MiniMax: H3

MiniMax: H3 é um modelo de geração de vídeo da MiniMax, lançado em 2026-07-29. É descrito pelo fornecedor como um modelo leve, de pesos abertos, criado para edição multimodal precisa e geração de conteúdo controlada. Sua categoria principal é vídeo, e ele é voltado para fluxos de trabalho em que a saída é um clipe de vídeo gerado ou editado, em vez de texto ou uma imagem estática.

O modelo aceita texto, imagem, vídeo e áudio como entradas, e produz vídeo como sua única modalidade de saída. A geração é controlada por vários ajustes: as resoluções de saída são 2K, e você pode escolher entre proporções de 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. As durações dos clipes variam de 5 a 15 segundos em passos de um segundo. Você pode fornecer um primeiro quadro, um último quadro, ou ambos, para ancorar o resultado, e a geração de áudio é suportada. Nenhum comprimento de contexto é publicado para este modelo.

Essas capacidades apontam para um conjunto bastante específico de usos. Edições guiadas por instruções se encaixam bem, já que o modelo recebe um vídeo existente junto com instruções de texto. A renderização de texto e de marca dentro de filmagens geradas é outro ponto forte declarado, o que serve para sequências curtas promocionais ou de título. Como aceita entradas de imagem, vídeo e áudio em conjunto, pode ser usado para geração de conteúdo controlada quando você quer direcionar a aparência e o timing de um clipe em vez de deixar tudo a cargo de um prompt. As opções de primeiro quadro e último quadro o tornam prático para trabalho no estilo de interpolação, preenchendo o movimento entre duas imagens fixas. A variedade de proporções cobre entregas tanto horizontais quanto verticais, e as durações de 5 a 15 segundos servem para clipes de formato curto. A geração de áudio significa que uma única chamada pode retornar um clipe com som, em vez de exigir uma etapa de áudio separada.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "minimax/hailuo-3". Os parâmetros de requisição que ele suporta são max_tokens, temperature e top_p, então o comportamento de amostragem é controlado da maneira habitual. Observe que maxOutput é reportado como 0, então não confie em um orçamento de tokens de saída como controle de comprimento para o vídeo em si; use as configurações de duração e resolução em vez disso.

Há alguns casos em que outro modelo pode se encaixar melhor. Se sua tarefa é geração de texto, geração de imagem ou saída apenas de áudio, este modelo não atenderá, já que vídeo é sua única saída. Se você precisa de uma janela de contexto publicada para raciocinar sobre históricos longos de prompts, esse número não está disponível aqui. E se você precisa de clipes mais longos que 15 segundos, ou resoluções diferentes de 2K, as opções listadas não cobrem isso.