MiniMax H3全模态模型发布，2K视频生成革新

稀宇科技近日正式推出新一代全模态生成模型MiniMax H3，该模型在统一多模态理解与生成方面实现重要突破，支持对文本、图像、视频和声音组成的多模态上下文进行深度理解，并可输出具备原生双声道的音视频内容，最高支持15秒2K分辨率，为商用级内容创作提供了全新工具。

据前期邀测反馈，MiniMax H3在指令遵循、文字与品牌信息呈现、以及V2V Motion Transfer（视频到视频动作迁移）等关键能力上表现出色，能够精准、可控地实现多模态内容的编辑与生成。这一特性使其在广告、电商、品牌设计、UI/UX和游戏等场景中具备广泛的应用潜力，满足企业对高质量、高效率内容生成的需求。

在核心技术层面，MiniMax H3引入了增强的Caption能力，并定制了专属模型和全模态理解管线。在推理过程中，大部分素材需要消耗约100K Token，最终输出平均约4K Token，这种设计在保证生成质量的同时，也优化了计算资源的利用效率。

值得关注的是，MiniMax H3的2K视频输出能力并未采用常规的超分模块，而是利用H3基础模型对自身低分辨率结果进行in-context重新生成。这一创新方案最大程度地复用了基础模型已有的生成能力，避免了传统超分方案中依赖“猜测”还原细节的局限，从而能够更真实地恢复视频中的高频信息，提升输出内容的清晰度和自然度。

MiniMax H3的发布标志着全模态生成技术向实用化迈出重要一步。其多模态统一处理能力与创新的超分机制，为内容创作行业带来了新的可能性。据悉，MiniMax H3将在未来几天内开放模型权重，届时开发者可基于该模型进行二次开发与集成，进一步推动AI生成技术在更多领域的落地。