那些过去因为说不清楚而无法实现的想法，现在有了新的表达路径。视频创作的能力，正在从专业人士手中，平移到每一个有想法、有画面感的人手里。和此前的Seedance一样，H3让视频内容创作的供给端多了一个强大的变量。

第二，复杂文本保持。

视频生成模型最大的挑战之一，是理解物理世界的一致性。人脸不能崩，动作不能跳，物体的运动轨迹要符合物理规律。在这其中，文本一致性是一个更细微但同样关键的命题：在视频中稳定生成复杂文字，并让文字与画面产生真正的融合。

H3在这方面表现尤其突出，输出的效果已经超过了Seedance 2.0。目前来看，H3至少在文本一致性这个维度上，给出了一个超出预期的答案。

三，一站式创作工作流。

视频创作从来不只是“生成一段画面”这么简单。真正的创作流程包括构思脚本、规划分镜、生成素材、后期包装、剪辑合成。

过去，AI视频模型解决的是其中“生成素材”这一个环节，其余部分仍然依赖人工在剪映、Premiere、AE等工具中完成。比如AE在视频创作流程中，承担着一个几乎无法绕过的角色。从动态文字标题、下沿字幕、UI动效到Vlog包装、特效合成——凡是需要“视觉设计增强”的地方，AE就是行业标准工具。

而MiniMax H3正在改变这个流程，其不仅能生成视频，还能理解视频内容、用户意图和传播场景，自动完成特效包装与视觉设计增强。这标志着视频生成正从“生成一段素材”向“理解内容并完成创作”转变。

我们用H3生成了一段漫画英伦风的悬疑片开头，从文生图到文生视频一站式处理，直接插入了时下大火的《The Other Side of Paradise》，完美切合了开头，一次成功。

这种能力让H3能够与实拍和传统视觉生成工作流形成有机结合，做的是“AI增强”而非“AI替代”。商用级的多场景内容生成，覆盖影视、广告、游戏、品牌、电商等高频场景，让H3从一开始就嵌入了生产力场景之中。

02价值回归的奇点

现如今围绕模型企业的资本开支和定价的争论，在大洋彼岸和国内市场都从未停止。AI产业链已创造超过1000亿美元的年化收入，这个数字放在任何行业都足够惊人。但相比早已突破万亿美元的资本投入，仍然显得微不足道。

今天所有大模型企业共同面对的现实：几乎没有一家公司能靠现有商业化收入完全覆盖Infra投入。

资本市场赌的显然不是现阶段大模型企业的内含价值，赌的是商业模式的颠覆性替代。大模型的替代能力：替代搜索、替代撮合、替代内容生产、替代代码编写，会在未来十年，系统性地蚕食互联网巨头最核心的利润池。

这个逻辑在方向上是成立的，但资本市场对“终局”的定价正在变得更加挑剔。当越来越多公司能够接近前沿模型水平时，单纯依靠模型性能领先已经难以形成长期估值溢价，真正考量的是模型能不能嵌入生产流程，而是成为可被量化评估的生产力工具。

在多模态领域，想要真正成为有替代性的模型，有两点核心要素：

其一，可掌控性。

视频创作的本质是反复修改。镜头不满意，要重拍；动作不自然，要调整；台词和画面氛围不匹配，要替换。传统的AI视频模型更像是“一锤子买卖”——输入提示词，生成一段视频，如果不满意，就再生成一次，直到碰巧出现一个能用的版本。这种抽卡式的内容创作效率太低。

H3改变了这个逻辑，支持多种维度的编辑与修改：角色替换、动作参考、背景替换、背景特效、台词替换与氛围感理解，并具备高精度的指令遵循能力。

创作者不需要因为一个细节不满意就从头生成，只需要精准地告诉模型“换掉这个角色”“调整这个背景的色调”“把这段台词换成另一句”，H3会在保持整体一致性的前提下完成精准修改。

影视制作、广告拍摄、游戏CG——这些对可控性要求极高的商业化场景，正是H3最擅长的领域。可掌控性解决了“敢不敢用”的问题。

其二，成本的可控性。

再好的模型，如果推理成本高到企业用不起，就只能停留在技术演示阶段。

高盛在研报中多次强调，推理成本压力正在推动大模型定价从激进竞争向理性阶段过渡。大模型从“能用”到“大规模用”，中间隔着的就是成本这道坎。

MiniMax在成本端的技术积累由来已久。H系列模型一直在tokenizer技术上保持着持续的探索，而H3彻底革新了前代的tokenizer技术，在重建和易学性上取得了全面的提升。使得 H3 在效率上可以取得有竞争力的效果，同时其高压缩率带来了 4 倍的序列长度收益，大幅降低了训练和推理成本——这也是支持H3提供原生2K分辨率的关键技术。

