MiniMax H3 是上海稀宇科技（MiniMax）在 2026 年 7 月 31 日釋出的影片生成模型，並於北京時間 8 月 3 日 0 點開源權重（許可證文本落款的釋出／授權日期為 8 月 2 日）。官方稱它為「通用的全模態生成模型」：能同時理解文字、圖片、影片、音訊組成的多模態上下文，一次生成帶原生雙聲道音效的影片。按 Hugging Face 官方模型卡：輸出時長 4～15 秒、24 FPS、音訊 32 kHz 立體聲，預設短邊 768 畫素，經 H3-Regenerate-2K 再生成可到 2K；對白穩定支援中文、英文等 11 種語言。想用它有三條路：在 hailuoai.com 海螺 AI 裡直接生成；開發者在 platform.minimax.cn 調 MiniMax-H3；或到 Hugging Face 的 MiniMaxAI/MiniMax-H3 下載權重自己部署。它是海螺影片繼 Hailuo 01、Hailuo 02 之後的新一代，產品層面的入口與域名辨析見 海螺AI網頁版 頁。
MiniMax H3 引數與架構
核心的 H3-Omni-Transformer 是 330 億引數（33B）的稠密單流 Transformer（Hugging Face 統計為 33,122,992,896 個引數），其中約 130 億引數在 AdaLN 分支裡——官方說明這部分輸出可以預先計算快取，只做推理時不必載入，社群的「pruned（裁剪版）」權重就是去掉了這塊。文本與視覺理解用的編碼器是完整的 Qwen3-VL-32B（取第 50 層隱狀態），影片 VAE 空間壓縮 16 倍、時間壓縮 4 倍，音訊 VAE 把 32 kHz 音訊壓到每秒 40 個 token。權重分成兩個任務檢查點：FL2VA（文生影片、首幀／尾幀／首尾幀生影片）和 Ref2VA（全能參考：最多 9 張圖、3 段影片、3 段音訊，合計不超過 12 個檔案），都是 BF16 精度、做過 CFG 蒸餾。
要注意開源的不是完整系統：官方的 H3 由三段組成——負責理解並改寫多模態指令的 H3-Context-IR、生成 768P 音影片的 H3-Base、把 768P 再生成為 2K 的 H3-Regenerate-2K。這次只開源了 H3-Base；Context-IR 依賴多個託管模型與服務、不開源，Regenerate-2K 官方稱「待準備好後釋出」，兩者目前都得調開放平台 API。官方特別強調 Context-IR 對最終質量「至關重要」，本地只跑 H3-Base 的，建議照官方的提示詞寫作指南自己搭一層預處理。稀疏注意力推理實現也寫明會在後續更新中單獨釋出。
開源許可證：能不能商用
許可證是獨立的 MiniMax H3 Community License Agreement，授權方為 Nanonoble Pte. Ltd.，適用香港法律。要點：①地域限制——美國、歐盟、英國、韓國被列為「排除地區」，不在授權範圍內（官方說是因為這些地區影片生成監管尚不明朗，可另行申請授權），中國大陸不在排除之列；②商用——免版稅可商用，但商業產品或服務年收入超過 2,000 萬美元須事先取得 MiniMax 書面授權，且使用 H3 的商業產品須在介面顯著位置標註「MiniMax H3」；③不得用 H3 或其輸出去改進其他 AI 模型，不得用於軍事用途；④對外提供生成服務的，要建立防侵權、防濫用的稽核與舉報機制。編碼器 Qwen3-VL-32B 部分另按 Apache 2.0。
本地部署視訊記憶體：官方口徑
先說結論：MiniMax 官方沒有公佈 H3 的最低視訊記憶體。官方開放平台的《本地執行與自託管部署 MiniMax H3》文件（2026-08-26 審閱）原話是 ComfyUI 指南「未公佈」最低視訊記憶體與效能，SGLang 路徑給的 8 × B200 只是參考配置、「不代表最低硬體要求」。能查到的實測數字都來自官方推薦的推理框架文件：SGLang Cookbook 寫明 H3 完整權重約 108 GB（DiT 61.73 GB＋文本編碼器 46.18 GB），「任何消費級配置都放不下全部權重」，關鍵不在顯示卡而在主機記憶體有多大——按層解除安裝方案下，12 GB 視訊記憶體＋32 GB 記憶體能跑通 864×480、124 幀、20 步（每步約 16.8～18.7 秒，但該數字是在 2 TB 記憶體的機器上測得，真實 32 GB 記憶體的電腦會因反覆讀盤更慢）；16 GB 視訊記憶體＋約 117 GB 可鎖頁記憶體可把每步降到約 6 秒；單張 RTX 4090 D 24 GB 配合線上 INT8 量化跑 1344×768、107 幀、20 步，視訊記憶體峰值約 18 GB、端到端 303.3 秒。diffusers 文件的口徑是：BF16 下 Transformer 61.7 GB、Qwen3-VL 編碼器 62.1 GB，單張 80 GB 卡要靠自動 CPU 解除安裝，24～32 GB 消費卡需 INT8 量化加分塊解除安裝，INT8 時約佔 75 GB 主機記憶體；兩張 80 GB 卡可不解除安裝跑滿 BF16。
本地部署視訊記憶體：社群量化版
