MiniMax H3 對比 MiniMax M3：一個做影片，一個寫程式

你要的是影片，那你要的就是 H3。 MiniMax H3 是一個全模態影片模型： 文字、圖片、影片和聲音進去，出來的是 4–15 秒、聲音在同一次運算裡的影片。 MiniMax M3 是一個 428B 的混合專家語言模型，帶 1M token 的上下文， 它讀影片但寫文字。兩者不競爭——同一家公司，相隔兩個月， 在 API 字串裡差一個字母，而那就是大家搞混的主要原因。

M3 生成不了影片。H3 寫不了程式。如果你正在這兩個之間選， 那表示你還沒決定自己要做什麼——而如果你要做的是影片， M3 仍然值得留著，理由在這一頁的最底下。

一個做影片，一個寫程式

MiniMax H3 在 2026 年 7 月 31 日出，開放權重在 8 月 2 至 3 日。 它收文字、圖片、影片和聲音，交回一個 24 fps、4 到 15 秒、最高 2K 的 MP4。 你在 /v2/video_generation 呼叫它，非同步：建立任務、輪詢 id、下載檔案。 它按輸出秒數計費。

MiniMax M3 早兩個月，2026 年 6 月 1 日出，權重在 6 月 12 日。 它是一個 428B 的混合專家模型，每個 token 啟用 23B， 建立在 MiniMax Sparse Attention 上，視窗是 1,048,576 個 token。 它讀圖片和影片，然後寫文字。你在 /v1/chat/completions 呼叫它，同步。 它按 token 計費。

同一個主機、同一個帳號，模型字串差一個字母。

你真正要找的是哪一個？

搜這個的人多數不是在比較什麼——他們是掉到錯的模型上，需要一條出路。 一個問題就解決了。

你要出來的是什麼？

如果你手上只有一個名字或一個數字，分不出它屬於誰， 底下那兩張對照表一行就能把模型指出來。

數字並排

有兩行幾乎決定了一切：各自輸出什麼，以及各自怎麼計費。

輸出什麼是多數讀者唯一需要的那一行。計費單位是會絆倒採購的那一行： 一份建立在錯模型上的報價不是稍微算錯，而是用了另一個單位。 H3 是 768P 每輸出秒 $0.08、2K $0.13。M3 是每百萬輸入 token $0.30、 每百萬輸出 $1.20，輸入超過 512K 之後翻倍。

有一行值得再看一眼。兩邊都收影片——但 H3 收它是當成要模仿的參考， M3 收它是為了描述它。同樣的輸入，相反的目的。

兩份授權指向相反的方向

兩份都叫社群授權。它們是不同的文件，限制的也是不同的東西。

H3 的授權把歐盟、英國、南韓和美國排除在適用地區之外， 而 §V.4 把這條限制延伸到產出——一支在別處合法算出來的片子， 沒有被授權在那四個市場展示。年營收超過兩千萬美元要先取得書面授權。

M3 的授權完全沒有地域限制。它的基礎授權是非商用； 商用要求你顯著顯示「Built with MiniMax M3」， 而同樣的兩千萬美元門檻觸發書面授權，門檻以下則是一次性通知。

所以這兩個問題是不一樣的。H3 問你人在哪。M3 問你賺多少。 一個在倫敦的開發者可以合法自架 M3。他不能自架 H3。

還有一組值得知道的對照：H3 的文字編碼器是 Qwen3-VL-32B，一個第三方模型， 而 M3 的稀疏注意力完全是自研的。同一家公司在兩個旗艦上走了相反的路線。 另外值得一提，M2 在 2025 年 10 月是以 MIT 出的——這條限制是從 M2.7 開始的。

以下是摘要，不是法律意見。 完整的 H3 授權拆解 有那些條款； 如果那四個市場裡有一個是你的，託管 API 是另一套安排。

MiniMax 出過的每一個名字

這只是一個更大的命名問題的一部分。MiniMax 在一年之內出了一個叫 H3 的影片模型、 一個叫 M3 的語言模型，和一個叫 Music-3.0 的音樂模型—— 所以「MiniMax 那個新的 3 模型」現在有三個指涉對象。

寫成 Hailuo 03 不是筆誤；它是一個被 MiniMax 自己推翻掉的外推。 影片這條線在四代裡換過四套命名：T2V-01-Director， 接著 MiniMax-Hailuo-02，接著 MiniMax-Hailuo-2.3，然後是 MiniMax H3。 任何照著 2025 年的規律推的人，都會猜 Hailuo-03。

