MiniMax H3 是什么？8GB 显存本地部署与 API 价格全解（2026）

MiniMax H3 是 MiniMax 于 2026 年 8 月 3 日开源的通用全模态生成模型：能统一理解文本、图片、视频、音频，并直接生成最长 15 秒、24FPS、带原生立体声的视频，API 侧最高支持 2K 分辨率。开源权重免版税、可商用，社区实测最低 8GB 显存就能跑。 这篇文章讲清它的能力边界、两条技术路线（FL2VA / Ref2VA）、本地部署教程、API 价格和商用许可条款，事实全部对照官方 GitHub 与官方开源站核实。

本文目录

1. MiniMax H3 是什么？
2. 能力规格：两个变体怎么选
3. MiniMax H3 怎么用？四条路径
4. 本地部署教程（ComfyUI 五步）
5. 显卡要求：8GB 也能跑
6. API 价格
7. 商用许可与地区限制
8. 与 Wan2.2、Seedance 怎么选
9. 常见问题 FAQ
10. 总结

MiniMax H3 是什么？

MiniMax H3 是上海稀宇科技（MiniMax）发布的通用全模态生成系统，2026 年 8 月初以开源权重形式发布在 GitHub（MiniMax-AI/MiniMax-H3）和 Hugging Face、魔搭社区。

它和常见"文生视频模型"最大的区别是全模态：输入不只是文字，可以同时吃进图片、视频片段和音频；输出也不只是无声画面，而是视频和同步立体声一起生成。

热度佐证：截至 2026 年 8 月 31 日，H3 在 Hugging Face 上下载量已超过 526 万次、点赞 4600+，属于当前开源视频模型里现象级的发布；百度百科也已建立词条。

架构上，官方 README 写明：H3-Omni-Transformer 是一个 33B 参数的稠密单流 Transformer（约 13B 参数在 AdaLN 分支，纯推理部署时无需加载）；文本编码器复用 Qwen3-VL-32B 的预训练权重。完整系统由三个模块组成：

• H3-Context-IR：把复杂的文本+图片+视频+音频混合输入，整理成模型可读的"上下文中间表示"（该模块本次未开源，官方提供 API 复现）；
• H3-Base：根据中间表示生成 768p 视频与音频；
• H3-Regenerate-2K：把 768p 结果和原始上下文一起送回模型，重新生成 2K 分辨率版本。

能力规格：两个变体怎么选

H3 以两个任务特定 checkpoint 发布，覆盖两类典型玩法：

输出规格（官方口径）：

MiniMax H3 怎么用？四条路径

按门槛从低到高，官方给了四条使用路径：

1. 网页/App 直接玩（零门槛）：国内访问 海螺 AI，海外版 hailuoai.video，选 H3 模型即可；桌面端可用 hub.minimaxi.com。
2. API 调用（开发者）：国内平台 platform.minimaxi.com、海外 platform.minimax.io，接口为 video-generation-v2，适合集成进自己的产品。
3. ComfyUI 本地部署（个性化工作流）：ComfyUI 首发日（day-0）即原生支持 H3，官方提供了工作流模板，下面展开讲。
4. 服务化部署（企业）：官方提供 vLLM-Omni 与 SGLang Diffusion 两条路线，vLLM-Omni 在 4×B300 上生成一条 8.7 秒的片子端到端约 87 秒。

如果你更习惯用 OpenRouter 这类聚合网关，也可以先看我们的 OpenRouter 使用教程，确认模型上架情况后再决定走官方 API 还是聚合平台。

MiniMax H3 本地部署教程（ComfyUI 五步）

ComfyUI 是个人用户最快的部署路径，官方开源站也把它列为首选。整体五步：

1. 安装 ComfyUI：从 ComfyUI 官方 GitHub 按你的系统安装；
2. 下载模型组件：到 Hugging Face 的 Comfy-Org 重打包仓库下载 MiniMax-H3 的组件包——包含扩散模型（蒸馏后的 33B 权重）、文本编码器、以及 Visual VAE 和 Audio VAE 两个 VAE 文件；
3. 按目录放文件：把组件分别放进 ComfyUI/models/ 下对应的 diffusion_models、text_encoders、vae 目录（社区反馈最常见的翻车是放错目录）；
4. 加载官方模板工作流：ComfyUI 内置的 H3 模板里选 FL2VA（文生视频/首尾帧）或 Ref2VA（多参照）；
5. 生成并校验：先用默认参数跑一条 768p 样片，确认画面和声音都正常，再调自己的提示词。

