7 月 31 日，MiniMax 正式推出新一代视频生成模型 H3，它跳出了传统 AI 视频工具只靠提示词生成画面的局限，是一款真正意义上的通用多模态视频大模型。

和以往模型后期拼接音频不同，H3 可以原生输出双声道立体声视频，把文本、图片、视频、音频全部当成输入上下文统一解读，理解各类素材之间的关联，直接输出音画同步的完整成片。

8 月 3 日官方直接放出开源权重，一经放出就在开发者圈子掀起不小反响，不少玩家把这次事件称作开源视频领域的 "DeepSeek 时刻 "。

过去高质量 AI 视频基本被闭源方案牢牢把持，想要出片就得按秒花钱充值点数。MiniMax H3 开源之后，普通用户可以直接把模型部署在自己电脑本地，依靠显卡算力完成生成，不再需要持续消耗云端积分。更让人惊喜的是它的硬件门槛放得很低，8GB 显存显卡就能够跑通基础的视频生成，大大降低普通玩家上手多模态视频生成的门槛。

开源首日 ComfyUI 就快速完成适配，官方配套三套现成工作流：文生视频、首尾帧图生视频，还有自由度最高的多参考生视频。多参考模式最多支持 12 份参考素材，其中图片最多 9 张，视频、音频各 3 条；单份音视频素材控制在 2 ‑ 15 秒，全部参考素材总时长不能超过 15 秒。但也要客观看到，导入的参考素材数量越多，显卡压力会明显上涨，生成耗时也会跟着拉长。

输出方面，本地版本生成视频时长区间为 4 ‑ 15 秒，默认短边 768 像素；2K 高分辨率生成则需要使用官方云端接口。想要本地拿到高清成片，更务实的做法是先生成默认分辨率素材，再借助超分工具提升清晰度。视频时长拉得越长、分辨率调得越高，显存、内存的消耗会呈明显上升，低配显卡直接硬跑高规格参数很容易出现报错、生成失败。

不少玩家拿闭源 Seedance 2.5 和本地部署的 H3 做过对照测试，用同一张参考图生成角色形象。Seedance 2.5 生成出来的人物会更加贴合原始设定，但每秒需要付出 1.3 元的调用成本；MiniMax H3 本地生成角色偏差控制同样不错，零点数成本，二者各有取舍。

当然 H3 本地部署并不是毫无门槛，显存依旧是绕不开的硬约束。8GB 只能勉强体验，想要流畅体验，低显存显卡要搭配量化、裁剪版模型，再叠加加速 LoRA 插件降低硬件压力。新一代 RTX50 系 Blackwell 架构显卡还支持 FP4 特殊优化，对 H3 做了针对性适配。综合大量玩家实测反馈，12GB 显存是勉强可用的起步，16GB 显存才是体验 H3 绝大部分能力的甜点配置。

总的来说，MiniMax H3 的开源，直接把多模态音视频生成从付费云端，带到普通消费级 PC 设备上。虽然本地生成速度比不上云端，2K 能力依旧依赖官方接口，但它已经实实在在拓宽了普通创作者的玩法边界。