天下苦閉源模型久矣，MiniMax要做多模態領域的Deepseek

港股市場今日迎來一波明顯漲勢，MiniMax-W（00100.HK）股價一度衝高至249.4港元，漲幅超過10%，市場情緒高漲的背後，正是公司盤前正式發布新一代多模態生成模型H3。投資者以真金白銀為這次產品發布投下信任票，也讓外界重新聚焦這家從年初上市以來歷經估值波動的AI公司。 過去一段時間，視頻生成賽道長期由Seedance、可靈等少數頭部閉源模型主導，價格、算力消耗與生成效率始終是行業熱議的話題。用戶苦於閉源模型久矣，市場期待一個具備競爭力的新選項出現。MiniMax選擇在此刻推出H3，正是希望打破既有格局，為視頻生成市場注入全新變數。 根據官方發布的技術說明，H3定位為一款通用的全模態生成模型，具備對文本、圖像、視頻與聲音所組成的多模態上下文進行統一理解的能力，並能輸出原生雙聲道的音視頻內容，最高支援15秒、2K解析度輸出。在性能表現上，H3與Seedance 2.5被認為處於同一梯隊，而從早期邀測釋出的示範片段來看，效果相當亮眼。 舉例而言，使用者若提供一張人物參考圖、一段希區考克式鏡頭運動的參考影片，以及一條參考歌聲的音頻，H3能理解「讓圖中人物按照參考影片的鏡頭運動方式，並以參考音頻的歌聲演唱」這類複合指令，一次生成帶原生雙聲道的2K成片。這種跨模態複合參考能力，過去被視為Seedance的招牌技術，如今MiniMax也將這項能力納入自家模型。 在權威評測機構Artificial Analysis的影片模型榜單中，截至2026年7月31日H3發布當日，MiniMax H3在影片編輯能力項目排名全球第一，文生影片與圖生影片能力分別位居第二、第三名，綜合能力躋身全球第一梯隊。H3的另一大亮點是複雜文本保持能力，無論是影視片頭的中英文字標題、動態海報上的品牌Logo，還是UI動效中的字幕，H3都能讓文字真正參與視覺構圖，文字要貼合物體的透視角度、接受場景光源的方向，並跟隨鏡頭運動與主體動作自然變化。 舉例而言，將一個品牌Logo放到玻璃杯上，模型需要理解玻璃折射；放到牆上，則需理解牆面的曲率與紋理；鏡頭推拉時，字體形狀必須保持不變形。這已經超越單純「生成字體」的技術邊界，而是模型對場景進行整體理解後所產生的結果。複雜文本保持能力只是「更懂視覺、更懂世界」這套底層能力的其中一個顯性觀察點。根據MiniMax技術博客說明，H3的技術核心在於Contextual Omni Representation，也就是對上下文中的所有模態資訊及其相互關係進行組織，將整段素材視為統一上下文，為模型描述影片、音頻等多種元素的關聯，並為此搭建了專門的模型與全模態理解管線。 除了性能，H3也延續了MiniMax一貫「量大管飽」的定價策略。官方定價方面，H3預設2K解析度，每秒定價僅人民幣0.8元，在同級別解析度產品中具備明顯的價格競爭力。過去半年，行業內討論「電影級」影片生成時，主流商用模型的預設解析度多在1080p水準，H3直接將預設輸出解析度提升至2K，在高畫質化方向上邁出一步。 支撐這個價差的是H3背後的技術創新。影片生成模型訓練時，每一幀畫面都要被切割成小區塊餵給模型，區塊越多，訓練與推理成本越高。H3的自研VAE（H3-VAE）將畫面壓縮率做到產業領先水準，根據官方博客，同樣一段影片用更少的區塊表達，序列長度直接節省4倍，訓練成本與推理成本同步下降。在高解析度輸出方面，業界多數模型生成2K或4K的作法，是先產出一版低解析度畫面，再套用專門的超解析度模組放大，但這個模組本質上是在「猜測」缺失細節，因此放大後的小字、紋理、光影經常出現模糊或變形。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，連同原本的多模態上下文一起輸入模型，既能複用H3既有的生成能力，也能還原低解析度影片中已不可見、但上下文裡仍然存在的資訊，這正是H3在複雜文字場景如片頭、Logo、字幕中不翻車的底層原因。 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。