B 站、知乎上大量教程標題寫「8G 視訊記憶體就能跑」，靠的是兩件事：一是社群低位元量化權重，二是 ComfyUI 的按層解除安裝——需要哪層才搬進視訊記憶體，其餘留在記憶體和硬碟。這類說法是社群實測，不是官方要求，畫質、速度和對記憶體的依賴都要自己驗證。可以對照幾份權重的實際體積（Hugging Face 檔案大小，2026-09-14 查詢）：Comfy-Org 轉換版的 FL2VA 裁剪 INT8 模型 20.97 GB、裁剪 FP8 20.96 GB，文本編碼器 NVFP4 版 15.69 GB，影片 VAE 5.21 GB、音訊 VAE 0.61 GB；unsloth 的 GGUF 版裁剪 FL2VA 從 Q2_K 6.72 GB、Q4_K 11.42 GB 到 Q8_0 21.44 GB 不等，另有 NVFP4、INT4／INT8 混合量化等社群版本。視訊記憶體越小，越依賴大記憶體兜底、出片也越慢。各檔顯示卡怎麼選見 本地部署顯示卡選型。
官方推薦的部署方式
H3 模型卡列出四條路：SGLang（官方文件標註 Preview，v0.5.17 及以後版本已支援，模型卡示例用 4 卡起服務）、vLLM（官方文件註明 vLLM-Omni 方案為社群維護的 recipe）、diffusers（以 ModularPipeline.from_pretrained("MiniMaxAI/MiniMax-H3") 載入，按任務只拉需要的元件）、ComfyUI（0.30.0 及以上原生模板，用 Comfy-Org 轉換權重）。個人電腦想點鼠標出片選 ComfyUI；要做成 HTTP 服務、接進應用選 SGLang。下載前注意：官方倉庫同時放了原始檢查點（FL2VA／、Ref2VA／）和 diffusers 格式兩套，整個倉庫合計約 498.5 GB，用 hf download 時要加 --include 只拉需要的目錄；官方文件估計每個檢查點分割槽約佔 135 GiB 磁碟。
在海螺 AI 裡怎麼用 H3
不想部署的，直接開啟 hailuoai.com（中文站，大陸可直連），頂欄進入「影片 H3」即可生成；海外賬號走 hailuoai.video。也可以裝官方桌面端 MiniMax Design，它是多模態創作 Agent，把出圖、出片、配音串成一條流水線。國際站 H3 頁面給出的參考成本是 2K 影片每秒約 0.073～0.120 美元（隨套餐不同），並自稱比 Seedance 2.5 的 720P 低 46%～67%——這是海螺官方的自比口徑。中文站的會員檔位與積分消耗，以登入後的訂閱頁為準。
MiniMax H3 API 價格
走開放平台按量計費（人民幣刊例價，2026-09-14 核）：MiniMax-H3 768P ¥0.50／秒、2K ¥0.80／秒，按輸出秒數計；輸入素材裡音訊免費，圖片 5 張以內免費、超出 ¥0.20／張，輸入影片按時長和生成解析度另計（2K ¥0.80／秒、768P ¥0.50／秒）。把 768P 成片再生成為 2K 的 MiniMax-H3-Regeneration 為 ¥0.30／秒；提示詞理解的 MiniMax-H3-Context-IR 每百萬 token 輸入 ¥5.80、輸出 ¥23.00。另有 MiniMax-H3-Max：官方文件說明它由 MiniMax 與 fal.ai 聯合出品、基於 H3 後訓練，專為高速生成最佳化，只出 480P（¥0.33／秒）和 768P（¥0.50／秒），時長 5～15 秒，未見開源權重。按官方口徑，一條 10 秒 2K 影片約 ¥8。官方釋出文稱 H3 在 2K 下每秒價格不到主流模型的三分之一。
榜單成績
釋出時多家媒體報道 H3 登上第三方評測平台 Artificial Analysis 影片編輯榜第一、是首個登頂該平台影片榜的開源模型。榜單排名會隨新模型加入變動，本站 2026-09-14 檢視 Artificial Analysis 官網的盲測 Elo：影片編輯榜第 2（1128 分，阿里 Wan 3.0 以 1196 分居首）；文生影片（帶音訊）榜第 4（1226 分），是其中得分最高的開源權重模型；圖生影片（帶音訊）榜第 3（1190 分）。後訓練版 H3 Max 分別排在文生影片第 3（1231 分）和圖生影片第 1（1206 分）。
MiniMax H3 和 M3 是什麼區別
兩者經常被一起搜，但完全不是一類模型：H 系列是影片生成（H3 輸出帶聲音的影片），M 系列是文本大模型。MiniMax M3 於 2026 年 6 月 1 日在開放平台釋出，Hugging Face 模型卡寫明為約 4,280 億總引數、約 230 億啟用引數的原生多模態模型（能看圖、看影片，但只輸出文字），上下文 1M tokens（官網稱保障至少 512K 可用），主打程式設計與 Agent 任務，權重在 MiniMaxAI/MiniMax-M3、許可證為 MiniMax 自有的社群許可。M3 按 token 計費：≤512K 輸入檔標準刊例價每百萬 token 輸入 ¥4.20、輸出 ¥16.80，官網標註「永久五折」後為 ¥2.10／¥8.40。一句話：要生成影片找 H3，要寫程式碼、做對話和 Agent 找 M3；M3 與其他文本模型的比價見 MiniMax 模型與 API 價格。官方在 H3 釋出文裡也提到，下一代 H 系列會推動與 M 系列能力的融合。
MiniMax Code 與 MiniMax Design
這兩個也是和 H3 一起高頻出現的名字，都是 MiniMax 的產品而非模型：MiniMax Code 是官網列出的基於 M3 的通用 Agent 平台（code.minimaxi.com 現跳轉到 agent.minimaxi.com），偏程式設計與辦公任務，和影片無關；MiniMax Design 是面向商業內容生產的多模態創作 Agent 桌面應用（官網 design.minimaxi.com，下載入口 hub.minimaxi.com），H3 官方模型卡把它列為 H3 的桌面端入口，頁面上的「教程中心」也是搜尋結果裡常見的 H3 教程來源。