8月3日，MiniMax正式开源新一代通用视频模型H3。短短几天，它就在全球最大开源社区Hugging Face的趋势榜上冲到第一，甚至压过了DeepSeek V4 Flash。

更夸张的是，它在DesignArena评测平台拿下了视频编辑、多图生视频、图生视频三个类别的全球第一，把Seedance 2.0、Grok Imagine Video、Gemini Omni Flash这些闭源旗舰甩在身后。

最让人坐不住的是价格：2K分辨率+原生立体声音频，直出价格只要0.8元/秒。视频生成这个一直被认为是「烧钱游戏」的赛道，可能要被中国开源模型重新定义了。

01. 开源即登顶：H3出道就封神

过去提到视频生成，大家第一反应是Runway、Pika、Sora这些海外闭源产品。但MiniMax H3开源后，格局明显变了。

榜单含金量 DesignArena是全球规模最大的众包AI生成设计评测平台，结果来自大量真实人类投票，比单一机构的测试分数更难刷榜。

社区热度 H3在Hugging Face趋势榜登顶，关注度超过了DeepSeek V4 Flash。这意味着全球开发者都在关注它，而不仅仅是中文媒体在自嗨。

一句话总结 H3不是在某个子任务上小胜，而是在视频生成的多个核心能力上同时做到开源社区最强。

02. 为什么能打：H3到底强在哪

MiniMax H3不是简单的「文生视频」模型，而是一个统一理解文本、图像、视频、音频的全模态生成系统。

全模态输入 H3-Ref2VA模式最多支持9张图片、3段视频、3段音频混合输入，所有素材合计不超过12个。这意味着你可以用一段参考视频+一段参考音频+几张参考图，让模型理解整体风格并生成新内容。

原生音视频 H3不是后期配音，而是视频和立体声音频一起生成。输出分辨率最高2K、帧率24FPS、音频32kHz立体声，可直接用于短视频创作。

2K工作流 H3先用H3-Base生成768p基础视频，再通过H3-Regenerate-2K模块，结合原始上下文进行2K再生成，保留小文字和精细细节。

真正重要的区别 以前的视频模型更像「按文本出视频」；H3更像「按你给的多模态材料，重新组织出一段视频」。理解上下文的能力，是它甩开对手的关键。

03. 价格有多狠：0.8元/秒是什么概念

技术再强，落不到价格上就离普通人很远。H3真正让人兴奋的，是它把高质量视频生成的成本拉到了一个创作者完全能承受的范围。

直接对比 0.8元/秒，仅为同类主流闭源旗舰模型的三分之一甚至更低。生成一段15秒的2K短视频，只要十几块钱。

本地部署 H3-Base已经通过SGLang、vLLM、diffusers、ComfyUI等主流框架支持本地部署。企业可以私有化部署、自己微调，长期成本还会更低。

产业链响应 华为昇腾、摩尔线程、沐曦、海光、昆仑芯、天数智芯、壁仞、AMD、Intel等芯片厂商，以及Hugging Face、魔搭、ComfyUI等平台，都在开源首日完成了适配。这不是一家企业的事，是一条供应链在动。

对短视频博主、广告从业者、电商卖家来说，这意味着什么？以前拍一条产品视频要布景、模特、设备、后期；现在输入几张产品图和一段提示词，就能快速出片，成本从几千元降到几十元。

04. 普通人机会：这3类人应该关注

H3再强，也只有真正用起来才有价值。我觉得至少三类人可以开始关注了。

短视频创作者 剧情短片、产品种草、解说类内容，都可以用H3辅助生成镜头。特别是没有拍摄条件的小团队，创意终于可以不再被预算卡住。

广告与电商从业者 商品展示、场景化视频、多语言版本，都可以批量生成。0.8元/秒的定价，让A/B测试视频素材的成本几乎忽略不计。

开发者与AI从业者 H3的权重已经开源，可以本地部署和微调。视频生成领域终于有了像DeepSeek一样可深度定制的开源基座。

现实提醒 H3目前最长生成15秒，复杂长镜头、精细人物一致性仍然需要多次尝试和后期剪辑。它不是魔法，但确实把门槛降了一大截。

从DeepSeek颠覆文本模型，到MiniMax H3在视频赛道登顶，中国开源AI正在连续改写全球竞争规则。

美国巨头把顶尖模型锁在闭源高墙和高价API后面讲故事；中国企业则选择开放权重，把芯片厂商、开发者社区、云平台一起拉进生态。

这条路能不能最终胜出还不确定，但有一点已经很明显：开源不再意味着性能妥协，而是成本、生态和自主可控的新基准。对于普通创作者来说，最大的好消息是——好用的AI工具，正在变得越来越便宜。