7月31日，MiniMax正式发布通用全模态生成模型H3。该模型支持对文本、图像、视频、声音的统一理解，可输出原生双声道音视频，最高支持15秒2K分辨率视频生成。
H3主打商用级多场景内容生成能力，在指令遵循、文字与品牌信息呈现、视频到视频动作迁移等方面表现突出，可应用于广告、电商、品牌、游戏等商业场景。定价方面，2K分辨率下每秒价格不到主流模型的1/3，768P分辨率下不到1/2。核心技术包括Contextual Omni Representation、H3-VAE及H3-Omni Transformer等，通过理解与生成异构训练架构提升训练吞吐近30%。
MiniMax表示，将在未来几天内开放模型权重，以推动开源社区发展并加速国产芯片适配。此前两代模型（Hailuo 01、02）分别在系统构建与架构效率上完成迭代，H3则进一步实现任务与模态的统一。公司称后续版本将推动与M系列模型能力的融合，并持续提升画面精细度。