MiniMax H3 API 价格：2K 每秒 $0.13，以及为什么「先出草稿再升级」一分钱都省不下

MiniMax H3 的 2K 输出每秒 $0.13，768P 每秒 $0.08。把已完成的 768P 片子转成 2K 的重生成档是 $0.05。 后两个加起来是 $0.13——和直接出 2K 的价格分毫不差。这道算术是关于这个模型定价你最该知道的一件事，而它没写在营销页上。

模型 ID：      MiniMax-H3
输出：         2K 每秒 $0.13，768P 每秒 $0.08
重生成：       每秒 $0.05（仅 768P → 2K）
时长：         4–15 秒，只能取整数，24 fps
音频：         原生立体声，同一遍生成
输入音频：     免费
输入图像：     前 5 张免费，之后每张 $0.04
输入视频：     按它自己的时长、以输出档费率计费
端点：         POST /v2/video_generation（异步，轮询取结果）
权重：         H3-Base 开源（768P）；2K 模块与 Context-IR 未发布
网关：         截至 2026-09-06 不在 Ofox 目录内

费率读取自 MiniMax 2026 年 9 月 6 日的按量付费定价页。H3 于 2026 年 7 月 31 日发布，权重在 8 月 3 日跟上。

MiniMax H3 到底是什么

一个在一次请求里同时吃文本、图像、视频、音频，并返回带声音视频的多模态生成模型。 不是语言模型——搜索结果里一起冒出来的 M3 是另一个编程与语言模型，在同一场 WAIC 2026 上发布。

H3 区别于多数视频模型的地方在于，音频是在同一遍里生成的，不是事后配上去。MiniMax 自己的说法是，它把过去要分开的一堆专家模型——文生视频、图生视频、首尾帧、主体参考、动作参考、视频编辑——收进了一个模型里，模式由你送进去的东西决定，而不是由不同的端点决定。

价目表

两档输出、一档重生成，输入素材另计。

另有一个单独的 MiniMax-H3-Max 模型，480P 每秒 $0.05、768P 每秒 $0.08，目前只支持文生视频和图生视频，且不对输入素材计费。

按公开费率算，一段片子多少钱：

定价页上没人写的那道算术

$0.08 + $0.05 = $0.13。 先在 768P 出草稿、再把选中的那条升到 2K，花的钱和直接拍 2K 一模一样。

这件事要紧，是因为「便宜地多生成，把赢家升级」是个显而易见的工作流，听上去像在省钱。就单条片子而言，它不省：

草稿路线真正省钱的地方，是你扔掉的那些镜头。 每一秒被丢弃的素材只花 $0.05 而不是 $0.13，所以省是真省，但省多少取决于你的废片率，而不是取决于这个工作流本身。五条 5 秒的镜头扔掉四条，这一批省下 $1.00。全都留下，那你花了同样的钱，还多等了一遍。

它更贵的地方：参考素材重的活儿。 重生成会把原始输入素材重新计一遍费。图像重新给你 5 张免费额度，之后每张 $0.025，参考视频也按它自己的时长再计一次每秒 $0.05。如果你每次生成都要喂一张角色设定图加一段动作参考，那草稿再升级这条路一定比直接上 2K 更贵。

诚实的判断是：把 768P 当成筛选层，而不是省钱手段。 你在探索、并且预计大部分生成结果都会被丢掉时，它划算。你已经明确知道自己要什么时，它反而让你多花钱。

重生成端点的限制很死

在围绕它做开发之前值得先读一遍，因为它不是超分工具。按 MiniMax 自己的 API 文档，源视频必须严格符合 H3 的 768P 输出规格：

还有两条会咬人的约束：

• 原始输入必须原样重新提交。 768P 那次任务里所有的参考图、视频和音频都要再传一遍，另加一个 role=base_video 的 video_url 项。
• prompt 必须是后处理之后的那一版。 MiniMax 明确要求 text 必须是 “the final prompt actually sent to the model when generating the 768P source video, not the original prompt from before H3-Context-IR processing.”（生成 768P 源视频时实际送给模型的最终 prompt，而不是 H3-Context-IR 处理之前的原始 prompt。）如果你没把那个中间产物记下来，这个任务你就复现不了。

最后这条是真正的坑。Context-IR 会在生成前重写你的指令，而重生成要的是重写之后的那一版。生成时就把它记下来，否则你之后就失去了升级这段片子的能力。

开源的只是模型的一半

H3-Base 是公开的。撑起那些宣传参数的两个模块不是。

MiniMax 于 2026 年 8 月 3 日开源了 H3——两个 BF16 检查点（FL2VA 用于文本和首尾帧类任务，Ref2VA 用于参考类任务），33B 稠密单流 transformer，托管在 Hugging Face 上，许可是 MiniMax 自家的 Community License，不是 Apache 或 MIT。

