MiniMax H3 frente a MiniMax M3: uno hace video, el otro escribe código

Si lo que quieres es video, quieres H3. MiniMax H3 es un modelo de video omnimodal: entran texto, imágenes, video y audio, y salen de 4 a 15 segundos de video con sonido en la misma pasada. MiniMax M3 es un modelo de lenguaje de 428B con mezcla de expertos y una ventana de 1M de tokens que lee video pero escribe texto. No compiten — misma empresa, dos meses de diferencia y una letra de diferencia en la cadena de la API, que es casi todo el motivo de que la gente los confunda.

M3 no puede generar video. H3 no puede escribir código. Si estás eligiendo entre los dos, todavía no has decidido qué estás haciendo — y si lo que haces es video, M3 sigue mereciendo la pena, por razones que están al final de esta página.

Uno hace video, el otro escribe código

MiniMax H3 salió el 31 de julio de 2026, con pesos abiertos el 2–3 de agosto. Coge texto, imágenes, video y audio, y devuelve un único MP4 a 24 fps, de 4 a 15 segundos, hasta 2K. Lo llamas en /v2/video_generation, de forma asíncrona: creas una tarea, sondeas el id, descargas el archivo. Factura por segundo de salida.

MiniMax M3 salió dos meses antes, el 1 de junio de 2026, con pesos el 12 de junio. Es una mezcla de expertos de 428B, con 23B activos por token, montada sobre MiniMax Sparse Attention para una ventana de 1 048 576 tokens. Lee imágenes y video, y escribe texto. Lo llamas en /v1/chat/completions, de forma síncrona. Factura por token.

Mismo anfitrión, misma cuenta, una letra de diferencia en la cadena del modelo.

¿Cuál estás buscando en realidad?

Casi nadie que busque esto está comparando nada — han aterrizado en el modelo equivocado y necesitan salir. Una sola pregunta lo resuelve.

¿Qué quieres que salga?

Si sólo tienes un nombre o un número y no sabes a cuál pertenece, las dos consultas de abajo nombran el modelo en una línea.

Los números, uno al lado del otro

Dos filas deciden casi todo: qué saca cada uno y cómo se factura.

Qué saca es la única fila que necesita casi todo el mundo. La unidad de facturación es la que pilla a los departamentos de compras: un presupuesto montado sobre el modelo equivocado no está un poco mal, está puesto en otra unidad. H3 son $0.08 por segundo de salida en 768P y $0.13 en 2K. M3 son $0.30 por millón de tokens de entrada y $1.20 por millón de salida, y el doble por encima de 512K de entrada.

Hay una fila que merece una segunda mirada. Los dos aceptan video — pero H3 lo acepta como una referencia que imitar, y M3 lo acepta para describirlo. Misma entrada, propósito contrario.

Las licencias apuntan en direcciones opuestas

Las dos se llaman Community License. Son documentos distintos y restringen cosas distintas.

La licencia de H3 excluye la Unión Europea, el Reino Unido, Corea del Sur y los Estados Unidos de su Applicable Territory, y el §V.4 extiende esa restricción a las salidas — un clip renderizado legalmente en otro sitio no tiene licencia para mostrarse en esos cuatro mercados. Por encima de $20M de facturación anual necesitas autorización previa por escrito.

La licencia de M3 no tiene ninguna restricción de territorio. Su concesión base es no comercial; el uso comercial exige que muestres “Built with MiniMax M3” de forma visible, y el mismo umbral de $20M dispara la autorización por escrito, con una notificación única por debajo de él.

Así que las dos preguntas son distintas. H3 pregunta dónde estás. M3 pregunta cuánto ganas. Una desarrolladora en Londres puede autoalojar M3 legalmente. Lo que no puede es autoalojar H3.

Un contraste más que conviene saber: el codificador de texto de H3 es Qwen3-VL-32B, un modelo de terceros, mientras que la atención dispersa de M3 es enteramente de casa. La misma empresa tomó rutas opuestas en sus dos buques insignia. Y conviene anotar que M2 salió bajo MIT en octubre de 2025 — la restricción empezó en la M2.7.

Es un resumen, no asesoramiento legal. El desglose completo de la licencia de H3 tiene las cláusulas; si uno de esos cuatro mercados es el tuyo, la API alojada es un arreglo aparte.

Todos los nombres que ha publicado MiniMax

Esto es sólo una parte de un problema de nombres más amplio. MiniMax ha publicado, en un año, un modelo de video llamado H3, un modelo de lenguaje llamado M3 y un modelo de música llamado Music-3.0 — así que “el nuevo modelo MiniMax 3” tiene hoy tres referentes.

Escribir Hailuo 03 no es un error; es una extrapolación que MiniMax invalidó. La línea de video ha llevado cuatro esquemas de nombres en cuatro generaciones: T2V-01-Director, luego MiniMax-Hailuo-02, luego MiniMax-Hailuo-2.3, y luego MiniMax H3. Cualquiera que siguiera el patrón de 2025 predeciría Hailuo-03.

Esa suposición choca después con Kling O3 — que no es un producto de MiniMax. Es de Kuaishou, el proveedor lo llama Video 3.0 Omni, y las dos cadenas son casi idénticas en un buscador.

