MiniMax se zavázal k open-sourcingu H3 pod licencí MiniMax Community License (s limitem 20 milionů USD na komerční příjmy), čímž přímo narušil uzavřenou strategii ByteDance . H3 je postaven na architektuře MiniMax H3-Omni Transformer – jednotném rámci, který v jednom průchodu zpracovává text, obrázky, video i audio. Seedance 2.5 je naproti tomu difuzní model zaměřený na dlouhou časovou koherenci . Architektonický rozdíl přináší měřitelné úspory: cena H3 za sekundu ve 2K je méně než třetina ceny mainstreamových konkurentů .
Nezávislá benchmarková platforma Artificial Analysis zařadila H3 následovně :
| Kategorie | Pozice MiniMax H3 | Lídr / Poznámka |
|---|---|---|
| Střih videa | #1 na světě | Nejhůře hodnocený model na platformě |
| Text-to-Video | #2 | Za Google Gemini Omni Flash |
| Image-to-Video | #3 | Za ByteDance Seedance 2.0 a Gemini Omni Flash |
V kategorii střihu videa se zvukem dosáhl H3 Elo skóre 1 130 z 5 043 slepých preferenčních vzorků . V text-to-video se zvukem má Elo 1 242 .
API ceny H3 patří k nejagresivnějším na trhu AI videa :
Srovnání nákladů na minutu: H3 – 7,80 USD, Seedance 2.0 – 22,45 USD, Kling 3.0 – 20,16 USD . Ve 2K je cena H3 za sekundu méně než třetina konkurence; v 768p méně než polovina ceny konkurenčního 720p .
H3 generuje videoklipy o délce 4–15 sekund v nativním 2K rozlišení (2 560 × 1 440 pixelů) při 24 snímcích za sekundu. Stereo audio vzniká v tomtéž inferenčním průchodu, nikoli se dodatečně připojuje . Model jako vstup přijímá text, obrázky, video i audio v jediném kontextu . Podporuje také Video-to-Video (V2V) Motion Transfer, který umožňuje přenášet pohyb z jednoho videa do druhého pro přesnou kontrolu nad narativem .
MiniMax cílí H3 na produkční nasazení v několika odvětvích :
H3 je aktuálně dostupný přes API pod identifikátorem MiniMax-H3 a na spotřebitelské platformě Hailuo AI . Váhy modelu měly být uvolněny během několika dnů po spuštění .