💡 一句话总结：MiniMax H3 是个 33B 的全模态视频生成模型（不是语言模型），7 月底预告、8 月初开放了 H3-Base 权重；但「开源」指的是基础权重，2K 超分和多模态上下文编排这两个亮点能力还在闭源 API 后面，协议也是 MiniMax 自有的——想本地玩、想商用、想看跑分，各有各的注意点。 \
导语：先别急着以为是新语言模型
最近 AI 视频生成这条赛道卷得厉害——OpenAI 的 Sora、快手的可灵、字节的即梦、Google 的 Veo，再加上开源这边的阿里 Wan，隔三差五就有人放新东西。所以当「MiniMax H3 开源」这几个字刷出来的时候，不少人的第一反应可能是：哦，MiniMax 又出新一代语言模型了？
不是。这次的开源主角 H3，跟语言模型没半点关系——它是 MiniMax 旗下「海螺」（Hailuo）视频生成产品线的第三代，干的是文生视频、图生视频、多模态参考生成，还顺带原生生成立体声音频的活儿。属于「你看的、你听的，它一条龙包了」那种模型。
所以这篇就把这事拆开讲清楚：H3 到底是什么、强在哪、那个「开源」到底开了什么没开什么、在 GitHub 上闹了一下的「虚假宣传」风波是怎么回事，以及——如果你想本地跑或者拿来做产品，得先知道哪些事。
想自己动手试？ \
- 🌐 官方公告（中文）：MiniMax H3 开源
- 🌐 官方 blog（英文）：MiniMax H3 介绍
- 💻 代码与权重：GitHub MiniMax-AI/MiniMax-H3
- 🎬 在线体验：海螺 AI
🧩 H3 是什么：先把最大的误会拆了
先把最容易踩的坑填了：MiniMax H3 是视频/多模态生成模型，不是大语言模型。 MiniMax 自己的模型矩阵是分线的——语言那头有 M3、有 H1-MoE（混合专家架构的语言模型）；视频这头是「海螺」系列，从 Hailuo 01（从零搭系统）到 Hailuo 02（优化架构、数据、规模），再到这次的 H3，定位从「专用」转向「通用多模态」。两条线，别串了。
时间上一句话带过：2026 年 7 月 31 日官方英文 blog 先放出预告（说「未来几天开源权重」），8 月 3 日正式把权重放到 HuggingFace 和魔搭社区 ModelScope。中英文页对日期的标注有点对不齐（中文页标 8/3，英文 blog 标 7/31），更像是「预告 + 正式开源」两步走。
那 H3 到底能干嘛？一句话：文本、图像、视频、音频，它用一套模型统一理解和生成。 具体到产出：
- 视频时长 4–15 秒，默认 768p 短边（最高能到 2K，但见后面「开源拆开看」那节），24 帧/秒
- 原生立体声音频，32kHz 采样率——注意「原生」两个字，下一节讲为什么重要
- 支持 21:9、16:9、4:3、1:1、3:4、9:16 六种宽高比
- 对话稳定支持 11 种语言（中、英、日、韩、法、德、西、葡、俄、意、阿）
架构上几个对技术爱好者有意义的数字：主体是 33B 参数的 Dense Transformer（Dense 就是「密堆」，所有参数每次都上场，区别于 MoE 那种「大部分参数轮休」的稀疏架构），其中约 13B 参数在 AdaLN 分支里（推理时可以预计算缓存掉、不用加载）；多模态编码器直接用了 Qwen3-VL-32B 的预训练权重（取第 50 层隐藏状态）。精度 BF16。
✨ 强在哪：开源视频模型里少见的「全模态 + 原生声音」
开源视频模型现在不稀奇了，H3 想站住脚，得有不一样的东西。把官方信息和现状放一起看，它真正稀缺的点有两个。
一是原生立体声音频。 大多数视频生成模型要么不生成声音（出个无声视频，你再去配），要么后接一个独立的语音/音乐模型。H3 是把音频塞进同一个模型里一起生成，32kHz 立体声、跟画面同步。对做短片、广告、品牌内容的人来说，「出片自带声」这个体验差异是实打实的——少一道工序。
二是统一的多模态参考输入。 它有个「全参考模式」（官方叫 Ref2VA），能同时吃进去最多 9 张图、3 段视频、3 段音频，然后用自然语言告诉它「把这些素材的关系这样处理」。这在做风格迁移、角色一致性、品牌素材延展的时候，比单纯「文生视频」灵活得多。
价格上官方话术也很猛：说 2K 分辨率「每秒价格不到主流模型的 1/3」，768p「不到主流模型 720p 价格的一半」。但这里得插一句澄清：这些是官方自报的相对说法，没给绝对数字，也没给 benchmark 跑分。 同行对比、第三方评测，截至目前公开渠道都还缺位——一份能查到的、权威的横向评测，比官方自报的「最强/最便宜」更值得等。所以「又强又便宜」这个印象，先存疑，等实测。
🔍 但「开源」要拆开看：开了什么、留了什么在 API
这是整件事最该看仔细的地方。MiniMax 说的「开源」，开的是 H3-Base 的两个任务变体权重：
FL2VA（首尾帧模式）：给 0、1 或 2 张图生成视频——文生视频、首帧生视频、首尾帧生视频Ref2VA（全参考模式）：就是上面说的多图/多视频/多音频参考生成
这两个权重走的是 MiniMax H3 Community License——注意，这是 MiniMax 自己的社区协议，不是 Apache 2.0、MIT 那种 OSI 认证的「开源」协议。个人玩没问题，但你要拿去做商用产品，得老老实实把协议条款读一遍（用途限制、商业门槛、合规义务），别默认能随便用。