而那個猜測接著會撞上 Kling O3——那不是 MiniMax 的產品。 它是快手的，原廠叫它 Video 3.0 Omni，而這兩個字串在搜尋框裡幾乎一樣。

你看到的那個數字——先確認它屬於哪個模型

很多搞混是以一個數字的形式到來的。SWE-Bench Pro 59.0%、Terminal-Bench 66.0%、MCP Atlas 74.2%——那些是 M3 的，是原廠自報的， 而任何影片模型都不可能在上面被打分。你要是看到其中一個擺在 H3 旁邊， 那一頁的線接錯了。

反方向也一樣。Elo 分數、每秒價格，還有 42.47 GB 的 ComfyUI 下載， 屬於 H3，不屬於 M3。兩個方向都要緊， 因為一份採購文件裡的錯數字，活得比一個錯名字久。

有一個數字純粹是過期的：M3 在 Artificial Analysis 上的 55 分， 早於 Index v4.1，那裡現在讀到的是 44。

「對比」是錯的問題

H3 要的不是一句話。它要的是一份很長的結構化描述——逐鏡頭， 把運鏡、時間安排和聲音寫進三個具名欄位裡。MiniMax 用一段叫 Context-IR 的託管階段來生成那份描述，而它不在開放釋出的範圍內。 它自己的指引則邀請開發者自己搭一層前處理。

M3 的形狀異常適合那份工作，而且它來自同一家原廠。 它有一個百萬 token 的視窗，所以一份品牌風格指南和一份鏡頭表放得進去。 它讀圖片和影片，所以它能從你的參考素材推導出一份描述。 而它輸出文字，那正好是 H3 吃的東西。 這不是一個變通做法。這是 MiniMax 留下的缺口，用 MiniMax 自己的模型填上。

所以這條流程是：M3 寫提示詞，H3 去算，然後 M3 檢視結果並修改。 讓 M3 吐出 H3 格式的那段系統提示詞：

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}.

這次交接實際上要多少錢

幾乎不用錢，而這正是它可行的原因。一次典型的交接大約送 1,500 個 token 進去、 拿大約 2,500 個回來——按 M3 的標價大約 $0.0035。 它描述的那支五秒 768P 片子要 $0.40。 寫提示詞的成本大約是生成那支片子的 1%， 所以沒有任何理由為了省錢而丟一句粗略的話給 H3。 依 2026 年 8 月 14 日的官方標價估算。

提示詞產生器 是這件事的產品化版本， 而參考圖生影片 是圖片、影片和聲音進去的地方。

搞混背後的那些問題

MiniMax M3 是影片模型嗎？ 不是。它讀影片並描述它，但輸出文字。要影片，用 H3。

M3 比 H3 新，或者比較好嗎？ 都不是。不同的產品線，相隔兩個月。那些數字不可比。

M3 有多少參數？ 按模型卡，總共大約 428B、啟用 23B。Hugging Face 的中繼資料寫的是 427,040,140,160。

Hailuo 3.0 跟 H3 是同一個嗎？ 是。三種拼法指的都是 MiniMax H3。Hailuo AI 是那個 app，不是模型。

我可以用 M3 來寫 H3 的提示詞嗎？ 可以。MiniMax 自己的指引就邀請開發者自己搭提示詞前處理。

兩個都是開放權重嗎？ 都是，都在受限授權下。H3 排除四個地區；M3 一個都不排除，但預設非商用。

我該付錢給哪一個？ 跟你的產出對得上的那一個。影片按秒計費，文字按 token 計費。

我搜影片的時候，為什麼會跑出 M3？ 它的模型卡掛了 video 標籤——是給理解影片用的。那個加上一個字母，就夠了。

Kling O3 是 MiniMax 的模型嗎？ 不是。快手做的，叫它 Video 3.0 Omni。只是看起來很像。

我只是想做一支影片。從哪裡開始？ 這裡——不需要 M3。所有進去的路子， 看MiniMax H3 怎麼用。

如果你要做的是影片，M3 不是你要的那個模型。 MiniMax H3 AI 影片生成器 才是，而一支片子解決得比上面那張表快。

可能會變的事。 MiniMax 出東西很快：比 M3 和 H3 更新的東西， 去看發行說明。M3 目前的費率標的是一個永久 50% 折扣， 所以那個折扣結束的話，成本比較就會移動。 另外 BrowseComp 83.5 是第三方回報的；它沒有出現在 MiniMax 自己的文字裡。