MiniMax H3满血版开源！8G显存可玩，全模态支持及Flux3预览版，Seedanc2.0大量对比实测

一、MiniMax H3介绍

MiniMax H3是一个通用型全模态生成系统，可统一理解文本、图像、视频和音频组成的多模态上下文，生成最长15秒、最高2K分辨率并带有原生立体声音频的视频。

MiniMax 正式发布新一代通用全模态生成模型 MiniMax H3，作为品牌首款计划开源的多模态视听生成模型，H3 将文本模型成熟的推理、上下文技术迁移至视频生成领域，面向开发者与商业场景提供一体化音视频生成能力。

模型核心技术特点

• 统一多模态理解管线 原生支持文本、图像、短视频、音频混合输入，统一编码多模态上下文，支持参考素材联动生成、视频动作迁移（V2V）。
• 创新画面生成方案 不依赖传统后置超分，采用模型自生成方式提升分辨率，更好保留画面结构、文字细节，改善 AI 视频常见文字崩坏问题。
• 架构复用文本模型成熟方案 引入复杂指令拆解、上下文扩展、Muon 优化器等经过验证的技术，提升长提示词、复杂指令的遵循能力。

二、相关安装

模型安装路径

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 vae/
│   │   ├── minimax_h3_video_vae_fp16.safetensors
│   │   └── minimax_h3_audio_vae_fp32.safetensors
│   ├── 📂 diffusion_models/
│   │   └── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│   └── 📂 text_encoders/
│       └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors

三、工作流

四、结语：全模态视频生成加速走向开放生态