MiniMax H3 contra MiniMax M3: um faz vídeo, o outro escreve código

Se o que você quer é vídeo, você quer o H3. O MiniMax H3 é um modelo de vídeo omnimodal: entram texto, imagem, vídeo e áudio, e saem de 4 a 15 segundos de vídeo com som na mesma passagem. O MiniMax M3 é um modelo de linguagem mixture-of-experts de 428B com contexto de 1M de tokens, que lê vídeo mas escreve texto. Eles não competem — mesma empresa, dois meses de diferença, uma letra de diferença na string da API, que é boa parte do motivo de as pessoas confundirem.

O M3 não consegue gerar vídeo. O H3 não consegue escrever código. Se você está escolhendo entre os dois, você ainda não decidiu o que está fazendo — e se você está fazendo vídeo, o M3 continua valendo a pena, por motivos que estão no pé desta página.

Um faz vídeo, o outro escreve código

O MiniMax H3 saiu em 31 de julho de 2026, com pesos abertos em 2 e 3 de agosto. Ele aceita texto, imagem, vídeo e áudio, e devolve um único MP4 a 24 fps, de 4 a 15 segundos, até 2K. Você chama ele em /v2/video_generation, de forma assíncrona: crie uma tarefa, consulte o id, baixe o arquivo. Ele cobra por segundo de saída.

O MiniMax M3 saiu dois meses antes, em 1 de junho de 2026, com pesos em 12 de junho. É um mixture of experts de 428B, 23B ativos por token, construído sobre o MiniMax Sparse Attention para uma janela de 1.048.576 tokens. Ele lê imagem e vídeo, e escreve texto. Você chama ele em /v1/chat/completions, de forma síncrona. Ele cobra por token.

Mesmo host, mesma conta, uma letra de diferença na string do modelo.

Qual dos dois você está procurando de verdade?

A maioria de quem busca isso não está comparando nada — caiu no modelo errado e precisa sair. Uma pergunta resolve.

O que você quer que saia?

Se você só tem um nome ou um número e não consegue dizer a qual deles ele pertence, as duas consultas abaixo nomeiam o modelo numa linha.

Os números lado a lado

Duas linhas decidem quase tudo: o que cada um entrega, e como ele é cobrado.

O que ele entrega é a única linha de que a maioria dos leitores precisa. Unidade de cobrança é a que pega o departamento de compras: um orçamento montado no modelo errado não está um pouquinho errado, está precificado em outra unidade. O H3 são $0.08 por segundo de saída em 768P e $0.13 em 2K. O M3 são $0.30 por milhão de tokens de entrada e $1.20 por milhão de saída, dobrando acima de 512K de entrada.

Uma linha vale um segundo olhar. Os dois aceitam vídeo — mas o H3 aceita como referência para imitar, e o M3 aceita para descrever. Mesma entrada, propósito oposto.

As licenças apontam para lados opostos

As duas se chamam Community License. São documentos diferentes, e restringem coisas diferentes.

A licença do H3 exclui a União Europeia, o Reino Unido, a Coreia do Sul e os Estados Unidos do Applicable Territory dela, e o §V.4 estende essa restrição às saídas — um clipe renderizado legalmente em outro lugar não está licenciado para exibição nesses quatro mercados. Acima de $20M de faturamento anual você precisa de autorização prévia por escrito.

A licença do M3 não tem restrição de território nenhuma. A concessão base dela é não comercial; uso comercial exige que você exiba «Built with MiniMax M3» de forma destacada, e o mesmo limite de $20M dispara autorização por escrito, com um aviso único abaixo dele.

Então as duas perguntas são diferentes. O H3 pergunta onde você está. O M3 pergunta quanto você fatura. Uma pessoa desenvolvendo em Londres pode legalmente rodar o M3 por conta própria. Rodar o H3, não.

Mais um contraste que vale saber: o codificador de texto do H3 é o Qwen3-VL-32B, um modelo de terceiros, enquanto a atenção esparsa do M3 é inteiramente de casa. A mesma empresa seguiu caminhos opostos nos dois carros- chefe dela. E vale notar, o M2 saiu sob MIT em outubro de 2025 — a restrição começou no M2.7.

Um resumo, não aconselhamento jurídico. A análise completa da licença do H3 tem as cláusulas; se um desses quatro mercados é o seu, a API hospedada é um arranjo à parte.

Todo nome que a MiniMax já lançou

Isto é só uma parte de um problema de nomes maior. A MiniMax lançou, em um ano, um modelo de vídeo chamado H3, um modelo de linguagem chamado M3 e um modelo de música chamado Music-3.0 — então «o novo modelo 3 da MiniMax» tem hoje três referentes.

Escrever Hailuo 03 não é um erro; é uma extrapolação que a MiniMax invalidou. A linha de vídeo carregou quatro esquemas de nome em quatro gerações: T2V-01-Director, depois MiniMax-Hailuo-02, depois MiniMax-Hailuo-2.3, e então MiniMax H3. Quem seguisse o padrão de 2025 preveria Hailuo-03.

