MiniMax H3：完整規格、定價、API 存取與使用範例（2026）

MiniMax H3 是 MiniMax 推出的通用型多模態生成模型，旨在在創意影片工作流中融合文字、圖像、影片與音頻，而不是將每一類媒體任務都當作單獨的模型處理。MiniMax 於 2026 年 7 月 31 日公開發布 H3，隨後也釋出模型權重。本指南聚焦於開發者與創意團隊在評估 H3 時真正需要的規格、定價、落地製作影響、Gate.AI 接入方式，以及關鍵對比。

什麼是 MiniMax H3？

MiniMax H3 是一個開放權重的影片生成模型，能理解多模態上下文，並生成附原生立體聲的音頻影片。MiniMax 將其定位為比任務型 Hailuo 工作流更廣泛的後續方案：H3 不再把文字到影片、圖像到影片、參考、動作遷移、音頻以及編輯等任務完全拆分開來，而是使用自然語言指令來描述多種輸入模態之間的關係。

提供方的文件涵蓋文字、圖像、影片與音頻上下文、最長 15 秒的影片輸出、最高 2K 的解析度、文字與品牌渲染、基於指令的編輯，以及影片到影片的動作遷移。MiniMax 於 2026 年 8 月 3 日開源了 H3，其中包括用於本地推理的 FL2VA 與 Ref2VA 檢查點。

Gate.AI 也會在目錄中單獨列出 H3，目錄識別碼為 minimax/minimax-h3。其文件中的影片 API 快速開始會把 minimax-h3 當作請求體裡的 model 值。將兩者區分開來在整合 API 時至關重要。

MiniMax H3 的關鍵規格與定價是什麼？

規格	已核實資訊
提供方	MiniMax
提供方上線	2026 年 7 月 31 日
開放權重釋出	2026 年 8 月 3 日
Gate.AI 目錄 ID	minimax/minimax-h3
Gate.AI API 模型值	minimax-h3
Gate.AI 顯示的上下文	131,072
輸入模態	文字、圖像、影片、音頻
輸出	附原生立體聲的音頻影片
提供方文件的最大時長	15 秒
提供方文件的最大解析度	2K
Gate.AI 768p 影片價格	$0.08/秒
Gate.AI 2K 影片價格	$0.13/秒
Gate.AI 圖像輸入價格	$0.04/張

Gate.AI 顯示上下文值為 131,072，但 MiniMax 並未在其 H3 發布材料中把這描述為常規 LLM 風格的最大提示視窗。因此，將 131K 視為 Gate.AI 清單中中繼資料（metadata），而不是提供方已確認的文字 token 上限，會更穩妥。

定價更容易換算到製作估算。以其列出的 768p 費率計算，10 秒影片成本約為 10 × $0.08 = $0.80。如果還會依照參考影像計費，列出的圖像輸入費用會把該計算提高到約 $0.84（在加入任何額外、任務特定費用之前）。10 秒的 2K 輸出約為 $1.30，不包含適用的輸入費用。

MiniMax H3 能在製作中帶來哪些價值？

當創意 brief 內包含多種型態的參考素材時，H3 特別適用。MiniMax 展示了這樣的工作流：動作來自參考影片，角色來自圖像，音頻則補足目標場景的另一部分。自然語言指令用於描述這些來源應如何相互作用。

這有助於降低對「將拆分後的生成、參考遷移以及視聽任務分別路由到不相關模型」的需求。廣告與電商團隊也可以利用 H3 文件中強調的文字與品牌渲染能力，用於產品短片、動態海報、介面概念、片頭標題，以及附品牌的創意內容。

第二個製作優勢是部署彈性。MiniMax 已釋出 H3 模型權重，並提供包含 SGLang、vLLM、diffusers 與 ComfyUI 的支援路徑；同時，Gate.AI 也提供託管的非同步 API 路徑。因此團隊可以在「託管生成」與「自行管理推理」之間進行評估，而不必被限制只能使用某一種接入模型。

MiniMax H3 支援哪些模態？

模態	作用
文字	指令與創意引導
圖像	可視或主體參考
影片	動作、視覺或編輯參考
音頻	音頻/參考上下文
影片	生成的視覺輸出
音頻	附影片的原生立體聲輸出

MiniMax 將 H3 描述為一種全模態系統，可共同理解文字、圖像、影片與音頻上下文。提供方文件給出了 4–15 秒輸出、多種畫面比例，以及最高 2K 的解析度。Gate.AI 的通用影片端點還額外支援 reference-image、reference-video 與 reference-audio 字段，但開發者應在正式部署前核實其 H3 工作流實際可接受的字段組合。

MiniMax H3 有哪些不足？

H3 仍是短時長影片模型：MiniMax 文件中給出的最大生成長度為 15 秒，因此長內容製作仍需要多次生成以及下游編輯。

一些運作層面的字段也仍不如成熟的文字模型 API 那樣清楚明確。公開的 H3 材料沒有把 Gate.AI 的 131K 值建立成常規文字提示視窗；同時，公開基準的宣稱也不應被當作與獨立的正式生產級測試等價。

