MiniMax H3 vs ByteDance Seedance: la batalla china por la IA de video se decide con pesos abiertos y precios récord

Cómo MiniMax H3 desafió a ByteDance

MiniMax se comprometió a liberar H3 bajo la Licencia Comunitaria MiniMax (con un límite de ingresos de 20 millones de dólares para uso comercial), socavando directamente la estrategia de código cerrado de ByteDance para Seedance . H3 está construido sobre H3-Omni Transformer de MiniMax, un marco unificado que maneja texto, imagen, video y audio, mientras que Seedance 2.5 es un modelo basado en difusión enfocado en la coherencia temporal de larga duración . La diferencia arquitectónica produce ganancias de eficiencia medibles: el costo por segundo de H3 en resolución 2K es menos de un tercio que el de sus rivales principales .

Rankings en benchmarks

La plataforma independiente de evaluación comparativa Artificial Analysis clasificó a H3 de la siguiente manera :

Artificial Analysis colocó a H3 primero en su tabla de clasificación de edición de video con audio, con una puntuación Elo de 1.130 a partir de 5.043 muestras de preferencia ciega . H3 también ocupa el segundo lugar en texto a video con audio, con una puntuación Elo de 1.242 .

Estrategia de precios

Los precios de la API de H3 son los más agresivos entre los principales modelos de video con IA :

• Resolución 2K: 0,13–0,14 USD por segundo (aproximadamente 7,80 USD/minuto) a través de la API de MiniMax .
• Resolución 768p: 0,09–0,10 USD por segundo (beta cerrada) .
• Precios de entrada: 0,04 USD por imagen de referencia; las primeras cinco imágenes de referencia son gratuitas; las referencias de audio son gratuitas .

Costos comparativos por minuto: H3 a 7,80 USD, Seedance 2.0 a 22,45 USD y Kling 3.0 a 20,16 USD . En resolución 2K, el costo por segundo de H3 es menos de un tercio que el de sus rivales principales; en 768p, es menos de la mitad del costo de los precios 720p de la competencia .

Especificaciones técnicas

H3 genera clips de video de 4 a 15 segundos en resolución 2K nativa (2560×1440 píxeles) y 24 fotogramas por segundo, con audio estéreo producido en la misma pasada de inferencia, no añadido después . El modelo admite texto, imágenes, video y audio como entradas dentro de un único contexto unificado . También es compatible con la transferencia de movimiento de video a video (V2V), lo que permite un control narrativo preciso al transferir movimientos de un video a otro .

Casos de uso comerciales previstos

MiniMax posiciona a H3 para la generación de contenido listo para producción en múltiples industrias :

• Publicidad y marcas: Destaca en el seguimiento de instrucciones, la representación precisa de texto y la presentación de marcas en video .
• Comercio electrónico: Demostraciones de productos y clips promocionales con audio nativo .
• Cine y narración: Soporta transferencia de movimiento V2V para un control narrativo preciso .
• Diseño UI/UX: Creación rápida de prototipos de interfaces animadas .
• Videojuegos: Generación de activos de formato corto con audio estéreo sincronizado .

H3 está disponible actualmente a través de API bajo el ID de modelo MiniMax-H3 y en la plataforma Hailuo AI para consumidores de MiniMax . Se prometió que los pesos del modelo se lanzarían en unos días .