你拿不到的部分：

• H3-Regenerate-2K，模型卡上写的是 “not yet open-sourced”（尚未开源）。这正是产出 2K 的那个模块。本地部署只能生成 768P。
• H3-Context-IR，把你的多模态指令转成模型真正消费的内容的托管层，因为横跨多个托管服务而被排除。MiniMax 称它对输出质量至关重要。
• 稀疏注意力推理。 模型原生支持，但开源版本只带了全注意力。

所以自部署拿到的是 768P 那一半。官方参考部署是四张 GPU 走 SGLang。在把一个工程师投进去之前，请拿它和每秒 $0.13 掂量一下——另外注意 Community License 在若干地区限制使用，并要求营收超过某个门槛后取得书面授权，这属于法务评估而不是技术评估。

H3 的价格横向对比

H3 不在 Ofox 目录里，所以这是一次跨渠道对比，不是同口径对比。Ofox 的费率读取自 2026 年 9 月 6 日的实时 /v1/models 端点；H3 的是 MiniMax 自己的标价。

这张表要仔细读，因为分辨率那一列很关键。H3 是表里唯一输出 2K 的模型，同时也是唯一一个最便宜档位天花板低于 1080p 的。拿 2K 的 $0.13 去比 Wan 3.0 在 1080p 下的 $0.05，比的不是同一件东西。

各自适合什么：

• 你要 2K 且音画同步： 这张表上只有 H3 能给。除了 Seedance 2.0 能到 4K（$0.07），其余都上不了 1080p 以上。
• 你要 1080p 且价格最低： Wan 3.0 每秒 $0.05，不到 H3 768P 档的一半，输出的分辨率还更高。
• 你要超过 15 秒的片子： H3 封顶 15 秒。Wan 3.0 和 Seedance 2.5 都能到 30。
• 你要塞大量参考素材： Seedance 2.5 接受 30 张图、10 段视频、10 段音频，H3 是 9 / 3 / 3。

怎么调

H3 跑在 MiniMax 自己的平台上，异步——先创建任务，再轮询取结果：

curl -X POST https://api.minimax.io/v2/video_generation \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-H3",
    "content": [
      {"type": "text", "text": "A paper boat drifting down a rain gutter, close on the water line"}
    ],
    "resolution": "2K",
    "duration": 5,
    "ratio": "16:9"
  }'

两条实用提示：纯文生视频时 ratio 是必填的，且不能填 adaptive。另外请求体要控制在 64 MB 以内——Base64 会让载荷膨胀约三分之一，稍大一点的素材都该用公网 URL。

Ofox 这边，截至 2026 年 9 月 6 日 H3 不可用。 目录里的 MiniMax 模型是 M 系列语言模型，包括 minimax/minimax-m3，每百万 $0.60 / $2.40——就是那个老被和 H3 搞混的模型。今天在同一把 key 上做视频：

curl -X POST https://api.ofox.io/v1/videos \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "alibaba/wan-3.0",
    "prompt": "A paper boat drifting down a rain gutter, close on the water line",
    "duration": 5,
    "resolution": "1080p"
  }'

到底哪些模型可调，以 GET https://api.ofox.io/v1/models 为准，不要以本页为准。

后续要盯的

有三件事会改变上面的判断：

1. H3-Regenerate-2K 开源。 在那之前，自部署就意味着只有 768P，「开源权重」这件事的实际分量比标题看上去小得多。MiniMax 没给日期。
2. 独立的质量测量。 目前所有关于 H3 输出质量的公开材料，要么是 MiniMax 自己的 demo，要么是上手体验。这个领域没有可类比 Artificial Analysis 在语言模型上做的第三方视频基准，所以「不到主流模型三分之一」这种说法是厂商口径，不是已被验证的结论。
3. 网关上架。 H3 上了聚合平台，你就能在一把 key 上把它和 Wan 3.0、Seedance 2.5 做 A/B——这正是本文今天做不了的那次对比。

来源

• https://www.minimax.io/blog/minimax-h3
• https://platform.minimax.io/docs/guides/pricing-paygo
• https://platform.minimax.io/docs/api-reference/video-generation-v2-create
• https://platform.minimax.io/docs/api-reference/video-generation-v2-regeneration
• https://huggingface.co/MiniMaxAI/MiniMax-H3
• https://ofox.io/models/alibaba/wan-3.0
• https://ofox.io/models/bytedance/seedance-2.5

H3 的费率、时长范围、输入素材规则和重生成源视频规格，读取自 MiniMax 2026 年 9 月 6 日的按量付费定价页与 API 文档。2026 年 7 月 31 日发布、8 月 3 日开源权重这两个日期出自 MiniMax 自己的公告。Ofox 的对比费率和视频属性读取自同一天的实时 /v1/models 端点。截至该日期 MiniMax H3 不在 Ofox 目录内；本页没有任何内容出自我们自己的实测。