En resumen
MiniMax H3 es el modelo de video omnimodal propio de MiniMax, lanzado el 31 de julio de 2026: contexto unificado de texto / imagen / video / audio, clips de hasta 15 segundos, una ruta de entrega en 2K y estéreo nativo en la misma pasada (artículo oficial de H3; Reuters). MiniMax H3 Max es una variante alojada y post-entrenada a partir de esos pesos de H3, pública desde el 26 de agosto de 2026. No es una actualización de H3 con la marca de MiniMax: genera en 480p o 768p (no en 2K), hace texto a video e imagen a video (con último fotograma opcional), de 5 a 15 segundos, con audio nativo. Recurre a H3 Max cuando quieras un borrador rápido en 768p; quédate en H3 en este sitio para texto a video o imagen a video en 2K (con último fotograma opcional). La especificación de H3 de MiniMax incluye además la referencia omni —hasta nueve imágenes, tres videos y tres clips de audio—, pero el generador de este sitio no puede adjuntar hoy esos archivos extra de video o audio (artículo de H3; notas de código abierto).
Puntos clave
- Dos productos, una familia. H3 es el modelo de MiniMax de julio (artículo de H3). H3 Max es un post-entrenamiento alojado posterior de los pesos abiertos de H3, anunciado en clasificaciones de terceros el 26 de agosto de 2026 (Artificial Analysis; Design Arena).
- La resolución es la primera diferencia. La propuesta pública de H3 es 2K (el H3-Base abierto sigue renderizando con un lado corto de 768; el 2K corresponde a la etapa de regeneración) (notas de código abierto). H3 Max llega como máximo a 768p (con un nivel de borrador en 480p).
- Las referencias son la segunda diferencia. La especificación de H3 de MiniMax combina hasta nueve imágenes, tres videos y tres clips de audio en una sola petición (artículo de H3; notas de código abierto). H3 Max, en su lanzamiento, ofrece texto a video más imagen a video, con un fotograma final opcional, no esa pila completa. El generador de H3 de este sitio también es solo texto a video e imagen a video (2K, último fotograma opcional). Hoy no acepta referencias mixtas de video o audio.
- La velocidad es la razón de ser de Max. La publicación de Design Arena del 26 de agosto reportó imagen a video en ~6,4 s y texto a video en ~4,7 s, y describió Max como mucho más rápido que el H3 base en esa arena (Design Arena). Tómalos como tiempos medidos en la arena, no como un compromiso de nivel de servicio.
- Clasificaciones, instantánea del 27 de agosto de 2026. En imagen a video con audio de Artificial Analysis, H3 Max es el n.º 1 (Elo 1204, ±10, 5123 muestras) y el H3 de pesos abiertos es el n.º 3 (Elo 1184) (tabla I2V). En texto a video con audio, H3 Max es el n.º 3 (Elo 1235) y H3 el n.º 4 (Elo 1225); los tres primeros están separados por unos pocos puntos (tabla T2V).
- Pesos. Los checkpoints de H3 son públicos (Hugging Face MiniMax-H3). Los pesos de H3 Max no lo son en el momento de escribir esto. Algunos análisis independientes mencionaron la intención de publicarlos, pero eso no equivale a una descarga (Artificial Analysis).
