MiniMax H3 開源了！2K 影片＋原生立體聲＋ComfyUI 首日支援，RTX 3060 就能跑

MiniMax 在 8 月 3 日正式開源第三代影片生成模型 H3（Hailuo 3.0）：單一模型吃進文字、圖片、影片與音訊，一次輸出最高 2K、15 秒、附原生立體聲的影片，ComfyUI 首日原生支援，記憶體優化後連 RTX 3060 都能本地跑。

這是 Hailuo 系列第一次開源權重，也是目前「最強開源權重影片模型」的有力候選人。想玩的人今天就能動手：更新 ComfyUI 到 0.30.0，下載工作流模板，把權重丟進對應資料夾，RTX 3060 以上的顯示卡就能生成帶聲音的 AI 影片。本文帶你一次看懂它強在哪、怎麼選權重、以及跟 Kling、Seedance、Veo 的差距。

MiniMax H3 是什麼？

MiniMax H3 是 MiniMax 在 2026 年 7 月 31 日於世界人工智慧大會（WAIC）發表的「通用全模態生成系統」，8 月 3 日在 Hugging Face 釋出開源權重。它屬於 Hailuo 產品線的第三代：

跟前代最大的差別：Hailuo 02/2.3 只能吃「提示詞或一張圖」、輸出靜音影片；H3 可以同時吃進文字、多張圖片、參考影片與音訊，輸出畫面與聲音一起生成的影片——對話、音效、環境音在同一次推理中完成，不是後製合成的。

全模態輸入：一次最多 12 個檔案

H3 的殺手鐧是「全模態上下文理解」。過去你要分別用三個模型做角色一致性、動作轉移、聲音克隆，H3 直接把所有素材丟進同一個上下文，模型自己判斷每個素材的角色：

flowchart LR
    A[文字提示詞<br>最多 7,000 字元] --> E
    B[圖片<br>最多 9 張] --> E
    C[影片<br>最多 3 段<br>每段 2–15 秒] --> E
    D[音訊<br>最多 3 段<br>需搭配圖/影片] --> E
    E[H3 全模態上下文] --> F[H3-Base 生成 768p<br>影片 + 原生立體聲]
    F --> G[H3-Regenerate-2K<br>重繪為原生 2K]

具體上限：文字提示詞 7,000 字元、圖片 9 張、參考影片 3 段（總長 15 秒內）、參考音訊 3 段（總長 15 秒內，不能單獨輸入，必須搭配圖片或影片），全部加起來最多 12 個檔案。官方舉的例子很直白：丟一張角色照片（外觀）＋一段希區考克電影的運鏡（鏡頭運動）＋一段演唱音軌（聲音與節奏），再用一句話描述「讓照片裡的角色上台、用這段運鏡、跟著這段音樂唱」，H3 會自動理解每個素材的用途。

輸出規格：2K、15 秒、24 FPS、原生立體聲

特別值得一提的是「原生 2K」不是事後超解析：官方採用 In-Context Regeneration（上下文內重繪） 技術，模型先生成 768p 草稿，再重新讀取原始多模態上下文做一次高解析度生成，所以小字、Logo、紋理等細節是「從語意還原」，而不是靠放大演算法瞎猜。

系統架構：三個模組、兩個開源 Checkpoint

H3 完整系統由三個模組組成，但不是全部都開源：

開源的是 H3-Base 的兩個任務型 Checkpoint：

• FL2VA：文字生影片（T2V）、首幀/尾幀控制（支援 0–2 張圖片輸入）
• Ref2VA：全模態參考模式（9 圖＋3 影片＋3 音訊的混合輸入）

兩個 Checkpoint 是獨立分區，切換使用時要重啟推理伺服器。

ComfyUI 首日支援：4 個新節點、6 套官方模板

開源當天，ComfyUI 官方庫就合併了 PR #15224（8 月 3 日），新增 4 個專屬節點：EmptyMiniMaxH3LatentAV、MiniMaxH3ImageToVideo、MiniMaxH3ReferenceToVideo、MiniMaxH3SigmaShift，並提供 6 套官方工作流模板（本地 T2V/I2V/R2V 3 套＋API 3 套）。

重點是硬體門檻被大幅壓低。ComfyUI 團隊把約 40% 的 modulation 權重剪枝成等價的查找表（無損畫質），加上 int8 量化與自訂 kernel，整體記憶體占用從全精度 123.6 GB 降到 42.5 GB（-66%），再搭配動態 VRAM 卸載，官方宣稱 RTX 3060 就能本地運行這顆 2K 影片模型。

權重怎麼選？官方給的 GPU 指南：

文字編碼器沿用 Qwen3-VL-32B；BF16 完整版擴散模型則要 61.7 GB，一般使用者直接選量化版即可。H3-Base 可透過 SGLang、vLLM、diffusers 與 ComfyUI 部署。

授權條款：免費商用有營收門檻

H3 採用 MiniMax H3 社群授權協議（Community License Agreement）：年營收低於 2,000 萬美元的組織可免費商用，但必須標明來源（Attribution）；超過這個規模的企業需要另外洽談授權。這跟 MiniMax 早期 M 系列（M2、M2.5）的 MIT 授權不同，商用前建議先讀完整條款。

價格與競品比較：編輯能力第一、價格只要一半

H3 的 API 按生成秒數計費，定價非常侵略性：

在 Artificial Analysis 的盲測榜單上，H3 的影片編輯（Video Editing）Elo 1130 排名第一，領先 Seedance 2.0 高達 95 分；文字生影片 1242 分也小贏 Seedance 的 1225 分，只有圖片生影片小輸 12 分。跟其他主流模型的比較：

簡單總結：要 4K 大螢幕展示或多鏡頭敘事選 Kling 3.0，要物理真實感選 Veo 3.1，要超長片段的敘事選 Seedance 2.5；但如果你要做短影音、產品廣告、需要多素材混編與反覆修改鏡頭，H3 在品質、價格與本地部署彈性上是目前最均衡的選擇。對企業來說，如果在意完全開源的 Apache 2.0 授權與端側部署，阿里巴巴的 Wan 2.7 仍是另一個選項，只是畫質停留在 1080p。

台灣創作者怎麼開始？

1. 更新 ComfyUI 到 0.30.0（或直接用 Comfy Cloud）
2. 從模板庫下載 video_minimax_h3_t2v.json（文字生影片）或 video_minimax_h3_i2v.json（圖片生影片）
3. 依工作流註解把權重放到 models/diffusion_models、models/text_encoders、models/vae
4. 寫提示詞、接上參考幀或素材，按下 Run

不想搞本地環境的話，也可以直接到 Hailuo AI App、MiniMax Hub（送 3 次免費生成）或 Open Platform API 試用，OpenRouter 上也有 minimax/hailuo-3。

延伸閱讀

• ComfyUI：最強大的開源擴散模型 GUI，採用節點式工作流程
• ComfyUI HunyuanVideo Wrapper：在 ComfyUI 中生成 Hunyuan 影片
• FLUX 3 重磅登場：一個模型包辦影像、影片、音訊與機器人動作
• MiniMax M2：開源AI模型如何簡化複雜任務？
• LocalAI：自託管 OpenAI API 相容推理伺服器

資料來源

• ComfyUI Blog：MiniMax H3 Day-0 Support in ComfyUI
• Hugging Face：MiniMaxAI/MiniMax-H3 模型卡
• ComfyUI Wiki：MiniMax H3 Open Weights Land With Native ComfyUI Support
• ComfyUI Docs：MiniMax H3 Workflow Examples