MiniMax Platform里程碑新发布2026-07-31
MiniMax 发布 H3 全模态生成模型：统一理解文本、图像、视频与声音
MiniMax Launches H3 Omni-Modal Generation Model: Unified Understanding of Text, Image, Video, and Audio
推理多模态
EVENT SUMMARY
事件摘要
MiniMax 正式发布 H3，一款通用全模态生成模型。H3 支持对文本、图像、视频、声音组成的多模态上下文进行统一理解，并能够输出具备原生双声道的音视频内容，最高支持 15 秒 2K 分辨率视频生成。该模型将文本、图像、视频、音频统一在单一模型架构中，对标 OpenAI GPT-4o 和 Google Gemini 等全模态模型，标志着全模态生成赛道竞争进一步加剧。H3 面向 AI 内容创作者、视频制作者和多模态应用开发者，提供一站式多模态内容生成能力。
ANALYST VIEW
中立分析
为什么重要
全模态生成模型成为行业新前沿，H3 将文本、图像、视频、音频统一在单一模型中，直接对标 OpenAI GPT-4o 和 Google Gemini，推动全模态生成赛道竞争加剧。
影响对象
面向 AI 内容创作者、视频制作者和多模态应用开发者，提供一站式多模态内容生成能力。
证据说明
来源为 MiniMax 官方博客，直接证明了 H3 的发布及其全模态理解与生成能力、原生双声道和 15 秒 2K 规格。
不确定性
未披露模型参数规模、推理延迟、API 定价、是否开源或开放权重，以及具体可用日期。
SOURCES