天下苦閉源模型久矣，MiniMax要做多模態領域的Deepseek

MiniMax 在 2026 年 8 月 3 日正式對外發表新一代多模態生成模型 H3，消息一出，港股 MiniMax 股價隨即上漲超過 10%，市值來到 249.4 港元。市場用實際行動為這場產品發布投下信任票，也讓外界重新聚焦這家公司在多模態領域的技術布局。H3 的定位是一款通用的全模態生成模型，能夠同時理解文字、圖像、影片與聲音組成的多模態上下文，並輸出具有原生雙聲道的音影片內容，最高支援 15 秒、2K 解析度的輸出。從官方釋出的早期實測影片來看，H3 的表現相當驚豔。

例如，使用者可以同時輸入一張人物參考圖、一段希區考克式鏡頭運鏡的參考影片，以及一條參考歌聲的音頻，模型就能理解「讓圖中人物按照參考影片的鏡頭運動，並用參考音頻中的歌聲唱歌」這類複合指令，直接生成一段帶有原生雙聲道的 2K 成品。這種跨模態的複合參考能力，過去曾是 Seedance 的招牌功能，如今 MiniMax 也將這項能力納入麾下。在權威的 Artificial Analysis 影片模型榜單中，截至 H3 發布當日，MiniMax H3 在影片編輯能力項目中排名全球第一，文生影片與圖生影片能力則分別位居第二與第三名，模型綜合實力已躋身全球第一梯隊。

H3 的另一個突出亮點是複雜文本的保持能力。在影視片頭的中英文標題、動態海報上的品牌 Logo，或是 UI 動效中的字幕等場景中，H3 能讓文字真正融入視覺構圖，文字不僅要貼合物體的透視，還要接受場景光源的照射方向，並隨著鏡頭運動與主體動作而變化。舉例來說，如果將一個品牌 Logo 放到玻璃杯上，模型需要理解玻璃的折射；放到牆上，則需理解牆面的曲率與紋理；跟隨鏡頭推拉時，還要保持字體形狀不變形。這已經超越了單純的「生成字體」技術邊界，而是模型對場景進行整體理解後的產物。除了性能表現，H3 的另一大特色是價格策略。MiniMax H3 的預設輸出解析度為 2K，每秒定價僅為 0.

8 元人民幣，在同級別的產品中具備極強的競爭力。過去半年，主流商用影片生成模型的預設解析度大多停留在 1080p 水平，H3 直接將門檻拉高到 2K。能夠支撐這樣價差的原因，在於 H3 自研的 VAE 技術（H3-VAE），這項技術將畫面的壓縮率提升到業界領先水準，同樣一段影片能用更少的區塊來表達，序列長度直接節省了 4 倍，訓練與推理成本都跟著降低。在高解析度處理上，業界大部分模型輸出 2K 或 4K 的方式，是先產生一版低解析度的畫面，再透過專門的超解析度模組放大畫面，但這個過程本質上是在「猜測」缺失的細節，導致小字、紋理或光影容易模糊或變形。

H3 則不把低解析度影片當作唯一依據，而是將其作為一種參考，連同原來的多模態上下文一起輸入模型，不僅能複用 H3 既有的生成能力，還能恢復低解析度影片中已經消失、但上下文裡仍然存在的資訊，這也是 H3 在複雜文字場景中不翻車的根本原因。換句話說，H3 走的是「用架構效率提升性能」的路線，透過技術創新降低算力消耗，這對商業化的重要意義在於，當算力成本進入壓縮通道，影片生成的毛利率天花板將會重新打開。H3 的能力邊界正在嘗試吃掉傳統後期軟體如 After Effects 或 Premiere 所代表的完整影片後期製作鏈條。

過去的 AI 影片模型，交付的往往只是一段沒有配音、沒有字幕、沒有包裝的畫面素材，剩下的工作必須由用戶在剪輯軟體中一步步完成。H3 的不同之處在於，它將後期處理整合進模型內部：理解創意意圖、生成主體畫面、匹配音效音樂、渲染字幕文字、完成動效包裝，一次生成，直接交付。例如，一個電商產品的廣告開場鏡頭，過去需要經歷「文生影片取得產品動態畫面 → TTS 合成旁白 → 剪映套用字幕模板 → AE 製作產品打光與價格數字跳動動效」等一系列流程。

但在 H3 的架構下，只要輸入一張產品圖與一段廣告腳本，它就能一次輸出包含上架運鏡、旁白配音、字幕、價格彈跳與光影氛圍的成品，而且每個視覺元素都與畫面的空間、光線與節奏對齊，並非簡單疊加。根據前期邀測回饋，H3 具備商用級的多場景內容生成能力，在指令遵循、文字與品牌資訊呈現、以及影片到影片的動作遷移等方面表現出色，可實現精準可控的多模態內容編輯與生成，廣泛適用於廣告、品牌、電商、產品設計、UI/UX 與遊戲等商業場景。參考 Adobe 2025 財年財報，創意雲業務全球收入約 145 億美元，其中影片後期類工具佔了相當比例；國內影片後期外包市場規模估算約在 300 至 500 億元人民幣區間。

如果 H3 的 AI 原生後期能力能在 B 端持續兌現，可能替代其中 10% 到 30% 的傳統後期工序。影片生成領域也迎來了首次旗艦級模型開源的時刻。在 H3 發布當天，MiniMax 就宣布將在數日內開放模型權重。過去，影片生成領域的預設選擇幾乎都是閉源模型，Seedance、可靈、Sora、Veo 等主流模型無一例外，理由很直接：影片模型訓練成本高、算力消耗大，閉源加上 API 計費是最直接的商業模式。

然而，過去一段時間，閉源模式也帶來了一些問題，例如部分頭部產品在短時間內多次調整價格，導致用戶使用成本波動劇烈；C 端產品與 B 端 API 之間存在定價倒掛的情況；企業級接入門檻高，中小團隊難以直接獲得官方 API 權限，甚至催生了拼單、轉售等灰色中間服務。這些現象的背後，反映的是閉源模式下少數廠商掌握定價權的失衡結構。開源模型的出現，可能改變這一格局，讓行業競爭從單一的技術比拼，轉向更開放的生態競爭。同時，一批原先被閉源模型擋在門外的高價值 B 端場景也得以打開。

影視公司不會把品牌角色形象或未發布劇集素材投入公有雲 API，廣告主無法接受品牌視覺每次生成時隨機漂移，遊戲公司的核心 IP 更不能交由第三方模型處理。H3 的模型開源加上可本地私有化部署的特性，正好能夠承接這些對數據主權有嚴格要求的客戶。對於港股 MiniMax 來說，H3 的意義不僅是又一款模型的發布。自今年 1 月上市以來，市場對這家公司的估值錨點不斷變化，情緒從高度期待轉為審慎觀望。H3 是這家公司在歷經起伏之後第一次主動出擊。雖然一個模型不會立刻改寫整個牌局，但它至少證明了一件事：MiniMax 仍有能力從頭翻轉一場遊戲。