Esse palpite então colide com o Kling O3 — que não é um produto da MiniMax. É da Kuaishou, o fornecedor chama de Video 3.0 Omni, e as duas strings são quase idênticas numa caixa de busca.

Aquele número que você viu — confira a qual modelo ele pertence

Boa parte da confusão chega como um número. SWE-Bench Pro 59,0%, Terminal-Bench 66,0%, MCP Atlas 74,2% — esses são do M3, são reportados pelo fornecedor, e modelo de vídeo nenhum pode ser pontuado neles. Se você vir um deles ao lado do H3, aquela página cruzou os fios.

Vale para o outro lado também. Notas de Elo, preços por segundo e o download de 42,47 GB do ComfyUI pertencem ao H3, não ao M3. As duas direções importam, porque um número errado num documento de compras sobrevive mais que um nome errado.

Um número está simplesmente velho: a nota 55 do M3 na Artificial Analysis é anterior ao Index v4.1, que agora marca 44.

«contra» é a pergunta errada

O H3 não quer uma frase. Ele quer uma descrição longa e estruturada — tomada a tomada, com movimentos de câmera, tempos e som, em três campos nomeados. A MiniMax monta essa descrição com um estágio hospedado chamado Context-IR, que não faz parte da versão aberta. A orientação dela mesma convida quem desenvolve a construir o próprio pré-processamento.

O M3 é incomumente bem talhado para esse trabalho, e vem do mesmo fornecedor. Ele tem uma janela de um milhão de tokens, então um guia de marca e uma lista de tomadas cabem dentro. Ele lê imagem e vídeo, então consegue derivar uma descrição do seu material de referência. E ele produz texto, que é exatamente o que o H3 consome. Isso não é uma gambiarra. É a lacuna que a MiniMax deixou aberta, preenchida com o modelo da própria MiniMax.

Então o pipeline é: o M3 escreve o prompt, o H3 renderiza, e o M3 revisa o resultado e corrige. O system prompt que faz o M3 emitir o formato do 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}.

Quanto essa passagem de bastão custa de verdade

Quase nada, que é a parte que torna ela prática. Uma passagem típica manda cerca de 1.500 tokens para dentro e recebe cerca de 2.500 de volta — aproximadamente $0.0035 pelas tarifas de tabela do M3. O clipe de cinco segundos em 768P que ela descreve custa $0.40. Escrever o prompt custa cerca de 1% de gerar o clipe, então não existe motivo para entregar ao H3 uma frase crua para economizar dinheiro. Estimado a partir dos preços de tabela oficiais em 14 de agosto de 2026.

O gerador de prompt é a versão produtizada disso, e referência para vídeo é onde entram imagem, vídeo e voz.

As perguntas por trás da confusão

O MiniMax M3 é um modelo de vídeo? Não. Ele lê vídeo e descreve, mas produz texto. Para vídeo, use o H3.

O M3 é mais novo ou melhor que o H3? Nenhum dos dois. Linhas diferentes, dois meses de diferença. Os números não são comparáveis.

Quantos parâmetros o M3 tem? Cerca de 428B no total, 23B ativos, segundo o model card. Os metadados do Hugging Face dizem 427.040.140.160.

Hailuo 3.0 é a mesma coisa que H3? É. As três grafias querem dizer MiniMax H3. Hailuo AI é o app, não o modelo.

Posso usar o M3 para escrever prompts do H3? Pode. A orientação da própria MiniMax convida quem desenvolve a construir o próprio pré-processamento de prompt.

Os dois são de pesos abertos? Os dois, sob licenças restritas. O H3 exclui quatro territórios; o M3 não exclui nenhum, mas é não comercial por padrão.

Por qual dos dois eu deveria pagar? O que casar com a sua saída. Vídeo cobra por segundo, texto cobra por token.

Por que o M3 aparece quando eu busco vídeo? O model card dele tem a tag video — de entender vídeo. Isso mais uma letra já basta.

O Kling O3 é um modelo da MiniMax? Não. Quem faz é a Kuaishou e chama de Video 3.0 Omni. Ele só parece parecido.

Eu só quero fazer um vídeo. Por onde começo? Por aqui — sem precisar de M3. Para todos os caminhos de entrada, veja como usar o MiniMax H3.

Se é vídeo que você está fazendo, o M3 não é o modelo que você quer. O gerador de vídeo com IA MiniMax H3 é, e um clipe resolve isso mais rápido que a tabela acima.

O que pode mudar. A MiniMax lança rápido: confira as notas de versão para qualquer coisa mais nova que o M3 e o H3. As tarifas atuais do M3 estão rotuladas como um desconto permanente de 50%, então a comparação de custo se move se isso acabar. E o BrowseComp 83,5 é reportado por terceiros; ele não aparece no texto da própria MiniMax.