premiere这些软件所代表的，完整条视频后期链条。

过去的AI视频模型，交付的是一段“素材”，用户拿到的往往只是一段还没配音、没字幕、没包装的画面，剩下的工作要自己在AE、Premiere、剪映里一步一步接完。H3不同的地方在于，它把”后期“这件事装进了模型内部：理解创意意图、生成主体画面、匹配音效音乐、渲染字幕文字、完成动效包装，一次生成，直接交付。

一个电商产品广告的hook镜头中，过去有“文生视频拿到产品在货架上的动态画面 → TTS合成“限时5折”的旁白 → 剪映套字幕模板 → AE做产品打光高亮+价格数字弹跳动效”这一系列流程。

到H3这里，你输入一张产品图、一段广告脚本，它一次输出的成片就带上货架运镜、旁白配音、字幕、价格弹跳、光影氛围——每一个视觉元素跟画面的空间、光线、节奏都是对齐的，不是简单叠加。

根据前期的邀测反馈，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，广泛适用于广告、品牌、电商、产品设计、UI/UX、游戏等商业场景。

这个能力对市场规模意味着什么？

参考Adobe 2025财年财报，创意云业务全球收入约145亿美元，其中视频后期类工具（AE、Premiere等）占相当比例；国内视频后期外包市场估算约在300–500亿元人民币区间。

如果H3的AI原生后期能力在B端持续兑现，可能替代其中10–30%的传统后期工序。

MiniMax官方博客里说，“视频模型将能够理解更完整的创作意图，处理更复杂的内容需求，并逐步从'生成一段视频'，走向真正参与内容生产的全过程。”

2011年之后的十年里，Netflix吃掉了Blockbuster、Uber吃掉了出租车公司、Airbnb吃掉了连锁酒店：技术能力的量变积累到某一刻，会突然发生质变。软件吃掉了那些不软件的行业。现在，AI要吃掉那些不AI的软件。

D

视频生成首次迎来旗舰开源时刻，就在H3发布当天，MiniMax宣布H3将在数日内开放模型权重。

在过去，视频生成领域的默认选项是闭源模型，Seedance、可灵、Sora、Veo，所有主流模型无一例外。理由也很直接：视频模型训练成本高、算力消耗大，闭源加API计费是最直接的商业模式。

开源意味着行业不再是闭源模型独大。

过去一段时间，视频生成行业整体由少数闭源模型主导，商业化路径也基本围绕“API计费+会员订阅”展开。

在这个过程中，行业出现了一些值得关注的现象：部分头部产品在短时间内多次调整价格体系，导致用户使用成本波动较大；C端产品与B端API之间存在定价倒挂的情况；企业级接入门槛较高，中小团队往往难以直接获得官方API权限，由此催生了拼单、转售等灰色中间服务。

这些现象背后，反映的是闭源模式下的商业化逻辑 —— 当少数模型占据技术优势时，供给方有较强的定价权。而开源模型的出现，可能会改变这一格局，让行业竞争从单一的技术比拼，转向更开放的生态竞争。

闭源模型接不住的高价值B端场景也被打开了。

影视公司往往不会把品牌角色形象、未发布剧集素材扔进公有云API，广告主不会接受品牌视觉每次生成时随机漂移，游戏公司的核心IP不能上第三方模型。这批客户过去被闭源模型的“数据主权”问题挡在门外，是视频生成商业化里最贵、最有粘性、也最没被服务的一批。

H3的模型开源+可本地私有化部署，正好接住这批客户。

视频生成这个赛道，过去半年被傲慢定义，涨价、排队、白名单、拼盘、掮客、账号倒卖。用户在抱怨，市场在沉默，中小公司在被挡在门外，B端客户在纠结于数据和资产。这不是一个健康的市场，是一个失衡的市场。H3把这口气放了出来。旗舰、2K、开源、0.8元/秒的单价，把商用起步价压到主流模型三分之一。把这一切递给整个开发者生态、递给中小公司、视频生成的开源时代，从7月31日开始。

对港股MiniMax来说，H3的意义不只是又一款模型的发布。1月上市以来，市场对这家公司的估值锚点在变，市场情绪从“神坛”到“审慎”。H3是这家公司在跌宕之后的第一次主动出招。牌桌不会因为一款模型就重排，但它至少证明了一件事：MiniMax还有能力从头掀翻一场游戏。