MiniMax เปิดตัวโมเดล H3 สร้างวิดีโอแบบครบวงจร (multimodal) เมื่อวันที่ 31 กรกฎาคม 2026 ท้าชน ByteDance Seedance 2.5 ด้วยกลยุทธ์โอเพนซอร์สและราคาถูกถล่มทลาย [1][17] H3 คือสถาปัตยกรรม H3 Omni Transformer รองรับการป้อนข้อมูลทั้งข้อความ รูปภาพ วิดีโอ และเสียงในเฟรมเวิร์กเดียว ให้ผลลัพธ์เป็นวิดีโอ 2K พร้อมเสียงสเตอริโอ ก...

Create a landscape editorial hero image for this Studio Global article: How did Chinese AI firm MiniMax's launch of the H3 multimodal video generation model challenge ByteDance, and what were its benchmark rankin. Article summary: MiniMax launched its H3 multimodal video generation model on July 31, 2026, directly challenging ByteDance on the same day ByteDance released its Seedance 2.0/2.5 models. The challenge was multifaceted: H3 shipped with o. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
เมื่อวันที่ 31 กรกฎาคม 2026 สตาร์ทอัพด้าน AI สัญชาติจีนอย่าง MiniMax ได้เปิดตัวโมเดล H3 ที่สร้างวิดีโอได้หลากหลายรูปแบบ ในวันเดียวกับที่ ByteDance เปิดตัว Seedance 2.0/2.5 ทั้งสองฝ่ายถูกมองว่าเป็นการ 'ดวลกัน' และกลยุทธ์โอเพนซอร์สที่มาพร้อมต้นทุนต่ำของ H3 ท้าทายเจ้าตลาดปิดแหล่งที่ใหญ่ที่สุดในส่วนที่เติบโตเร็วที่สุดของ Generative AI
MiniMax เปิดเผยว่า H3 จะใช้สัญญาอนุญาตชุมชน MiniMax Community License (มีเพดานรายได้ 20 ล้านดอลลาร์สหรัฐสำหรับการใช้เชิงพาณิชย์) ซึ่งตัดราคากลยุทธ์ปิดแหล่งของ ByteDance โดยตรง H3 สร้างขึ้นบนสถาปัตยกรรม H3-Omni Transformer ซึ่งเป็นเฟรมเวิร์กที่เป็นหนึ่งเดียวที่จัดการข้อความ รูปภาพ วิดีโอ และเสียง ในขณะที่ Seedance 2.5 เป็นโมเดลแบบ Diffusion ที่เน้นความต่อเนื่องของระยะยาว
ความแตกต่างทางสถาปัตยกรรมนี้ทำให้เกิดประสิทธิภาพที่วัดผลได้ โดยต้นทุนต่อวินาทีของ H3 ที่ความละเอียด 2K นั้นน้อยกว่าหนึ่งในสามของคู่แข่งหลัก
แพลตฟอร์มการจัดอันดับอิสระ Artificial Analysis ได้จัดอันดับ H3 ดังนี้ :
| หมวดหมู่ | อันดับของ MiniMax H3 | เจ้าตลาด / หมายเหตุ |
|---|---|---|
| การแก้ไขวิดีโอ (Video Editing) | อันดับ 1 ของโลก | ได้คะแนนสูงสุดบนแพลตฟอร์ม |
| ข้อความเป็นวิดีโอ (Text-to-Video) | อันดับ 2 | ตามหลัง Google Gemini Omni Flash |
| รูปภาพเป็นวิดีโอ (Image-to-Video) | อันดับ 3 | ตามหลัง Seedance 2.0 และ Gemini Omni Flash |
Artificial Analysis ให้คะแนน H3 อันดับ 1 ในกระดานวิดีโอตัดต่อที่มีเสียง ด้วยคะแนน Elo 1,130 จากการทดสอบแบบ Blind-Preference 5,043 ตัวอย่าง H3 ยังอยู่ในอันดับ 2 ในข้อความเป็นวิดีโอที่มีเสียง ด้วยคะแนน Elo 1,242
ราคา API ของ H3 นั้นดุเดือดที่สุดในบรรดาโมเดลวิดีโอ AI ชั้นนำ :
เปรียบเทียบราคาต่อนาที: H3 ($7.80), Seedance 2.0 ($22.45), Kling 3.0 ($20.16) ที่ความละเอียด 2K ต้นทุนต่อวินาทีของ H3 น้อยกว่าหนึ่งในสามของคู่แข่งหลัก; ที่ 768p นั้นน้อยกว่าครึ่งหนึ่งของราคา 720p ของคู่แข่ง
H3 สร้างคลิปวิดีโอความยาว 4–15 วินาทีที่ความละเอียด 2K แบบเนทีฟ (2,560×1,440 พิกเซล) และ 24 เฟรมต่อวินาที พร้อมเสียงสเตอริโอที่สร้างในขั้นตอนเดียวกัน ไม่ใช่การนำมาต่อทีหลัง โมเดลรองรับข้อความ รูปภาพ วิดีโอ และเสียงเป็นอินพุตภายในบริบทเดียวที่เป็นหนึ่งเดียว
นอกจากนี้ยังรองรับ Video-to-Video (V2V) Motion Transfer ช่วยให้ควบคุมเรื่องราวได้อย่างแม่นยำ
MiniMax วางตำแหน่ง H3 สำหรับการสร้างเนื้อหาที่พร้อมผลิตในหลายอุตสาหกรรม :
H3 พร้อมใช้งานผ่าน API ภายใต้รหัสโมเดล MiniMax-H3 และบนแพลตฟอร์ม Hailuo AI ของ MiniMax ทางบริษัทสัญญาว่าจะปล่อยน้ำหนักโมเดลภายในไม่กี่วันหลังเปิดตัว
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
MiniMax เปิดตัวโมเดล H3 สร้างวิดีโอแบบครบวงจร (multimodal) เมื่อวันที่ 31 กรกฎาคม 2026 ท้าชน ByteDance Seedance 2.5 ด้วยกลยุทธ์โอเพนซอร์สและราคาถูกถล่มทลาย [1][17]
MiniMax เปิดตัวโมเดล H3 สร้างวิดีโอแบบครบวงจร (multimodal) เมื่อวันที่ 31 กรกฎาคม 2026 ท้าชน ByteDance Seedance 2.5 ด้วยกลยุทธ์โอเพนซอร์สและราคาถูกถล่มทลาย [1][17] H3 คือสถาปัตยกรรม H3 Omni Transformer รองรับการป้อนข้อมูลทั้งข้อความ รูปภาพ วิดีโอ และเสียงในเฟรมเวิร์กเดียว ให้ผลลัพธ์เป็นวิดีโอ 2K พร้อมเสียงสเตอริโอ กินเวลา 4–15 วินาที [5][8]
Artificial Analysis จัดอันดับ H3 เป็นอันดับ 1 ด้าน Video Editing ระดับโลก, อันดับ 2 Text to Video และอันดับ 3 Image to Video [2][13][14]