MiniMax H3 frente a Veo 3.1: en uno de los dos los ajustes están atados entre sí

Nosotros llevamos una herramienta de MiniMax H3, así que aquí tenemos un interés evidente. Tres cosas mantienen esto útil: cada número de Veo sale de la documentación de la propia Google, las victorias de Veo tienen su propia sección, y nombramos el caso en el que Veo 3.1 Lite cuesta menos que nada de lo que vendemos.

Los dos sacan video con el audio generado junto a la imagen. Por ahí leerás que uno de los dos no lo hace; de H3 nunca fue verdad y de Veo ya no lo es. La comparación se decide por otras tres cosas. H3 te da de 4 a 15 segundos en cualquier número entero, seis relaciones de aspecto y hasta doce archivos de referencia, a entre $0.08 y $0.13 por segundo de salida. Veo 3.1 llega a 4K, cosa que H3 no puede, y puede extender un clip hasta 148 segundos, cosa que H3 tampoco. Y por encima de 720p, Veo tiene exactamente una duración.

Los ajustes de Veo 3.1 están acoplados

Lee la tabla de parámetros de Google en vez de su lista de funciones y hay una línea que cambia la comparación. En la fila de durationSeconds pone "4", "6", "8", y luego añade: debe ser "8" cuando se usan la extensión, las imágenes de referencia o las resoluciones 1080p y 4k.

Así que los 4, 6 u 8 segundos que todo el mundo cita sólo son ciertos a 720p y sin referencias. Pide 1080p y desaparecen el 4 y el 6. Pide 4K, lo mismo. Adjunta una imagen de referencia, lo mismo. Enciende la extensión y además bajas a 720p, porque la línea de resolución añade 720p sólo para la extensión.

H3 no tiene ningún acoplamiento equivalente. Cualquier entero de 4 a 15, en 768P o 2K, en cualquiera de seis relaciones de aspecto, con hasta nueve imágenes más tres videos más tres clips de audio. Los ajustes no se limitan unos a otros.

Tres modelos distintos llevan la insignia de Veo 3.1

Standard, Fast y Lite no son niveles de un mismo modelo en el sentido que niveles suele dar a entender. Lite no tiene 4K y no acepta ninguna imagen de referencia. Standard y Fast aceptan las dos cosas. La horquilla de precio es de ocho a uno: $0.40 por segundo contra $0.05 a 720p.

Esto importa porque casi todas las comparaciones citan los $0.40 de Standard y lo llaman Veo. Si tu entrega son 720p y ocho segundos, ese encuadre te cuesta dinero: Lite es más barato que nada de nuestra propia lista de precios, audio incluido.

El precio por segundo miente. Lo que cuesta un anuncio terminado

Las tarifas por segundo sólo se comparan limpiamente cuando los dos modelos pueden producir el mismo segmento. Por encima de 720p no pueden, así que la unidad honesta es un anuncio entregado.

Treinta segundos de salida de clase 1080p, quedándote una toma de cada tres:

Las dos columnas usan el precio de lista publicado por cada proveedor, no el margen de un revendedor, que es donde casi todas las comparaciones se tuercen sin hacer ruido — también la fila de Lite, que es la única que sale por debajo de nosotros.

Dónde Veo 3.1 le gana a MiniMax H3

El 4K. Veo 3.1 Standard lo entrega; H3 se para en 2K. Si el contrato dice máster en 4K, esta comparación se acabó. El 2K de H3 es una regeneración y no un reescalado, lo que recupera el texto pequeño que un reescalador se inventaría, pero sigue siendo 2K.

La duración, en un sentido concreto. Veo extiende un clip generado de siete en siete segundos, hasta veinte veces, hasta llegar a 148 segundos. H3 se para en 15. La versión de Veo está soldada con piezas de siete segundos y bloqueada a 720p, pero 148 son 148.

La reproducibilidad, en parte. Veo expone seed, con una nota de la propia Google que dice que no garantiza el determinismo pero lo mejora un poco. H3 no expone nada equivalente. Algo le gana a nada.

La contratación. Vertex AI trae gestión de identidades, registros de auditoría y contratos. Nada de H3 se acerca en ese eje.

Dos cláusulas de geografía, no una

Todas las comparaciones mencionan una de las dos y ninguna menciona las dos.

Los pesos de H3 se entregan bajo una licencia comunitaria cuyo Applicable Territory excluye Estados Unidos, la Unión Europea, el Reino Unido y Corea del Sur, y la exclusión sigue a las salidas, no sólo al despliegue. La API alojada no se ve afectada y está disponible en todo el mundo. La licencia, cláusula a cláusula tiene el detalle.

