MiniMax H3 详解：海螺3.0全模态视频模型，2K立体声每秒0.13美元，开源到底开到哪一层

一句话总结：MiniMax H3（海螺 3.0）是 2026 年 7 月底上线的全模态视频生成模型，一次生成 4–15 秒、带 32kHz 立体声的 2K 视频，第三方盲测拿下视频编辑榜第一、文生和图生两个第二，2K 每秒 0.13 美元约为同类旗舰的三分之一，8 月初开源了 H3-Base 权重，但 2K 再生成模块没开。

8 月 3 日 MiniMax 官宣开源 H3 的那个周末，Hugging Face 热度榜第一被它拿下，压过了 DeepSeek 刚发的 V4.1-Flash。短视频圈的反应更直接：一条 10 秒 2K 带配音的产品片，走 API 的成本是一块三毛钱美金。这不是补贴换市场，价格表就挂在官网，而且便宜的原因写在论文里。

先说清楚一件事，省得跑空：MiniMax H3 是视频生成模型，不是聊天那种文本大模型。MiniMax 的文本线是 M 系列，H 系列从诞生起就做视频，H3 是海螺系列第三代，Hailuo 02 的接班人。官方正式名 H3，民间叫惯了「海螺 3.0」，一回事。

发布时间线：API 先行，权重三天后跟上

• 7 月 31 日：API 上线，海螺 AI App 同步更新。同一天字节跳动发布 Seedance 2.5，两家撞车发布，创作者当天就拿它俩对比实测
• 8 月 2 日至 3 日：H3-Base 权重上架 Hugging Face，ComfyUI 和 Diffusers 工作流同步放出。各来源对具体是 2 号还是 3 号说法差一天，无伤大雅
• 开源 24 小时内：华为昇腾、摩尔线程、AMD、Intel 等芯片厂商，加上 Hugging Face、魔搭、ComfyUI 完成适配，官方口径是上百家合作伙伴

核心参数：一次生成的到底是什么

原生音画同步是这代最大的卖点。对白、音效、环境声和画面在同一次前向里生成，不用单独跑配音工序，也不用事后对口型。老实讲，这类「音频后补」的模型市面上不少，但补出来的节奏经常对不上画面动作，H3 把这一步揉进生成里，广告和短剧场景省的工序是实打实的。

一套系统拆三层：开源的只是中间那层

理解 H3 最关键的部分在这，也最容易被「开源」两个字带偏。完整系统是三个模块：

• H3-Context-IR（闭源，托管 API）：预处理器。把自由形式的多模态输入解析成结构化中间表示，内部做指令拆解、跨模态关联、时序理解。官方强烈建议挂上它再生成
• H3-Base（开源权重）：生成器。吃中间表示，吐 768p 音视频。分 FL2VA（文生/首尾帧）和 Ref2VA（全参考）两个权重族
• H3-Regenerate-2K（闭源，托管 API）：把 768p 结果连同原始上下文重新生成为 2K。注意是带着上下文重新生成，不是挂个超分放大

所以准确的表述是：本地部署只能拿到 768p，2K 必须回官方 API。有些中文评测写「免费开源随便商用」，这话只对了一半，许可证的事后面短板那节单说。

技术底子上有个值得记一笔的东西：自研 H3-VAE 把有效序列长度做到上一代的 4 倍，端到端训练吞吐提升近 30%。15 秒音画同步视频能一次性生成、价格能压到别人三分之一还不靠烧钱，根子在这。另外 Context-IR 会把推理时约 10 万 Token 的多模态上下文压缩到 4K 左右再交给生成器，九张图三段视频三段音频才能读成一条指令而不是四条打架的指令。

本地部署的门槛：权重约 42.5GB 起，bf16 全量约 123.6GB；ComfyUI 激进 offload 下 12GB 显存能点亮，但要 64GB 内存垫着才谈得上可用。第一版只提供全注意力推理，官方说稀疏注意力后续更新，所以眼下的长视频本地推理成本还不低。

跑分：盲测三个榜，一个第一两个第二

图 1：Artificial Analysis 匿名盲测 Elo 得分，横轴自 1100 起。数据为 2026 年 7 月 31 日发布时口径

这组数字是匿名盲选：用户看同一输入生成的两条视频，选出更喜欢的那条。它反映的是观众综合偏好，跟客观画质测试不是一回事。我的看法：视频编辑那个第一含金量最高，编辑任务既要理解原片又要保住意图，比全新生成难做；文生视频差 3 分在置信区间内，实际用起来就是同一梯队。

还有个榜单外的细节：8 月 10 日前后的后续监测里，H3 的编辑得分从 1130 变成过 1127，文生 1242 变成过 1237。Elo 是滚动更新的，别把任何一天的分数当定论。

价格：牌价每秒 0.13 美元，账要往上算

换算成片段：10 秒 2K 片 $1.30，15 秒 $1.95，4 秒 $0.52。网上流传 768p 每秒 0.09 或 0.10 美元的说法是二手资料互相抄，官方页写的就是 0.08。

