AI视频价格砍到主流1/3！国产MiniMax H3发布，2K原生立体声还官宣开源

AI视频生成最近有多火，不用我多说。你刷到的那些"科技感"画面，不少就是它产的。

但真自己上手玩过的人都知道，这玩意儿烧钱。按秒计费，想要高清、想要时长，价格蹭蹭往上走，普通人玩两回就缩回去了。

前天，国产的MiniMax把价格打下来了。

价格，是这次最狠的地方

H3是MiniMax 7月31日发布的全能多模态生成模型。一句话概括：文本、图片、视频、音频一起理解，直接生成带原生立体声的视频，最高2K分辨率、15秒。

官方博客给了两个硬数字：

• 2K分辨率下，H3每秒的价格不到主流模型的三分之一；
• 768p下，比主流720p的价格还便宜一半以上。

这话的分量得拆开看。以前AI视频是"高清=贵"的死结，想要2K就得掏大钱，普通人只能拿低清凑合。H3直接把2K做成默认档位，价格还只有主流的三分之一。这不叫降价，这叫把门槛拆了。

便宜之外，它把"全能"做成了卖点

光便宜还不够，H3这次真正想干的事，是把视频生成从"各管一摊"变成"一个模型通吃"。

这里选了几个官方宣传视频

H3视频生成：

• 原生立体音

H3应用场景

• 电影片头

以前视频生成是一堆细分模型各管一摊：文生视频、图生视频、首尾帧、主体参考、动作参考……声音更是另外一摊，配乐、音效、人声分开搞。做一条片子，要在好几个工具之间来回倒腾。

H3把这些全并进一个模型。官方给的例子很直观：你给它一段参考视频、一张图、一段音频，用一句话说清"镜头运动学视频1，人物按图片2的样子唱歌，声音跟音频3一致"，它自己就能把多模态信息揉在一起出片。

背后的技术叫Contextual Omni Representation，大白话就是：模型真正"看懂"了你说的关系，而不是傻乎乎只认一个输入框。官方说它特别擅长指令跟随、文字和品牌呈现、动作迁移——做广告、做电商、做UI演示的，都是冲着这几样来的。

官宣开源，但权重还没落地

更狠的是，MiniMax官宣H3开源，权重未来几天放出。

视频生成这块，一直是闭源模型的天下。Sora、Veo这些，权重看都不给你看。MiniMax要当那个把视频生成也拽进开源生态的——对开发者来说，这意味着能自己微调、能部署到自己硬件上，不用再被闭源API的价格和规则拿捏。

该泼的冷水也得泼。

第一，开源是官宣了，但权重还没落地。官网写的是"未来几天放出"，我写稿这会儿去查，官方仓库还没影儿。"coming days"这种说法，余地留得很大，等真放出来才算数。

第二，15秒、2K是上限，不是日常。真拿去做一支完整片子，还是一段段拼、一段段调。

第三，价格对比是"每秒"口径，主流模型也各有各的档位。闭源这边其实早就松动了——Sora 5月底直接停服，我当时写过《Sora停了，AI电影凉了，学术界也炸了》。现在还站着的Veo们，面对三分之一的价格，不可能一直端着不动。

但方向是清楚的：视频生成正在复制大模型走过的路——先贵后便宜，先闭源后开源，先各管一摊后全能通吃。价格被打下来，普通人玩得起，这本身就是最大的进步。

至于H3能不能兑现"开源+全能"的承诺，那是另一个问题。等权重放出来，跑一跑就知道了。

数据来源：MiniMax官方博客（minimax.io）

以上。既然看到这儿了，如果觉得不错，随手「点赞、在看、转发」三连；想第一时间收到推送，给我加个星标⭐～谢谢你读到这里，我们下期见。