MiniMax发布全模态模型H3，开源权重加速国产芯片适配

【科技纵览】7月31日，人工智能初创企业MiniMax正式对外披露了其最新研发的通用全模态生成模型H3。这款新模型具备对文本、图像、视频及声音进行统一理解的深层能力，并能直接输出原生双声道音视频内容。在视频生成规格上，它最高支持长达15秒的2K分辨率画面。

H3的核心定位在于商用级多场景的内容生产。无论是在指令遵循的精准度，还是文字与品牌信息的呈现效果，乃至视频到视频的动作迁移表现上，该模型均展现出显著优势。这些特性使其能够广泛落地于广告营销、电子商务、品牌建设以及游戏开发等商业领域。

价格策略方面，H3展现出极强的竞争力。在2K分辨率下，其每秒生成成本不足主流模型的三分之一；而在768P分辨率下，这一比例也低于二分之一。支撑这一效能的技术底座包括Contextual Omni Representation、H3-VAE以及H3-Omni Transformer等核心组件。通过引入理解与生成异构的训练架构，系统训练吞吐量提升了近30%。

值得注意的是，MiniMax宣布将在未来数日内开放模型权重。此举旨在推动开源社区的繁荣发展，并加速国产芯片对该模型的适配进程。回顾此前两代产品，Hailuo 01与02分别在系统构建和架构效率上完成了迭代优化，而H3则进一步实现了任务与模态的深度统一。公司透露，后续版本将致力于推动与M系列模型能力的融合，并持续提升画面的精细度。从行业视角看，这种“高性能+低门槛+开源”的组合拳，或许正是大模型从技术演示走向大规模商业落地的关键转折点。