最容易漏的是两个隐性支出。第一，「先 768p 打样再升级 2K」的省钱路径要算清楚：0.08 加 0.05 正好等于直出 2K 的 0.13，一条不丢的话总成本一分不少，还多等一轮。省钱只发生在丢弃的 take 上，每丢一秒省 0.05 美元。第二，官方强烈建议挂的 Context-IR 本身按 token 收费，批量任务里这不是零头。

图 2：各模型公开口径费率对比，多为 2026 年 8 月前后数据。可灵 3.0 无统一公开牌价，未入图

横向比，2K 带音频这个档位里 H3 是最便宜的可信选项：Seedance 2.0 约 $0.45/秒，Sora 2 Pro 1080p 第三方聚合价约 $0.50/秒，Veo 3.1 在 $0.5 上下。这些对照价来自不同聚合站，口径不完全统一，大差不差是三到四倍的差距。便宜有便宜的道理，MiniMax 自己披露过：靠高压缩 tokenizer 省 token 加异构训练优化压成本，不是亏损补贴。

怎么用：三条路

1. 官方 API 或海螺 App：能拿到完整 2K 工作流，也是唯一能出 2K 的渠道。模型名 MiniMax-H3
2. 第三方平台：fal、OpenRouter、Segmind 等都有接入，价格在牌价上下浮动几分钱。注意 fal 上那个「H3 Max」是 fal 拿开源权重自己后训练的衍生版，不是 MiniMax 官方型号，别搞混
3. 本地部署：ComfyUI 装 MiniMax-H3 节点，或用官方 Diffusers ModularPipeline 按需拉组件。输出 768p，硬件要求见上一节

提示词写法官方给了明确建议：先定死不可漂移的元素（人物身份、产品、Logo、色板），再给每个参考素材分配角色（这张图借什么、那段视频借什么），然后按时间拆镜头。参考素材之间的关系写清楚，效果比堆数量重要得多。

竞品摆一起看

Sora 2 的位置值得单独说：OpenAI 的应用 4 月 26 日下线，API 9 月 24 日关停。高端视频生成空出一个坑，H3 开源正好填上，时间点卡得很准。

选型上我的判断：要多模态参考加原生音频加能自己部署，H3 是唯一解；要 4K 硬画质，可灵 3.0 或 Veo 3.1；预算极低且不需要音频，Seedance 2.0 的低价档更合适。

短板与风险，说全一点

• 地域限制：社区许可证把美国、欧盟、英国、韩国排除在本地部署权利之外，托管 API 不受影响。年收入超过 2000 万美元需要事先授权，且禁止拿生成输出去训练其他模型
• 版权官司未了：迪士尼、环球、华纳 2025 年 9 月起诉海螺平台未经授权使用版权角色训练，2026 年 5 月法院驳回了 MiniMax 的撤案动议，案件仍在审理。这条是单一来源报道，最新进展以官方公告为准
• 多主体动作会崩：实测里三个孩子在公园玩耍的画面，其中一个的动作明显不自然，像是飘在上面。多主体物理一致性仍是这类模型通病，不单是 H3
• 本地只有 768p：2K 依赖闭源托管模块，自托管路线天然到顶
• 安全披露缺位：截至 8 月没有公开的 system card 或完整的数据留存政策，有严格数据合规要求的团队接参考素材前最好先问官方

常见问题

MiniMax H3 和海螺 3.0、Hailuo 3 是什么关系？

同一个东西。H3 是官方正式名，海螺 3.0 / Hailuo 3 是民间和应用侧的叫法，来自 MiniMax 旗下海螺 AI。注意 fal 的 H3 Max 是第三方衍生版，另算。

普通人不部署能用吗？

能。海螺 AI App 和官方 API 都是现成渠道，按秒计费，4 秒片段五毛二美元起。不折腾硬件的话这是最省心的路。

真能免费商用吗？

托管 API 按量付费没有额外门槛。开源权重要看社区许可证：地域排除、2000 万美元营收授权线、禁止用输出训练别的模型，这三条都得过一遍。中文圈流传的「完全免费商用」说法不准确，商用前读一遍许可证原文。

本地部署最低要什么硬件？

权重 42.5GB 起步，ComfyUI 激进 offload 下 12GB 显存能跑，64GB 内存才谈得上可用；舒服跑建议更大显存。第一版没有稀疏注意力，长序列开销偏高。

它能生成 4K 吗？

不能。完整托管流程到 2K 为止，本地 768p。市面上原生 4K 的是可灵 3.0 和 Veo 3.1，但它们没有 H3 这套多模态参考输入。

结语

MiniMax H3 的聪明之处在于没去硬拼画质军备竞赛。4K 之争让给别人，它押的是三件事：音画一次生成、参考输入的自由度、以及开源换来的部署自主权。三件事各让出一步都不致命，凑在一起就成了「2K 带音频这个档位里最便宜的可信选项」。对国内创作者更实际的一点是，昇腾和摩尔线程都完成了适配，国产算力上跑得起来。画质上限它不是天花板，天花板是可灵和 Veo；但性价比加上开源这两条，短期内同档位找不到第二家。想尝鲜的从 App 或 API 起步就行，4 秒五毛二美元，试错成本低到可以忽略。