与此同时，H3在异构训练、负载均衡和GPU利用效率等方面进行系统性优化，在保证模型效果的前提下持续压降成本。而现阶段，成本优势本身就是最核心的竞争壁垒。

技术效率最终体现在了价格上。MiniMax H3视频生成价格为0.8元/秒（2K分辨率），仅为业内同类旗舰视频模型的三分之一。

可掌控性解决了“敢不敢用”，成本的可控性解决了“用不用得起”。 这正是资本市场在“终局”与“当下”之间的那道裂缝里，最想看到的东西。

当市场不再为“稀缺上市标的”支付溢价，资本从参数竞赛转向对商业化落地能力的审视，那些真正能嵌入生产流程、产生可衡量商业回报的公司，反而会在价值回归之后走得更稳。

MiniMax H3让MiniMax在视频生成这个细分赛道上，完成了从“概念溢价”到“生产力定价”的切换，因此这正是MiniMax价值回归的奇点所在。

03开源的远见

除了预期内的商业化潜力以外，真正决定H3能否在产业侧产生持久影响力的，是MiniMax持续坚持的开源路线。而我们认为，这次MiniMax延续开源路线的选择，非常合理。

产业级的采纳，从来不是靠一家公司推动的，而是靠一个生态。

十年前，Kubernetes只是谷歌内部一个管理容器的工具。开源后用了不到十年时间，成长为拥有超过八万八千名贡献者、来自八千多家公司的全球最大开源项目之一。Kubernetes提供了中立的底层基础设施层，让上层应用可以在AWS、Azure、谷歌云之间自由迁移而无需重写。Helm、Prometheus、Istio等一系列标准化工具，围绕其API标准形成了完整的工具链。开源可以定义行业标准，让生态中的每个参与者都从中获益。

这个逻辑正在AI领域重现，开源模型的战略价值正在被行业重新评估。

瑞银在2026年7月的研报中指出，部分开放模型已接近高端前沿模型的能力，运行成本可能只有后者的三分之一至四分之一。AI初创公司Baseten的估算更加具体：开放模型在性能上通常落后闭源前沿模型约九十天，但运行成本可低百分之七十至九十。

MiniMax H3延续开源，为模型能力和商业化能力铺下了两层地基。

降低企业对单一模型方的依赖。

半数财富500强企业正通过Hugging Face部署私有模型或开源模型，倾向于根据具体业务定制多个模型，而非依赖单一供应商。开源模型让企业可以自主选择部署环境、基础设施和服务，减少对单一模型方的锁定风险。

在视频生成这个赛道上，企业的选择不再只有一家闭源供应商：H3的开源意味着他们多了一个可控、可定制、可私有化部署的选项。

满足企业对数据主权和私有化部署的需求。

视频素材往往涉及品牌资产、产品形象、商业机密等高度敏感的信息。影视公司不会愿意把自己的知识产权放到一个黑盒模型里去生成，广告主不会接受品牌视觉在每次生成时出现随机偏差。

开源模型允许企业自主选择部署环境，在自有服务器或私有云上运行，数据流向、访问权限和模型版本完全可控。这种“数据不出域”的能力，在合规要求日益严格的当下，正在成为企业级采购的核心考量。

此外，开源模型的价值在于被下载、部署、修改、优化之后产生的扩散效应。云厂商、推理平台、开发者、所有产业参与者都可以参与评测、适配、优化与改进。开源模型不需要在所有维度上击败最强闭源模型，只要在足够多的任务上“够用”，并且更便宜、更可控、更好部署，就会被源源不断地塞进各类场景。开放模型开始从“低成本平替”方案，进入能够影响企业技术架构和采购决策的前沿能力区。

MiniMax坚持了开源赛道，本质上是在提前卡位，抢占企业在“下一代生产力”采购决策中的优先级。这一点，也是我们看好MiniMax长期叙事的核心。

04结语：开始的开始

赫拉克勒斯完成了十二项试炼，但单独看每一件，都只是通往终点的一块基石。大模型的叙事也是如此。

从参数竞赛到稀缺溢价，再到商业化能力的全面检验，中国AI产业经历了三轮定价逻辑的切换。市场不再为“稀缺上市标的”支付溢价，但那些真正拥有技术纵深和落地能力的公司，反而会在回归之后走得更稳。

MiniMax也是如此。目前来看，资本市场基本卸掉了溢价的包袱，价值回归后反而获得了更干净的定价起点。

赫拉克勒斯的故事之所以成立，不在于完成了哪一项任务，而在于他一项接一项地完成了所有任务。MiniMax H3是一次节点式的爆发，但所有人都清楚，背后的压力和付出的努力，并不能被一两句言语所表达。

AGI的叙事从来没有一蹴而就，MiniMax价值的绽放才刚刚开始。