Cara a cara
| Dimensión | MiniMax H3 | MiniMax H3 Max |
|---|---|---|
| Qué es | El modelo de video omnimodal de MiniMax (artículo de H3) | Variante alojada y post-entrenada de H3, orientada a velocidad y fidelidad al prompt |
| Fecha pública | 31 de julio de 2026 (Reuters) | 26 de agosto de 2026, en tablas de terceros (AA) |
| Resolución | Ruta 2K; lado corto por defecto de la base abierta: 768 (notas de código abierto) | 480p o 768p, sin nivel 2K |
| Duración | 4–15 s según la especificación de código abierto de MiniMax (notas de código abierto) | 5–15 s |
| Audio | Estéreo nativo junto con la imagen (artículo de H3) | Audio nativo junto con la imagen |
| Entradas | Texto, imágenes, video, audio; referencia omni (artículo de H3) | Texto a video e imagen a video; último fotograma opcional |
| Señal de velocidad | Ruta alojada más lenta en las mismas arenas | Design Arena: I2V ~6,4 s, T2V ~4,7 s (publicación) |
| I2V con audio (27 de ago. de 2026) | Elo 1184, el mejor de pesos abiertos (AA I2V) | Elo 1204, n.º 1 en esa tabla |
| T2V con audio (27 de ago. de 2026) | Elo 1225, n.º 4 (AA T2V) | Elo 1235, n.º 3 |
| Pesos | H3-Base público (Hugging Face) | No públicos |
| Primera prueba | Generador de video H3: texto o imagen en 2K | Generador de video H3 Max |
Lee la tabla una vez: si el encargo es iterar texto o imágenes en 768p hasta que el movimiento funcione, H3 Max. Si el encargo necesita texto a video o imagen a video en 2K, usa H3 en este sitio. Las referencias mixtas de imagen / video / audio de MiniMax forman parte de la especificación oficial de H3; este generador no puede recibir esos archivos extra.
Familia y cronología
Mantén separados tres nombres.
MiniMax H3 (que en algunos servicios aparece como Hailuo 3 / Hailuo 03) es el modelo de video de julio de 2026 de la línea Hailuo: Hailuo 01 → Hailuo 02 / 2.3 → H3 (artículo de H3). No es MiniMax M3, el modelo de lenguaje y agentes de junio (página de M3).
MiniMax H3 Max no es «H3 pero en 2K oficial». Es un post-entrenamiento alojado posterior de los pesos de H3. Los materiales de julio y agosto de MiniMax describen H3 y la publicación de pesos abiertos; no anuncian ningún producto de MiniMax llamado H3 Max. Fueron las tablas de terceros y las publicaciones de clasificación del 26 de agosto las que hicieron público el nombre Max (Artificial Analysis; Design Arena).
La división de los pesos abiertos sigue importando para H3: MiniMax publicó H3-Base (generación de clase 768p + estéreo) y mantuvo H3-Context-IR y H3-Regenerate-2K como etapas alojadas (notas de código abierto). Todo lo que se post-entrene solo a partir de la base pública hereda ese techo de 768p, salvo que se le añada una etapa de 2K aparte. Esa es la razón técnica por la que Max no sustituye la propuesta de 2K de H3.
Para el mapa original del lanzamiento de H3, consulta Lanzamiento de MiniMax H3: video con IA en 2K y audio estéreo nativo (31 de julio de 2026).
Cómo se ve H3 en movimiento
Este clip es una muestra de H3 de la comunidad alojada de nuevo en el CDN de este sitio. Muestra la densidad comercial de H3. No tenemos aquí un par H3 vs H3 Max con el mismo prompt: no es una A/B de laboratorio.
Quién gana en cada escenario
| Si tu cuello de botella es… | Mejor opción | Por qué |
|---|---|---|
| Muchos borradores de 5–10 s en una misma sesión | H3 Max | La velocidad en las arenas es la razón publicada de que Max exista (Design Arena) |
| Una imagen que debe conservar la identidad mientras se mueve | H3 Max imagen a video | Parte de un fotograma en el generador de imagen a video de H3 Max en este sitio y genera |
| Entrega en 2K, logotipos, tipografía fina | H3 | El 2K es la ruta de H3; Max no tiene nivel 2K (artículo de H3; notas de código abierto) |
| Personaje + movimiento + voz a partir de archivos mixtos | Especificación oficial de H3, no este generador | MiniMax documenta la referencia omni para H3 (artículo de H3). Este sitio no puede adjuntar hoy Video 1 / Audio 1. |
| Fijar primer y último fotograma | Cualquiera de los dos, con un matiz | El primer/último fotograma es un modo central de H3; el imagen a video de Max acepta un fotograma final opcional, pero sigue sin ser referencia omni completa |
| Alojar o ajustar tú mismo el checkpoint abierto | H3 | Los pesos públicos son de H3-Base (Hugging Face) |
Reparto práctico: haz los borradores de movimiento en MiniMax H3 Max hasta que la cámara y el ritmo funcionen. Lleva la toma buena a MiniMax H3 cuando quieras la pasada en 2K del mismo texto o imagen. Las referencias mixtas de video/audio siguen siendo una capacidad oficial de H3, no algo que este generador pueda recibir.