更要紧的是没开的部分：
- H3-Context-IR（多模态上下文编排）——就是那个「把多张图、多段视频、音频的关系理清楚」的编排系统，没开源，只给 API
- H3-Regenerate-2K（2K 分辨率再生成）——把 768p 的结果升到 2K 的模块，也没开源，只给 API
这意味着什么？你本地能跑出来的，是 768p 的 H3-Base；那个最亮眼的「原生 2K 直出」和「复杂多模态参考编排」，本地权重跑不出来，得调 MiniMax 的 API。 所以「开源」和「官方 demo 里那个完整体验」，不是一个东西。这是「开源 vs 开放权重」这个老议题的又一次典型再现——开了基础底座，把差异化的上层能力留在自己的 API 后面。社区对这种事一向敏感，下面那个风波就跟它有关。
🌀 那个「虚假宣传」风波：起因是搞错了，可它戳中了一个真问题
开源没几天，GitHub 上就冒出来一个刺眼的 issue（#5，8 月 6 日）。发帖人的标题直接叫 "Same tactics as used by alibaba wan team"——翻译过来就是「和阿里 Wan 团队一个套路」，潜台词是「你们跟阿里 Wan 一样，嘴上开源、实际开源的跟闭源的不是一回事」。他在正文里说自己用同一个提示词测，闭源版能生成视频，开源权重（两种模式都试了）完全跑不通，措辞里带着「虚假宣传」。
但事情有个反转：这个发帖人后来自己在 issue 里编辑承认搞错了。 他在调整了系统提示词（system prompt）之后，模型成功跑了起来，于是撤回了「虚假宣传」的指控，承认「H3 确实是有能力的模型」，问题出在自己用法上。
所以这是一起已经澄清的「假争议」——不是模型不行，是用法没对。但值得拎出来说的是，这条帖子虽然撤回了，它戳中的那个真问题并不会凭空消失：开源权重（768p Base）和官方闭源体验（2K + Context-IR 编排）本来就不是一回事，跑不通的时候，到底是你用法的问题，还是能力对等性的问题？ 这个疑虑，不会因为一条帖子撤回就打消——尤其是当一个模型「最亮的能力都在 API 后面」的时候。
顺带一提，同期还有两个更「接地气」的 issue：一个吐槽没给 requirements.txt（装环境费劲），一个报 diffusers 推理跑不通。这些就是新开源项目常见的工程打磨问题，能修，但会让头一批想上手的人多花点试错成本。
🖥️ 想本地跑：门槛和现实
如果你是那种「看到权重就想自己拉起来跑」的人，这里有几个实在数字：33B 参数、BF16 精度，官方给的 SGLang 部署示例是 4 张 GPU（用 Ulysses 并行）。推理框架支持 SGLang、vLLM、diffusers、ComfyUI 四种，覆盖算全。
但官方没明确给最小显存、单卡可行性这些细节。 所以现实是：33B 这个量级 + 官方示例的 4 卡配置，基本就是企业卡或者工作室级别的部署场景。消费级单卡用户（比如一张 4090/5090）大概率停在「下下来观摩」，而不是「日常生产用」。「人人可跑」和 MiniMax 那句 "Intelligence with everyone" 的普惠叙事之间，还隔着一块显存的墙。
把话说明白
回到开头那个钩子——H3 的「开源」，确实得拆开看。
站得住的是：它是开源视频生成模型里一份实打实的贡献——33B Dense、全模态统一、原生立体声音频、6 种宽高比、11 种语言，这套组合在开源侧目前确实少见，Hailuo 01→02→H3 这条线的迭代也是实打实的。
要拆开看的是：「开源」指的是 768p 的 H3-Base 权重，2K 直出和多模态上下文编排这两个亮点还在 API 后面；License 是 MiniMax 自有的，不是 Apache/MIT；价格「不到主流 1/3」是官方自报的相对值、没绝对数字；benchmark 跑分到现在也没公开。那个「虚假宣传」风波被发帖人自己撤回了，但它折射出的「开源权重 ≠ 闭源完整体验」这个普遍疑虑，对任何一个把核心能力留在 API 后面的「开源」都成立。
对不同人，意味不同：想体验完整能力的，去海螺或者调 API 最直接；想本地部署、魔改、做研究的，H3-Base 够你玩，但要接受 768p 的天花板和发布初期的工程打磨；想拿去做商用产品的，那份 Community License 得先过一遍。
一句话：H3 是开源视频模型里一份有分量的贡献，但「开源」两个字背后的边界、协议、和待补的实测数据，比标题里那四个字重要得多。
参考来源
- MiniMax 官方中文公告（一手/官方）— 发布与开源细节、架构参数
- MiniMax 官方英文 blog（一手/官方）— 能力介绍、定价话术、Hailuo 脉络
- GitHub 仓库 MiniMax-AI/MiniMax-H3（一手/官方）— 权重、部署示例、License
- GitHub Issue #5 "Same tactics as used by alibaba wan team"（社区/开发者，已由发帖人自行撤回）
- 海螺 AI 在线体验（官方产品）— 闭源完整能力入口
作者：lusca
版本：lusca-report-blog v1.4.0
出处：https://github.com/yjmm10/lusca-skill/tree/main/skills/lusca-report-blog \