新芒xAI 7月31日消息，MiniMax宣布正式发布MiniMax H3，这是一款通用全模态生成模型，支持对文本、图像、视频、声音等多模态上下文进行统一理解，并可输出具备原生双声道的音视频内容，最高支持15秒、2K分辨率生成。
MiniMax表示，计划在未来几天内，在符合相关法律法规的前提下开放模型权重。若开放顺利落地，H3将成为国内全模态生成模型竞争中一个值得关注的新节点：模型能力不再只围绕文本、图像或视频单点展开，而是进一步转向跨模态输入理解与音视频一体化生成。
关键要点
- H3定位为通用全模态生成模型。 模型覆盖文本、图像、视频、声音等上下文理解，并强调多模态信息的统一处理能力。
- 输出能力扩展到原生音视频。 MiniMax称H3可生成带原生双声道的音视频内容，最高支持15秒、2K分辨率，指向更完整的创意生产链路。
- 模型权重开放仍有前提。 公司表示将在未来几天内、在符合法律法规的前提下开放模型权重，具体时间、授权方式和使用限制仍需等待正式公布。
- 国内多模态模型竞争继续升温。 从视频生成、语音生成到智能体工具链，国内模型公司正在把能力边界从单一模态推向全模态协同。
新芒xAI评论
MiniMax H3的看点不只是“又一个视频模型”，而是把输入理解、音频表达和视频生成放进同一套全模态框架。对创作者和企业来说，真正有价值的不是单次生成一段画面，而是模型能否稳定理解复杂素材、保持角色与叙事一致，并把声音、画面和节奏协同起来。
如果H3后续开放权重，将进一步放大其生态影响。开放权重意味着开发者和企业可以围绕本地部署、二次训练、行业化工作流和创意工具链做更多探索，也会把国内模型竞争从API调用价格，推进到模型可控性、部署灵活性和社区生态。
但全模态生成仍然面临质量、成本、版权、安全和合规多重检验。尤其是音视频生成模型，一旦进入开放权重和大规模应用阶段，内容溯源、肖像声音保护、生成内容标识和滥用防控都会成为必须同步解决的问题。