Lo que sabemos y lo que no
| Lo que sabemos (con fuente) | Lo que no sabemos / no afirmamos |
|---|---|
| H3 se lanzó el 31 de julio de 2026: omnimodal, ≤15 s, propuesta en 2K, estéreo nativo y luego pesos abiertos (artículo de H3; notas de código abierto; Reuters) | Que la propia MiniMax haya lanzado un producto llamado H3 Max |
| H3 Max es un post-entrenamiento alojado de H3, público en tablas de clasificación desde el 26 de agosto de 2026, 5–15 s, hasta 768p, T2V + I2V (AA) | Que Max pueda generar hoy en 2K, con referencia omni o con edición por instrucciones |
| Generador de H3 de este sitio: texto a video e imagen a video en 2K, último fotograma opcional | Que hoy puedas subir un video o un audio de referencia en este generador |
| AA I2V con audio: n.º 1 para Max (Elo 1204) y n.º 3 para H3 (Elo 1184) a 27 de agosto de 2026 (tabla I2V) | Que el Elo se mantenga la semana que viene |
| Design Arena publicó I2V ~6,4 s / T2V ~4,7 s para Max (Design Arena) | El tiempo de cola en un día de mucha demanda; «siempre más rápido que la reproducción» como SLA |
| Los pesos de H3 se pueden descargar; los de Max no, a la fecha de este artículo (Hugging Face) | Una fecha para los pesos de Max |
Cómo evaluar los dos
Usa los mismos prompts A y B en ambos generadores. No inventes un encargo nuevo a mitad de camino. El prompt C es solo para leer la especificación.
- Abre MiniMax H3 Max y ejecuta el prompt A a 5 s / 768p.
- Abre MiniMax H3 en este sitio y vuelve a ejecutar el prompt A.
- Evalúa la estabilidad del sujeto, el seguimiento de cámara, el ajuste del audio y si el texto en pantalla (si lo hay) sigue siendo legible.
- Si ya tienes una imagen, ejecuta el prompt B como imagen a video en Max y después la misma imagen en el generador de H3 de este sitio.
- El prompt C es una comprobación de solo lectura de la referencia omni oficial de H3 de MiniMax. No lo pegues en el generador de este sitio: esa interfaz no puede recibir Video 1 ni Audio 1.
No es una A/B de laboratorio. Es la prueba honesta más corta: una frase, dos generadores, una decisión.
Los prompts se dejan en inglés para que los pegues tal cual. Debajo de cada uno explicamos qué pide.
Prompt A — plano heroico de producto (16:9, ambos modelos)
5s luxury product film, 16:9, photoreal. One continuous push-in on a brushed metal watch on marble, window light crawling across the crystal, shallow depth of field. Native stereo: quiet room tone and a single tick. No extra logos. Cinematic grade.
Película de lujo de 5 segundos: un único acercamiento continuo a un reloj de metal cepillado sobre mármol, con la luz de la ventana deslizándose por el cristal y poca profundidad de campo; estéreo nativo con ambiente silencioso y un solo tictac.
Prompt B — de imagen fija a movimiento (imagen a video)
Keep the uploaded still as the first frame. Slow 10s orbit around the subject, small amplitude, no identity drift, no new wardrobe, no extra people. Native stereo: soft room tone only. 16:9 if the still allows it.
