稀宇科技发布 MiniMax H3 全模态生成模型，支持 15 秒 2K 视频

稀宇科技于 7 月 31 日宣布推出全新一代全模态生成模型 MiniMax H3，该模型能够统一理解文本、图像、视频和声音，并输出具备原生双声道的音视频内容，最高支持 15 秒 2K 分辨率。

据前期邀测反馈，MiniMax H3 在指令遵循、文字与品牌信息呈现、视频到视频动作迁移等场景表现出色，适用于广告、电商、品牌设计、UI/UX 及游戏等商用场景。模型新增了 Caption 能力，通过定制专属模型和全模态理解管线，大部分素材推理消耗约 100K Token，最终输出平均约 4K Token。

MiniMax H3 的 2K 视频输出不依赖传统超分模块，而是利用基础模型对低分辨率结果进行上下文重新生成，能保留传统超分方案无法还原的细节信息。公司计划在未来几天内开放模型权重。