MiniMax H3 Max – 5秒视频不到3秒生成，AI视频跨过实时门槛

MiniMax H3 Max是MiniMax H3的”加速版”。MiniMax开源了H3的模型权重，fal拿到这个基础后，用自有数据重新训练，同时针对自家推理基础设施做了深度适配。结果是：画面更听提示词的话，美学表现更耐看，生成速度快到能改变工作流形态。

8月31日，H3 Max 768P和H3 Max 480P正式接入MiniMax开放平台和MiniMax Design，面向开发者和创作者开放API调用。

MiniMax H3 Max核心特点

生成速度快过播放

fal公布的数据显示，5秒、768p视频的后端推理时间约2.5秒，15秒视频约需15秒。这意味着短片还没播完，下一段就已经生成完毕。fal声称其吞吐量约为MiniMax H3官方端点的35倍。

提示词遵循更强

后训练阶段加入了大量新数据，重点优化了模型对复杂提示词的理解能力。用户描述的主体、动作、镜头、声音，模型能更精准地还原。

画面美学提升

fal在优化过程中保留了内部偏好评估机制——只有速度优化没有牺牲画面质量时，才会被采纳。在Artificial Analysis图生视频榜单和Design Arena图生视频榜单中，H3 Max均位于榜首。

原生立体声音频

生成的视频自带同步音频，包括对白、音效、环境音和音乐，不需要后期配音。

价格更低

768p分辨率下，首发折扣价为每分钟2.40美元（标准价4.80美元），比MiniMax H3同分辨率便宜60%。

MiniMax H3 Max技术原理

后训练（Post-training）

fal在H3开放权重的基础上，用新的数据集继续训练模型。这种”二次训练”让模型更贴合实际使用场景，而非仅仅复现基础训练时的分布。

可验证强化学习

fal采用可验证强化学习继续优化模型的指令遵循和画面表现。模型在训练过程中会收到关于输出质量的明确反馈，从而学会生成更符合用户意图的结果。

推理系统协同优化

H3 Max的速度不是单纯靠模型压缩或量化实现的。fal将模型训练与自有推理栈（基于NVIDIA GB200 NVL72系统）进行了协同设计，从模型架构到硬件调度都做了针对性适配。

分辨率取舍

H3 Max目前仅支持480p和768p，放弃了原版H3的2K能力。这种取舍换来了速度上的大幅提升——同样的推理资源，处理768p的帧数远少于2K，延迟自然降低。

MiniMax H3 Max功能

文生视频

输入文字描述，直接生成5至15秒的完整音视频片段。提示词可拆解为主体、动作、镜头、声音四个维度，支持长达数千字符的详细描述。

图生视频

上传一张静态图片作为首帧，模型根据图片内容和文字指令生成动态视频。适合将产品照片、概念设计图转化为动态展示。

多分辨率输出

支持480p和768p两种分辨率，帧率24fps，时长5至15秒，自带32kHz立体声音频。

快速迭代

由于生成速度极快，创作者可以在短时间内生成大量变体，比较不同提示词的效果，再决定哪个方向值得深入打磨。

MiniMax H3 Max应用场景

与原版MiniMax H3的区别

MiniMax H3 Max把视频生成从”提交后等几分钟”变成了”改完提示词立刻看到结果”。这种即时反馈循环，对创意工作流的改变远比单点速度纪录更深远。