Ese número que viste — mira a qué modelo pertenece

Buena parte de la confusión llega en forma de cifra. SWE-Bench Pro 59,0%, Terminal-Bench 66,0%, MCP Atlas 74,2% — ésas son de M3, las informa el proveedor, y ningún modelo de video puede puntuar en ellas. Si ves una al lado de H3, esa página cruzó los cables.

Funciona también al revés. Las puntuaciones Elo, los precios por segundo y la descarga de 42,47 GB para ComfyUI son de H3, no de M3. Las dos direcciones importan, porque un número equivocado en un documento de compras sobrevive más que un nombre equivocado.

Una cifra está simplemente caducada: el 55 de M3 en Artificial Analysis es anterior al Índice v4.1, que ahora marca 44.

“vs” es la pregunta equivocada

H3 no quiere una frase. Quiere una descripción larga y estructurada — plano a plano, con movimientos de cámara, tiempos y sonido, en tres campos con nombre. MiniMax construye esa descripción con una etapa alojada llamada Context-IR, que no forma parte de la publicación abierta. Su propia guía invita a los desarrolladores a construirse su preprocesado.

M3 tiene una forma insólitamente buena para ese trabajo, y viene del mismo proveedor. Tiene una ventana de un millón de tokens, así que una guía de estilo de marca y una lista de planos caben dentro. Lee imágenes y video, así que puede derivar una descripción de tu material de referencia. Y saca texto, que es exactamente lo que H3 consume. Esto no es un apaño. Es el hueco que MiniMax dejó abierto, tapado con el propio modelo de MiniMax.

Así que la canalización es: M3 escribe el prompt, H3 lo renderiza, y M3 revisa el resultado y corrige. El prompt de sistema que hace que M3 emita el formato de H3:

You are a MiniMax H3 prompt writer. Convert the user's idea into H3's structured
prompt format, following MiniMax's official h3-prompt-writing skill.

Rules:
- Output exactly three fields, in this order:
  integrated_multimodal_description, overall_soundscape, non_diegetic_music.
- Write the descriptive sections in English. Keep dialogue, lyrics and on-screen
  text in their original language.
- Break the clip into shots using [Shot 1], [Shot 2]. Mark cuts with timestamps
  like "At 00:04.500".
- Describe each shot in this order: composition, subjects, environment, actions,
  camera, sound.
- Describe camera movement with all three parts: motion type, amplitude, speed.
  ("slow push-in, small amplitude" — not "camera moves".)
- Write dialogue as: (S1) speaks softly, [English] the line here.
- Every detail must correspond to something visible or audible. No plot
  summaries. No unresolved reference tags.
- All timing must fit within the requested duration.
- Stay under 7,000 characters.

Target duration: {duration} seconds. Aspect ratio: {ratio}.

Lo que cuesta de verdad el traspaso

Casi nada, que es la parte que lo hace práctico. Un traspaso típico manda unos 1 500 tokens y recibe unos 2 500 — más o menos $0.0035 a las tarifas de lista de M3. El clip de cinco segundos en 768P que describe cuesta $0.40. Escribir el prompt cuesta alrededor del 1% de generar el clip, así que no hay ningún motivo para darle a H3 una frase en bruto por ahorrar dinero. Estimado con los precios de lista oficiales el 14 de agosto de 2026.

El generador de prompts es la versión de producto de esto, y referencia a video es por donde entran las imágenes, el video y la voz.

Las preguntas que hay detrás de la confusión

¿MiniMax M3 es un modelo de video? No. Lee video y lo describe, pero saca texto. Para video, usa H3.

¿M3 es más nuevo o mejor que H3? Ninguna de las dos cosas. Son líneas distintas, con dos meses de diferencia. Los números no son comparables.

¿Cuántos parámetros tiene M3? Unos 428B en total y 23B activos, según la ficha del modelo. Los metadatos de Hugging Face dicen 427 040 140 160.

¿Es lo mismo H3 que Hailuo 3.0? Sí. Las tres grafías significan MiniMax H3. Hailuo AI es la app, no el modelo.

¿Puedo usar M3 para escribir prompts de H3? Sí. La propia guía de MiniMax invita a los desarrolladores a construirse su preprocesado de prompts.

¿Los dos son de pesos abiertos? Los dos, bajo licencias restringidas. H3 excluye cuatro territorios; M3 no excluye ninguno pero es no comercial por defecto.

¿Por cuál debería pagar? Por el que encaje con tu salida. El video factura por segundo, el texto por token.

¿Por qué me sale M3 cuando busco video? Porque su ficha de modelo lleva la etiqueta video — de comprender video. Eso más una letra ya basta.

¿Kling O3 es un modelo de MiniMax? No. Lo hace Kuaishou y lo llama Video 3.0 Omni. Sólo se parece.

Sólo quiero hacer un video. ¿Por dónde empiezo? Por aquí — sin M3 de por medio. Para todas las vías de entrada, mira cómo usar MiniMax H3.

Si lo que haces es video, M3 no es el modelo que quieres. El generador de video con IA de MiniMax H3 sí lo es, y un clip lo resuelve más rápido que la tabla de arriba.

Qué puede cambiar. MiniMax publica rápido: mira las notas de versión por si hay algo más nuevo que M3 y H3. Las tarifas actuales de M3 van etiquetadas como un descuento permanente del 50%, así que la comparación de coste se mueve si eso termina. Y el 83,5 de BrowseComp lo informa un tercero; no aparece en los textos de la propia MiniMax.