MiniMax H3 vs. ByteDance Seedance: Priskrig om AI-video tager fart

Åben model mod lukket platform

MiniMax har lovet at udgive H3's modelvægte under MiniMax Community License. Licensen har en omsætningsgrænse på 20 millioner dollar for kommerciel brug . Det står i kontrast til ByteDance, der holder Seedance lukket.

Teknisk bygger H3 på MiniMax' H3-Omni Transformer – en samlet ramme, der håndterer tekst, billeder, video og lyd. Seedance 2.5 er derimod en diffusionsbaseret model, der især er udviklet med fokus på tidsmæssig sammenhæng i længere videosekvenser .

Ifølge MiniMax giver denne forskel en betydelig effektivitetsgevinst. Ved 2K-opløsning er H3's pris pr. sekund mindre end en tredjedel af prisen hos almindelige konkurrenter .

H3's placering i benchmarktests

Den uafhængige benchmarkplatform Artificial Analysis placerede H3 således :

I videoredigering med lyd indtog H3 førstepladsen med en Elo-score på 1.130. Resultatet bygger på 5.043 blindtests, hvor brugere sammenlignede modelresultater uden at kende deres ophav .

H3 ligger desuden som nummer to i kategorien tekst-til-video med lyd med en Elo-score på 1.242 . Resultaterne viser derfor et stærkt udgangspunkt for redigering og kontrol – men ikke en førsteplads i alle former for videogenerering.

En aggressiv prisstrategi

H3's API-priser er blandt de laveste for førende AI-videomodeller :

• 2K-opløsning: 0,13–0,14 dollar pr. sekund, svarende til cirka 7,80 dollar pr. minut via MiniMax' API .
• 768p-opløsning: 0,09–0,10 dollar pr. sekund. Denne løsning er angivet som lukket beta .
• Billedreferencer: 0,04 dollar pr. billede. De første fem billedreferencer er gratis .
• Lydreferencer: Gratis .

Til sammenligning er den oplyste pris pr. minut 22,45 dollar for Seedance 2.0 og 20,16 dollar for Kling 3.0, mens H3 ligger på 7,80 dollar .

På 2K-niveau koster H3 dermed mindre end en tredjedel af de almindelige konkurrenters pris pr. sekund. Ved 768p siger MiniMax, at modellen koster mindre end halvdelen af konkurrenternes 720p-priser .

Tekniske specifikationer

H3 kan generere videoklip på 4–15 sekunder i native 2K-opløsning – 2.560 × 1.440 pixel – ved 24 billeder i sekundet . Stereolyden genereres i samme inferenskørsel som videoen i stedet for at blive lagt på bagefter.

Modellen kan tage tekst, billeder, video og lyd som input i én samlet kontekst . Den understøtter også Video-to-Video Motion Transfer, hvor bevægelser fra én video kan overføres til en anden. Funktionen er udviklet til at give brugeren mere præcis kontrol over fortælling og bevægelse .

H3 er i øjeblikket tilgængelig gennem API'et under model-ID'et MiniMax-H3 samt på MiniMax' forbrugerplatform Hailuo AI . MiniMax lovede, at modelvægtene ville blive udgivet få dage efter lanceringen .

Hvem er H3 målrettet mod?

MiniMax positionerer H3 som et værktøj til produktionsklart indhold på tværs af flere brancher :

• Reklame og branding: Modellen skal være stærk til at følge detaljerede instruktioner, gengive tekst korrekt og præsentere brands i video .
• E-handel: Produktpræsentationer og salgsvideoer kan genereres med lyd direkte fra modellen .
• Film og historiefortælling: V2V Motion Transfer giver mulighed for mere præcis styring af bevægelser og scener .
• UI/UX-design: Designere kan hurtigt fremstille prototyper af animerede brugerflader .
• Spil: Udviklere kan generere korte videoaktiver med synkroniseret stereolyd .

Det afgørende spørgsmål

H3's lancering gør AI-videokonkurrencen til mere end et kapløb om længere klip og højere opløsning. MiniMax satser på, at en model med åbne vægte og lave brugsomkostninger kan finde vej ind i flere udvikleres værktøjer og produktionsflows.

Benchmarkresultaterne giver H3 et stærkt udgangspunkt, især inden for videoredigering. Samtidig viser placeringerne i tekst-til-video og billede-til-video, at modellen ikke er førende på alle områder. Den langsigtede betydning afhænger derfor også af, om de lovede modelvægte leverer samme kvalitet uden for MiniMax' egne tjenester – og om virksomheder faktisk tager dem i brug.