信息卡

一句话定位

MiniMax 的通用全模态生成系统：统一理解文本/图像/视频/音频上下文，生成原生立体声视频的开源核心 H3-Base——33B 稠密单流 Transformer，复用 Qwen3-VL 作为理解骨干。（对应图片文件名为 MiniMaxAI_MiniMax-H3.png）

为什么上热度榜

海螺系列在 C 端视频生成早已口碑爆棚，H3 第一次把这套能力部分开源即引爆关注：月下载约 479 万、点赞 4.49K、100 个衍生 Spaces 的体量说明需求侧巨大；"直接拿 Qwen3-VL-32B 当编码器"的工程选择在技术社区引发热议；音频+视频联合潜空间生成依旧是稀罕能力。数据为采集时点信息。

模型规格与技术亮点

• 三模块系统：H3-Context-IR（指令预处理编排，仅 API）→ H3-Base（768p 音视频生成，已开源）→ H3-Regenerate-2K（in-context 重生成到 2K，仅 API）。
• 核心模型：33B 稠密单流 Transformer（非 MoE），其中约 13B 位于 AdaLN 分支、推理时可因调制输出可预计算而卸载。
• 组件构成：H3-Encoder 直接复用 Qwen3-VL-32B 第 50 层隐状态并增补特殊 token；H3-VisualVAE 为时间因果自编码器（空间16×/时间4×压缩，patchify 后有效下采32×）；H3-AudioVAE 将 32kHz 立体声转 40Hz 潜 token；Omni-Transformer 用三维 MM-RoPE (t,h,w) 联合预测视+听 latents。
• 发布形态：CFG 蒸馏权重，BF16；开源版推理仅 full attention（训练末期已引入原生稀疏注意力）。
• 生成规格：4–15 秒、24FPS、32kHz 立体声、默认短边 768px、宽高比覆盖 21:9 到 9:16；Ref2VA 支持最多 9 图 + 3 视频 + 3 音频片段的多参考输入。

使用方式与代码示例

推荐框架为 SGLang、vLLM、diffusers 与 ComfyUI。SGLang 四卡部署：

sglang serve --model-path MiniMaxAI/MiniMax-H3 --num-gpus 4 \
  --ulysses-degree 4 ... --model-variant fl2va   # 或 ref2va

权重下载：`hf download MiniMaxAI/MiniMax-H3 --include "FL2VA/*" "Ref2VA/*"`；diffusers 用户由 `ModularPipeline.from_pretrained()` 自动拉取。页面顶部示例与正文存在出入，以正文推荐的 diffusers 文档加载或 SGLang/vLLM 部署为准。完整 2K 流程 = 本地 768p 生成 + 官方 API 组合。

部署建议（本地/云端量化选择）

开源的 H3-Base 全量 BF16 约 66GB 权重，实用起步配置为 4×80GB（配套 Ulysses 并行）；创作者快速出片直接用 hailuoai.video / platform.minimax.io 的托管 API；追求 2K 成片必须搭配官方 Regenerate-2K 云端环节；社区已有 55 个量化版本可降低显存门槛，但音频保真建议避免过激进度量化。

典型应用场景

带对白与环境音的短剧/广告成片生成；多参考素材驱动的角色一致性视频（Ref2VA）；虚拟主播与口播内容的自动化生产；音视频联合的世界模拟研究基座。

同类模型对比

对比 Lightricks LTX-2.5：LTX 长于多镜头叙事与本地轻量部署，MiniMax-H3 强在 omni 理解输入与原生立体声但核心链路部分闭源；对比 Wan 类纯视频模型：H3 的音频联合生成与指令编排是代差优势；对比自家海螺 API：本地版自由度高但上限止步 768p。以上为采集时点对比快照。

资源导航

模型页 https://huggingface.co/MiniMaxAI/MiniMax-H3 · 托管平台 platform.minimax.io（全球）/ platform.minimaxi.com（中国）· 海螺 App hailuoai.video · diffusers ModularPipeline 文档