华创证券：MiniMax H3开源统一全模态，模型竞争转向生产力
8月7日，近日，MiniMax正式开放H3基础模型权重，将视频生成从单一工具推向通用创作系统。这款33B参数的全模态模型能统一理解文本、图像、视频与音频，生成带原生立体声的2K视频，并允许用户用自然语言完成主体保持、动作迁移与内容编辑。在模型架构效率与开源生态的双重加持下，视频模型的竞争正全面转向创作意图理解与生产流程嵌入。
任务与模态实现统一，视频模型正从生成工具迈向通用创作系统。H3能够统一理解文本、图像、视频和音频构成的多模态上下文，并生成最长15秒、最高2K分辨率、带原生立体声音频的视频。与传统模型将文生视频、图生视频、动作参考、音色参考和视频编辑拆分为多个独立任务不同，H3允许用户直接用自然语言描述素材之间的关系，在同一模型内完成主体保持、动作迁移、声音参考及内容编辑。视频模型的竞争正在从单次素材生成，转向理解完整创作意图并参与广告、电商、游戏和设计等生产流程。
架构全面服务任务泛化，效率优势构成H3商业化的重要底座。H3通过Contextual Omni Representation建立不同素材与目标内容之间的关系，采用33B参数的单流H3-Omni Transformer联合预测视频与音频；H3-VAE的高压缩率带来4倍序列长度收益，理解与生成异构训练架构则使端到端训练吞吐提升近30%。在2K输出环节，H3将768p结果与原始上下文重新输入基模完成再生成，以提高小文字与精细内容的还原能力。H3的关键不只是提高分辨率，而是通过模型、数据和Infra协同，将复杂全模态生成转化为可规模使用的低成本产品。
开放基础模型加快生态扩散，MiniMax正在探索开源与商业化协同。本次开放以H3-Base为核心，支持文生音视频、首尾帧生成和全模态参考生成，并兼容SGLang、vLLM、Diffusers和ComfyUI等主流部署框架；负责复杂输入编排的H3-Context-IR及负责2K再生成的H3-Regenerate-2K暂通过官方API提供。开放后24小时内，华为昇腾、摩尔线程、沐曦、海光、AMD、Intel等9家芯片厂商完成Day 0适配，超过100家开发者社区、云推理平台和企业完成接入。“开放基础模型+保留高价值编排与高清服务”既能扩大生态影响力，也为API调用和企业服务保留清晰的商业化入口。
近两周模型集中上新，性能升级与价格下探正在同步加速。OpenAI于7月30日将GPT-5.6 Luna价格下调80%、Terra下调20%，调整后，Luna则为每百万输入Token 0.20美元、每百万输出Token 1.20美元；Terra的API价格为每百万输入Token 2美元、每百万输出Token 12美元；Sol的价格保持不变。。Anthropic于7月24日推出Claude Opus 5，支持1M上下文和128K输出，定价为5、25美元，重点强化复杂Agentic Coding和企业任务。国内方面，Qwen于8月3日上线2.4T参数、1M上下文的Qwen3.8-Max；DeepSeek-V4-Flash-0731于8月1日上线，以284B总参数、13B激活参数和1M上下文主攻高并发低成本场景。行业竞争已经从单纯提升智能上界，转向模型分层、全模态生成、Agent执行能力和单位任务成本的综合比拼。
上一篇：【AI改变生活•养老新帮手】从可用迈向好用 AI助力智慧康养
下一篇：没有了