MiniMax: H3

MiniMax: H3 è un modello di generazione video di MiniMax, rilasciato il 2026-07-29. È descritto dal provider come un modello leggero, con pesi aperti, pensato per l'editing multimodale preciso e la generazione controllata di contenuti. La sua categoria principale è video, ed è rivolto a flussi di lavoro in cui l'output è una clip video generata o modificata anziché testo o un'immagine statica.

Il modello accetta testo, immagini, video e audio come input, e produce video come unica modalità di output. La generazione è controllata tramite diverse impostazioni: le risoluzioni di output sono 2K, e puoi scegliere tra rapporti d'aspetto di 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. Le durate delle clip vanno da 5 a 15 secondi con passi di un secondo. Puoi fornire un primo frame, un ultimo frame, o entrambi per ancorare il risultato, ed è supportata la generazione audio. Nessuna lunghezza di contesto è pubblicata per questo modello.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. Le modifiche guidate da istruzioni si adattano bene, poiché il modello prende un video esistente insieme a istruzioni testuali. Il rendering di testo e brand all'interno del footage generato è un altro punto di forza dichiarato, adatto a brevi sequenze promozionali o di titoli. Poiché accetta insieme input di immagini, video e audio, può essere usato per la generazione controllata di contenuti in cui vuoi guidare l'aspetto e la temporizzazione di una clip invece di lasciare tutto a un prompt. Le opzioni di primo frame e ultimo frame lo rendono pratico per lavori in stile interpolazione, riempiendo il movimento tra due immagini fisse. La gamma di rapporti d'aspetto copre sia la consegna orizzontale sia quella verticale, e le durate da 5 a 15 secondi si adattano a clip in formato breve. La generazione audio significa che una singola chiamata può restituire una clip con audio invece di richiedere un passaggio audio separato.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "minimax/hailuo-3". I parametri di richiesta supportati sono max_tokens, temperature e top_p, quindi il comportamento di campionamento è controllato nel modo consueto. Nota che maxOutput è riportato come 0, quindi non fare affidamento su un budget di token di output come controllo di lunghezza per il video stesso; usa invece le impostazioni di durata e risoluzione.

Ci sono alcuni casi in cui un altro modello può adattarsi meglio. Se il tuo compito è la generazione di testo, la generazione di immagini o l'output solo audio, questo modello non lo servirà, poiché il video è il suo unico output. Se hai bisogno di una finestra di contesto pubblicata per ragionare su lunghe cronologie di prompt, quel dato non è disponibile qui. E se hai bisogno di clip più lunghe di 15 secondi, o di risoluzioni diverse da 2K, le opzioni elencate non lo coprono.