這條技術路徑對商業化的意義在於，當算力成本進入壓縮通道，影片生成的毛利率天花板將重新打開，為後續的商業拓展提供更大空間。 H3的能力正在逐步取代AE、Premiere等軟體所代表的影片後期製作鏈條。過去的AI影片模型交付的是一段「素材」，使用者拿到的往往只是沒有配音、沒有字幕、沒有包裝的畫面，剩餘工作必須自己在AE、Premiere、剪映等工具中一步一步完成。H3的不同之處在於，它把「後期」這件事裝進模型內部，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。舉例來說，一個電商產品廣告的開場鏡頭，過去需要「文生影片取得產品在貨架上的動態畫面 → TTS合成『限時5折』旁白 → 剪映套字幕模板 → AE做產品打光高亮與價格數字彈跳動效」這一系列流程。到了H3，使用者只需輸入一張產品圖與一段廣告腳本，它一次輸出的成片就帶有貨架運鏡、旁白配音、字幕、價格彈跳、光影氛圍，每個視覺元素與畫面的空間、光線、節奏都對齊，而非簡單疊加。 根據前期邀測回饋，H3具備商用級多場景內容生成能力，在指令遵循、文字與品牌資訊呈現、V2V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、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，其中影片後製類工具佔相當比例；國內影片後製外包市場估算約在300至500億元人民幣區間。如果H3的AI原生後製能力在B端持續兌現，可能替代其中10%至30%的傳統後製工序。 MiniMax官方部落格中提到，「影片模型將能夠理解更完整的創作意圖，處理更複雜的內容需求，並逐步從『生成一段影片』，走向真正參與內容生產的全過程。」這讓人想起2011年之後的十年裡，Netflix吃掉了Blockbuster、Uber吃掉了計程車公司、Airbnb吃掉了連鎖飯店，技術能力的量變累積到某一刻會突然發生質變。軟體吃掉了那些不軟體的行業，現在，AI要吃掉那些不AI的軟體。 影片生成領域迎來旗艦開源時刻，就在H3發布當天，MiniMax宣布H3將在數日內開放模型權重。過去，影片生成領域的預設選項是閉源模型，Seedance、可靈、Sora、Veo，所有主流模型無一例外，理由很直接：影片模型訓練成本高、算力消耗大，閉源加API計費是最直接的商業模式。開源意味著行業不再是閉源模型獨大。 過去一段時間，影片生成行業整體由少數閉源模型主導，商業化路徑也基本圍繞「API計費＋會員訂閱」展開。過程中，行業出現了一些值得關注的現象：部分頭部產品在短時間內多次調整價格體系，導致使用者成本波動較大；C端產品與B端API之間存在定價倒掛情況；企業級接入門檻較高，中小團隊往往難以直接取得官方API權限，由此催生拼單、轉售等灰色中間服務。這些現象背後，反映的是閉源模式下的商業化邏輯——當少數模型佔據技術優勢時，供給方有較強的定價權。而開源模型的出現，可能改變這個格局，讓行業競爭從單一技術比拼，轉向更開放的生態競爭。 閉源模型接不住的高價值B端場景也被打開了。影視公司往往不會把品牌角色形象、未發布劇集素材放進公有雲API，廣告主不會接受品牌視覺每次生成時隨機漂移，遊戲公司的核心IP不能上第三方模型。這批客戶過去被閉源模型的「資料主權」問題擋在門外，是影片生成商業化裡最貴、最有黏性、也最沒被服務的一批。H3的模型開源與可本地私有化部署，正好接住這批客戶。 影片生成這個賽道，過去半年被傲慢定義，漲價、排隊、白名單、拼盤、掮客、帳號倒賣，用戶在抱怨，市場在沉默，中小公司被擋在門外，B端客戶在糾結於資料與資產。這不是一個健康的市場，是一個失衡的市場。H3把這口氣放了出來。旗艦、2K、開源、0.8元/秒的單價，把商用起步價壓到主流模型的三分之一，把這一切遞給整個開發者生態、遞給中小公司。影片生成的開源時代，從7月31日開始。 對港股MiniMax來說，H3的意義不只是又一款模型的發布。1月上市以來，市場對這家公司的估值錨點在變，市場情緒從「神壇」到「審慎」。H3是這家公司在跌宕之後的第一次主動出招。牌桌不會因為一款模型就重排，但它至少證明了一件事：MiniMax還有能力從頭掀翻一場遊戲。