两个官方提醒：

• H3-Context-IR 未开源，本地跑的是模型本体，复杂多模态输入的"理解优化"需要按官方提示词指导自建，或走官方 API；
• 初始开源版本只提供全注意力推理，稀疏注意力实现会在后续更新中发布——这意味着本地速度还有优化空间。

显卡要求：8GB 也能跑

官方 FAQ 给的参考线比很多人预想的低：

• 12GB 显存（RTX 3060 级）：用 pruned int8 量化（全部文件约 42GB 下载）可以出带音频的 480p；
• 16–24GB：很从容，调优后一条片子几分钟；
• RTX 5090 / DGX Spark：配合 NVIDIA Sol Engine 栈还能再快约 4 倍；
• Mac 用户：Apple Silicon 走 MLX 路线（建议 128GB 统一内存），或 16GB 起步的 NF4 量化路线；
• 社区极限：B 站多个 UP 主实测 8GB 显存（16GB 内存）可以借助整合包和加速插件跑起来，代价是速度和稳定性。

系统内存建议 32–64GB，因为放不进显存的层会从内存调度。完全没有 GPU 的话，可以先在 Colab 上体验。

API 价格

按官方平台促销页口径（2026 年 8 月）：H3 生成视频 2K 分辨率低至 $0.061/秒，768p 低至 $0.036/秒。折算一条 10 秒的 768p 视频约 $0.36，2K 约 $0.61。价格可能随官方活动调整，下单前以 platform.minimaxi.com 定价页 实时显示为准。

省钱建议：先用 768p 打磨提示词和分镜，定稿后再用 Regenerate-2K 出高分辨率版本，比全程 2K 便宜一半左右。

商用许可与地区限制

H3 以 MiniMax H3 Community License（社区许可协议）发布，免版税，研究和商用都可以，但有三个关键条款：

1. 收入门槛：用 H3 的商业产品/服务年收入超过 2000 万美元，需要另行向官方申请书面授权（邮件 api@minimax.io）；
2. 显著署名：商业产品界面需显著标注 "MiniMax H3"；
3. 用途红线：H3 的产出和权重不得用于训练或改进其他非 H3 系的 AI 模型；对外托管服务需落实内容安全措施。

地区限制：欧盟、英国、美国、韩国目前无法下载开源权重（法规仍在演进），这些地区用户可走全球 API，机构可申请正式授权做合规部署。生成的产物版权归使用者所有。

与 Wan2.2、Seedance 怎么选

快速定位三者的差异（详细展开见我们的通义万相 Wan 指南和 AI 视频工具选购指南）：

• 选 H3：要"视频+同步音频"一次生成、要多模态参照（图+视频+音频混合输入）、要角色一致性——目前开源里这是独一档；
• 选 Wan2.2：Apache 2.0 协议商用最省心，生态成熟，显存门槛也更低，但无声；
• 选 Seedance（闭源 API）：不想折腾硬件、只要云端质量，直接用字节 Seedance 的 API。

一句话：H3 的差异化在"全模态 + 原生音频"，这也是它被称为"开源后首次逼近闭源旗舰"的原因。

总结

MiniMax H3 把"全模态理解 + 视频 + 原生音频"三件事第一次拉进了开源世界：33B 稠密架构、两个 checkpoint 覆盖文生视频和多参照生成、8–12GB 显存就能本地起跑、免版税可商用。对个人创作者，从海螺 AI 网页版开始最省事；对开发者，ComfyUI 工作流 + 官方 API 的组合可以覆盖从验证到上线的全流程。

最后更新：2026 年 8 月 31 日 作者：AI345 编辑部 本文事实依据：MiniMax H3 官方 GitHub、MiniMax 官方开源站、Hugging Face 模型卡，配图中的架构图为官方素材，示意图为 AI345 原创绘制。