Gate.AI 的模型卡也同時列出了 minimax/minimax-h3 與 API 請求值 minimax-h3。開發者應遵循模型特定的快速開始（quick-start）裡的請求體格式，而不是直接假設目錄路徑本身就是可執行的請求 ID。

MiniMax H3 最適合用來做什麼？

當需要把 多份創意參考合併成一段短視聽輸出 時，MiniMax H3 很契合。示例包括含可見文字的品牌廣告、由參考圖像驅動的產品展示、從既有片段進行動作遷移、動畫化的 UI 或網站概念，以及視聽社群內容。

當多模態參考、原生音頻、編輯彈性、2K 輸出或需要使用開放權重的接入方式很重要時，可以選擇 H3。若目標是更簡單的短文字到影片或圖像到影片生成，且不需要這些更廣泛的參考能力，較窄定位的模型可能會帶來更直接的工作流。

人工審核仍適用於品牌拼寫、產品細節、視覺連貫性、音頻正確性、對版權敏感的素材，以及具有商業重要性的主張。

MiniMax H3 與 Hailuo 2.3 以及 Wan 2.6 T2V 如何對比？

H3 與既有的影片生成產品頁面有重疊，但它的搜尋意圖應保持差異化：H3 是 通用型多模態參考與編輯模型；而 Hailuo 2.3 主要面向短文字/圖像到影片生成，Wan 2.6 T2V 則聚焦於文字到影片創作。

領域	MiniMax H3	Hailuo 2.3	Wan 2.6 T2V
主要工作流	多模態生成/編輯	文字/圖像到影片	文字到影片
參考影片/音頻	提供方文件的多模態上下文	工作流更有限	T2V 定位
原生音頻	是	非所列工作流的重點	是
最大文件解析度	最高 2K	768p/1080p	720p/1080p
典型時長	最多 15 秒	6–10 秒	最多 15 秒
開放權重	是	無可比的 H3 開放權重定位	獨立生態
Gate.AI H3 定價	768p 為 $0.08/秒；2K 為 $0.13/秒	任務計價	720p 為 $0.10/秒；1080p 為 $0.15/秒

如果讀者關注 MiniMax 更早的短影片工作流，可對比 Hailuo 2.3 的規格、定價與 API 指南。若需要對比更窄的文字到影片工作流，請查看 Wan 2.6 T2V 的規格與定價指南。

如何透過 Gate.AI 使用 MiniMax H3？

Gate.AI 透過其非同步影片生成端點提供 H3 的文件說明：

POST https://api.gate.ai/api/v1/videos

驗證方式是在 Authorization: Bearer 標頭中使用 Gate.AI API key。H3 模型頁的可執行快速開始使用 minimax-h3 作為請求模型值。任務會回傳 job_id，接著可透過 GET /api/v1/videos/{job_id} 查詢。

Python 範例

import os
import requests
api_key = os.environ["GATEAI_API_KEY"]
headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json",
}
payload = {
    "model": "minimax-h3",
    "prompt": "A premium product ad, slow camera orbit, clean studio lighting",
    "duration": 6,
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "generate_audio": True
}
response = requests.post(
    "https://api.gate.ai/api/v1/videos",
    headers=headers,
    json=payload,
    timeout=60
)
response.raise_for_status()
data = response.json()["data"]
print("Job ID:", data["job_id"])
print("Status URL:", data["status_url"])

curl 範例

curl "https://api.gate.ai/api/v1/videos" \
  -H "Authorization: Bearer $GATEAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-h3",
    "prompt": "A premium product ad, slow camera orbit, clean studio lighting",
    "duration": 6,
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "generate_audio": true
  }'

這些範例遵循 Gate.AI 已文件化的 H3 快速開始與影片任務架構；它們是基於文件的範例，而非經過執行驗證的範例。

常見問題（FAQs）

MiniMax H3 是開源的嗎？

MiniMax 將 H3 描述為開源，並在 2026 年 8 月 3 日釋出模型權重。公開的檢查點包含 FL2VA 與 Ref2VA 任務家族，可透過支援的推理框架使用。

MiniMax H3 能生成音頻嗎？

可以。MiniMax 文件說明其會與影片一併生成原生立體聲音頻，無需單獨進行音頻生成步驟。

MiniMax H3 的最大影片時長是多少？

MiniMax 的開放權重文件列出了生成影片時長範圍為 4 到 15 秒。

在 Gate.AI 上使用 MiniMax H3 需要多少錢？

截至 2026 年 9 月，Gate.AI 將 768p 影片生成標示為 $0.08/秒，2K 為 $0.13/秒，圖像輸入為 $0.04/張。

MiniMax H3 有 131K 的上下文視窗嗎？

Gate.AI 顯示的上下文值為 131,072。不過，MiniMax 的提供方文件並未用常規的 LLM token 上下文規範來定義 H3，因此這個數值不應被自動解讀為 131K 的文字提示上限。