MiniMax H3正式开源，十六家头部芯片厂商、开发社区同日适配
8月3日，MiniMax H3模型正式开源。
MiniMax H3是一个通用型全模态生成系统。它能够统一理解由文本、图像、视频和音频构成的多模态上下文，并可生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。得益于以任务泛化为导向的系统设计，H3在预训练阶段便已具备广泛的多模态上下文理解与生成能力，因此能够出色地遵循复杂的多模态指令。
华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技、AMD、Intel等国内外芯片厂商，以及Hugging Face、魔搭ModelScope、ComfyUI、RunningHub、fal等开发社区和云推理平台，另有vLLM、SGLang等推理框架，均在H3开源同日完成了相关适配支持。
完整的H3系统由H3-Context-IR、H3-Base、H3-Regenerate-2K三个模块组成。开发者可以直接从Hugging Face下载MiniMax H3模型，H3-Base目前支持通过SGLang、vLLM、diffusers和ComfyUI等推理框架和工作流进行部署。
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Artificial Analysis视频模型榜单中，MiniMax H3在视频编辑能力项排名全球第一。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，并广泛适用于广告、品牌、电商、产品设计、UI/UX、游戏等商业场景。
自成立以来，MiniMax坚持文本与多模态模型并行自研，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。
H3借鉴了文本模型发展过程中已经被验证的方法，包括复杂问题拆解、Reasoning、Scaling Context和Muon优化器等，并将其应用到多模态理解、数据构建和模型训练中。围绕不同任务的理解和指令遵循，MiniMax对数据体系进行了多轮迭代，提升模型面对开放输入和复杂指令时的泛化能力。
MiniMax H3视频生成价格为0.8元/秒（2K分辨率），仅为业内同类旗舰视频模型的三分之一。MiniMax通过高压缩 Tokenizer降低视频生成所需的Token数量，实现了成本优化与效率的提升。针对视频长度、分辨率和多模态理解与生成负载差异较大的特点，MiniMax在异构训练、负载均衡和GPU利用效率等方面进行系统优化，在追求模型效果的同时控制训练和推理成本。
MiniMax H3将业内多模态模型的竞争进一步带向效果、成本、开放性与生态协同的综合维度，丰富了模型企业与国产AI芯片软硬件协同生态。与此同时，MiniMax多模态路线进入了模型能力、训练效率、开源生态和行业应用协同推进的新阶段。