Usa la imagen subida como primer fotograma y gira despacio alrededor del sujeto durante 10 segundos, con poca amplitud, sin cambios de identidad, de vestuario ni personas nuevas; solo ambiente suave de la habitación, en 16:9 si la imagen lo permite.
Prompt C — referencia omni oficial de H3 (no se puede ejecutar aquí)
Este prompt sirve para leer la especificación de H3 de MiniMax. No es un paso en este sitio.
Match character identity from Image 1, camera language from Video 1, and vocal energy from Audio 1. 12s fashion lookbook walk through a rain-wet night street, neon reflections, confident pace, native stereo footsteps and city hush.
Toma la identidad del personaje de la Imagen 1, el lenguaje de cámara del Video 1 y la energía vocal del Audio 1 para un lookbook de moda de 12 segundos por una calle nocturna mojada con reflejos de neón.
Preguntas frecuentes
¿MiniMax H3 Max es solo un MiniMax H3 más rápido?
No. Max es un post-entrenamiento alojado de H3, ajustado para velocidad y fidelidad al prompt en 768p, con texto a video e imagen a video. La especificación de H3 de MiniMax sigue cubriendo 2K y referencia omni (artículo de H3; AA). En este sitio puedes usar H3 solo como texto a video e imagen a video en 2K.
¿MiniMax lanzó H3 Max?
Las publicaciones de clasificación del 26 de agosto de 2026 presentaron H3 Max como una variante post-entrenada de H3 (Artificial Analysis; Design Arena). El lanzamiento de H3 y las notas de pesos abiertos de MiniMax describen H3, no un producto de MiniMax llamado Max (artículo de H3; notas de código abierto).
¿MiniMax H3 Max puede generar en 2K?
No en la ruta que podemos respaldar. Max es 480p / 768p. Para 2K, usa MiniMax H3 (notas de código abierto).
¿H3 Max genera audio?
Sí. Las descripciones públicas de Max incluyen audio nativo junto con la imagen, en la misma línea que el estéreo nativo de H3 (AA; artículo de H3).
¿Cuánto puede durar un clip?
La especificación de código abierto de H3 es de 4 a 15 segundos. H3 Max, en el generador que enlazamos, es de 5 a 15 segundos. Planifica una acción por generación (notas de código abierto).
¿H3 Max es el n.º 1 en todo?
No. A 27 de agosto de 2026 encabeza la tabla de imagen a video con audio de Artificial Analysis. En texto a video con audio es el n.º 3, dentro de un grupo de cabeza muy ajustado (I2V; T2V). Las clasificaciones cambian.
¿Puedo descargar los pesos de H3 Max?
No a la fecha de este artículo. H3-Base está en Hugging Face. Trata cualquier frase del tipo «Max será abierto» como una intención, no como un archivo.
¿Dónde pruebo cada uno?
Borradores con H3 Max: generador de video H3 Max en este sitio. H3 en 2K desde texto o imagen (último fotograma opcional): generador de video H3 en este sitio. ¿Ya tienes una imagen? Empieza en el generador de imagen a video de H3 Max en este sitio. Las referencias mixtas de imagen + video + audio están en la especificación de H3 de MiniMax, pero hoy no en este generador.
¿Debería usar los dos?
Sí, en secuencia: Max para encontrar el movimiento y el H3 de este sitio para la pasada en 2K del texto o la imagen. La referencia omni de archivos mixtos de MiniMax queda fuera de este generador.
¿Hailuo 03 es lo mismo que H3 Max?
No. Hailuo 03 / Hailuo 3.0 suele referirse a MiniMax H3. H3 Max es el post-entrenamiento alojado posterior (artículo de H3).
Sobre Casey Ren
Casey Ren es analista de modelos de video con IA. Sigue los lanzamientos de video de MiniMax / Hailuo y convierte las afirmaciones públicas de cada lanzamiento en vías claras para probar MiniMax H3. Los datos de este artículo siguen las fuentes primarias enlazadas, no un acceso privado a laboratorios.