MiniMax: H3

MiniMax: H3 är en videogenereringsmodell från MiniMax, släppt 2026-07-29. Den beskrivs av leverantören som en lättviktig modell med öppna vikter, byggd för precis multimodal redigering och kontrollerad innehållsgenerering. Dess huvudkategori är video, och den riktar sig till arbetsflöden där resultatet är ett genererat eller redigerat videoklipp snarare än text eller en stillbild.

Modellen tar text, bild, video och ljud som indata, och producerar video som sin enda utdatamodalitet. Genereringen styrs genom flera inställningar: utdatamarkeringar är 2K, och du kan välja bland bildförhållandena 21:9, 16:9, 4:3, 1:1, 3:4 och 9:16. Klipplängder sträcker sig från 5 till 15 sekunder i steg om en sekund. Du kan ange en första bildruta, en sista bildruta, eller båda, för att förankra resultatet, och ljudgenerering stöds. Ingen kontextlängd publiceras för denna modell.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Instruktionsstyrda redigeringar passar bra, eftersom modellen tar en befintlig video tillsammans med textinstruktioner. Text- och varumärkesrendering inuti genererat material är en annan angiven styrka, vilket passar korta reklam- eller titelsekvenser. Eftersom den tar bild-, video- och ljudindata tillsammans kan den användas för kontrollerad innehållsgenerering där du vill styra utseendet och timingen för ett klipp snarare än att lämna allt till en prompt. Alternativen för första bildruta och sista bildruta gör den praktisk för interpolationsliknande arbete, där rörelsen mellan två fasta bilder fylls i. Utbudet av bildförhållanden täcker både liggande och vertikal leverans, och längderna på 5 till 15 sekunder passar kortformat. Ljudgenerering innebär att ett enda anrop kan returnera ett klipp med ljud, istället för att kräva ett separat ljudsteg.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "minimax/hailuo-3". Begäransparametrarna den stöder är max_tokens, temperature och top_p, så samplingsbeteendet styrs på det vanliga sättet. Observera att maxOutput rapporteras som 0, så förlita dig inte på en utdatatokenbudget som längdkontroll för själva videon; använd inställningarna för längd och upplösning istället.

Det finns några fall där en annan modell kan passa bättre. Om din uppgift är textgenerering, bildgenerering eller enbart ljudutdata kommer denna modell inte att tjäna den, eftersom video är dess enda utdata. Om du behöver ett publicerat kontextfönster för att resonera kring långa prompthistoriker är den siffran inte tillgänglig här. Och om du behöver klipp längre än 15 sekunder, eller upplösningar andra än 2K, täcker de listade alternativen inte det.