转自：新华财经

新华财经上海 7 月 31 日电（记者 杜康）31 日，MiniMax 发布新一代多模态生成模型 MiniMax H3，并宣布近期开源。自成立以来，MiniMax 已先后开源三代 M 系列文本模型。H3 则是 MiniMax 推出的首款开源多模态生成模型。

作为 MiniMax 从 " 特化任务模型 " 迈向 " 通用多模态智能 " 的重要探索，H3 不再以图片、视频、声音的生成、编辑和参考等单一任务为边界，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。

据悉，MiniMax H3 支持文本、图片、音频和视频等多种输入形式，支持 2K 分辨率直出，可生成最长 15 秒的音画内容，在提升视听生成能力的同时，进一步降低高质量视频内容的创作和使用门槛。

在商业应用方面，H3 重点提升了复杂指令遵循、画面文字和品牌信息呈现、视频到视频动作迁移等能力，可用于广告营销、电商展示、产品设计、UI/UX 设计和游戏开发等场景。

MiniMax 表示，在 Artificial Analysis 视频模型榜单中，H3 在视频编辑能力项排名全球第一。

除了生成效果，成本成为此次模型发布的另一项重点。MiniMax H3 生成 2K 视频的价格为每秒 0.8 元。据 MiniMax 测算，这一价格约为业内同类旗舰视频模型的三分之一。

MiniMax 方面表示，视频模型生成成本与模型处理的 Token 数量、计算负载和 GPU 利用效率密切相关。H3 采用高压缩分词器（Tokenizer），减少视频生成所需的 Token 数量；同时针对不同时长、分辨率以及多模态输入带来的负载差异，对异构训练、负载均衡和 GPU 利用效率进行优化，以降低训练和推理成本。

" 通过 MiniMax H3，我们希望进一步降低企业、开发者和创作者的内容创作门槛。"MiniMax 相关负责人表示，模型开源后，企业可根据自身数据和业务需求进行本地部署和优化，更好满足安全合规要求；芯片厂商和开发者也可参与模型适配和性能优化，进一步降低使用成本。

编辑：谈瑞