Veo también tiene una cláusula de geografía, en su propia página de limitaciones: en la Unión Europea, el Reino Unido, Suiza y la región MENA, personGeneration sólo acepta allow_adult. Google añade que el inglés está totalmente soportado y que los demás idiomas no se han evaluado, lo que conviene pesar contra los once idiomas de diálogo estables de H3.

Dos cláusulas, de dos clases distintas. No es un modelo con restricciones y otro sin ellas. Es un resumen, no asesoramiento legal.

Sobre los paneles de preferencia a ciegas

Arenas de preferencia a ciegas de Artificial Analysis, instantánea del 14 de agosto de 2026:

Dos matices antes de que cites eso. H3 no es el primero en el panel de texto a video; lo lidera Gemini Omni Flash con 1 241, dentro del mismo intervalo de confianza, y la propia documentación de Google ya nombra a Omni Flash el modelo de video por defecto y a Veo 3.1 la opción para extender escenas y para canalizaciones heredadas. Segundo, Veo 3.1 está ausente del panel de edición de video, no derrotado en él. Eso es una ausencia, no una derrota.

Cuál para tu encargo

Cuatro encargos te mandan a Google. Mejor saberlo aquí que después de la factura. Un máster en 4K: Standard, y sólo Standard. Un anuncio de ocho segundos a 720p con presupuesto justo: Lite, más barato que nosotros. Una entrega de más de quince segundos donde 720p valga: la cadena de extensión de Veo. Contratación dentro de Google Cloud: Vertex.

Cuatro te mandan aquí. Cualquier cosa que no sea 16:9 o 9:16. Cualquier cosa que necesite más de tres archivos de referencia, donde referencia a video acepta doce. Diálogo que no sea en inglés. Y cualquier toma continua de entre nueve y quince segundos, que Veo no puede producir con ningún ajuste.

Preguntas frecuentes

¿MiniMax H3 es mejor que Veo 3.1? En conjunto no. H3 va por delante en los paneles de preferencia a ciegas, en duración, en relaciones de aspecto, en capacidad de referencia y en precio. Veo 3.1 va por delante en 4K, en longitud de extensión y en la semilla. Elige por la especificación de entrega, no por quién gana.

¿Genera audio Veo 3.1? Sí, siempre. La tabla de funciones de modelo de Google lista el audio como siempre activo en Veo 3.1, Fast y Lite, y en la tabla actual de la API de Gemini no hay ningún parámetro generate_audio. Las comparaciones montadas sobre un Veo mudo están desactualizadas.

¿MiniMax H3 genera audio? Sí, estéreo de 32 kHz, producido en la misma pasada hacia delante que la imagen y sin ningún interruptor.

¿MiniMax H3 puede hacer 4K? No. El enumerado de resolución son 768P y 2K. Los sitios que citan una tarifa 4K de H3 están citando algo que MiniMax no publica.

¿Cuánto puede durar cada uno? H3: cualquier entero de 4 a 15 segundos en una toma continua. Veo 3.1: 4, 6 u 8, y sólo 8 por encima de 720p, y después extensiones de siete segundos hasta un máximo de 148 segundos a 720p.

¿Admite prompts negativos Veo 3.1? Por la API de Gemini no; el parámetro no está en su tabla. seed sí está, con la salvedad que pone la propia Google.

¿Cuál es más barato? Depende del nivel. Contra Standard, H3 cuesta más o menos un tercio. Contra Lite a 720p, H3 es más caro.

¿Por qué sigue en preview Veo 3.1? La tabla de versiones de modelo de Google marca Veo 3.1, Fast y Lite como preview, y Veo 3, Veo 3 Fast y Veo 2 como obsoletos. Todos los Veo que puedes comprar hoy son modelos en preview.

¿Cuánto tiempo siguen disponibles los resultados? Veo guarda los videos generados dos días. H3 te deja consultar una tarea durante siete días, y sus URL de salida también tienen tiempo limitado. Descarga y realoja en los dos casos.

¿Los videos llevan marca de agua? Veo marca con SynthID y ofrece una herramienta de verificación. Si un revendedor de terceros traslada o no ese SynthID conviene confirmarlo con ese revendedor directamente.

¿Debería estar comparando con Gemini Omni Flash en su lugar? Puede que sí. La propia documentación de Google lo nombra el modelo de video por defecto.

---

Esto se resuelve más fácil con un clip que con una tabla. Pasa tu propio prompt por el generador de video con IA de MiniMax H3 — texto a video sólo pide una línea — y juzga la imagen tú mismo.