北京时间 2026 年 8 月 3 日零点左右，上海 AI 公司 MiniMax 宣布其通用多模态视频模型 MiniMax H3 正式开源，模型权重面向全球开发者开放下载与部署。[1][2][3] 这意味着此前仅通过 Hailuo（海螺）应用与平台 API 提供的 2K 原生音视频生成能力，如今可以在本地与各类云端算力环境中自由运行和二次开发。[4][5][6]

MiniMax H3 最初于 7 月中在世界人工智能大会（WAIC 2026）亮相，并于 7 月 31 日正式发布，主打“通用全模态生成”与 2K、24fps、最高 15 秒的原生双声道音视频输出能力。[7][8][9] 在发布时，MiniMax 就明确提出将于“数日内”开放模型权重，以支持开源社区发展并加速国产芯片适配，本次 8 月 3 日的权重开放，兑现了这一承诺。[10][1][2][8]

MiniMax H3 被官方和多家技术媒体描述为“通用多模态视频生成模型”，能够在单一上下文中统一读取文本、图像、视频与音频，并直接生成带有双声道音轨的视频片段。[1][2][3][4] 模型支持最高 2K 分辨率输出，帧率约为 24fps，单次生成时长在 4–15 秒区间，音视频在一次前向推理中同步生成，而非事后配音或打分，这在现有主流视频模型中仍属少见。[1][2][5][6]

功能上，H3 支持多种任务形态：文本生成视频（text-to-video）、图像生成视频（image-to-video）、基于参考素材的风格与运动迁移（reference-to-video），以及“首尾关键帧生成”“精细视频编辑”等复杂操作。[7][5][6] 有实测指出，用户可以在一次请求中提供多达 9 张参考图像、3 段参考视频和 3 段音频片段，用于控制画面构图、运动轨迹、声音氛围甚至对白内容，从而实现广告创意、剧情预览、游戏过场动画等高度定制化的生成场景。[7][3][6]

在音频层面，H3 支持生成包含对白、音效与环境声的立体声道音轨，能够根据文本或参考音频自动布局角色说话位置、背景环境和声场空间感，使生成结果更接近完整的视听作品而非“无声短片”。[1][2][5] 部分评测机构认为，在视频编辑与音画同步细节上，H3 已在公开基准测试中位居前列，成为当前开源视频模型中最具竞争力的选项之一。[8][9]

此次“开源”实质上是将 MiniMax H3 以开放权重（open-weights）的形式对外发布，开发者可以下载模型参数，在自有环境中进行部署和定制，而不再完全依赖官方托管服务。[1][2][3] 多家推理平台与网关（如 Fal.ai、Vercel AI Gateway 等）已将 H3 标注为“开放权重的通用多模态视频模型”，并允许用户选择云托管或自建算力进行推理调用。[1][2]

业内分析人士透露，MiniMax 计划以自研的 MiniMax Community License（社区许可证）对 H3 开源权重进行授权，该许可证在允许广泛商用和二次开发的同时，对模型再分发与合规使用提出一定约束，被视为“介于传统开源与完全闭源之间”的务实方案。[4][1] 相关评论认为，这一授权模式将使 H3 成为当前视频生成赛道中体量最大的开放权重模型之一，为中小团队与独立开发者提供接近头部商业产品的技术起点。[4][5]

开源权重还被寄望于推动国产算力生态的成熟。MiniMax 在官方博客和中文媒体采访中强调，开放 H3 的一大目的，是“加速国产 AI 芯片与硬件的适配”，让更多本土 GPU、加速卡与推理集群能够针对具体视频工作负载进行优化。[6][7][5] 借助统一且高强度的视频生成基准，芯片厂商与云服务提供商可以在画质、延迟与吞吐率等指标上展开对标与调优，为未来大规模视频生成应用预备基础设施。[6][5][1]

在应用层面，开源 H3 预计将催生一批基于其能力的垂直产品，例如面向影视前期创意的“分镜生成器”、针对游戏与虚拟人直播的实时短视频引擎，以及面向广告与电商的高转化率商品展示视频工具等。[6][4][2] 随着社区对模型进行任务专用微调，H3 可能衍生出针对长视频剪辑、教育内容生成、企业培训等场景的变体，形成围绕通用视频底座的“开源应用生态”。[4][1][2]

在全球范围内，主流高画质视频生成模型长期以封闭服务形式存在，用户只能通过官方平台或少数合作方 API 使用其能力。[1][2][3] 路透社指出，MiniMax 宣布开放 H3 权重的举措，将“把中国开发者近年来在大模型领域逐步形成的开放权重路线，延伸到视频生成这一仍高度封闭的赛道”，具有标志性意义。[4] 对中国本土而言，H3 的开源被视为继开源语言模型之后，视觉与视听生成领域迈向开放的重要一步。[5][4]

H3 作为“海螺”家族的第三代产品，在架构上延续前两代对系统稳定性和推理效率的优化，并进一步实现“任务与模态的统一”，即用一个模型同时覆盖生成、编辑、参考驱动等多种能力。[5][6] 公司方面表示，后续版本将在画面精细度、长时序一致性和角色风格保持上持续迭代，并计划与自家 M 系列语言模型进行深度融合，以支持更复杂的多轮指令与剧情生成场景。[7][5]

在商业与开发者生态上，H3 已接入 MiniMax 自有的 Hailuo 应用、平台 API，以及多家第三方推理服务，并在发布后迅速获得创意工作室、内容平台与游戏厂商的关注。[1][8][9][10] 随着权重开放，预计将有更多企业选择在自有算力上部署 H3，以降低长期开销并掌控数据与合规风险；同时，开源社区对其进行量化、剪枝和跨框架移植，也有望进一步拓宽其在边缘设备与小型服务器上的落地空间。[7][11][10]

多名分析人士判断，MiniMax H3 的正式开源，标志着“开源 2K 视频时代”的开启：未来一两年内，围绕开源视频基础模型的竞争，将不再仅限于画质对比，而会扩展到生态构建、算力优化与行业解决方案整合等多个维度。[4][12][9] 在这一过程中，H3 能否保持技术迭代速度与社区活跃度，将直接决定其在全球视频生成版图中的长期地位。[4][9]