MiniMax H3
MiniMax H3 est un modèle de génération vidéo de MiniMax, sorti le 30 juillet 2026 avec des poids ouverts. Il traite des contextes mêlant texte, images, vidéo et audio, puis produit des séquences accompagnées d’un son stéréo natif.
MiniMax H3 est un modèle de génération vidéo de MiniMax, sorti le 30 juillet 2026 avec des poids ouverts. Il traite des contextes mêlant texte, images, vidéo et audio, puis produit des séquences accompagnées d’un son stéréo natif.
Le système réunit H3-Context-IR, H3-Base et H3-Regenerate-2K. Ses variantes couvrent la génération depuis un texte, une première ou dernière image et des références multimodales. Les vidéos durent de 4 à 15 secondes à 24 i/s. Les dialogues prennent en charge onze langues, dont le français.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Modèle de génération de vidéos |
| Éditeur | MiniMax |
| Poids | 🟢 Poids ouverts |
| Date de sortie | 30 juillet 2026 |
Classements Arena (Elo)
| Catégorie | Elo | Rang | En tête d'arène |
|---|---|---|---|
| image-to-video | 1476 | 2ᵉ / 126 | Dreamina Seedance 2.0 720p (1478) |
| Arena Text-to-Video | 1455 | 4ᵉ / 131 | gemini-omni-flash (1513) |
| image-to-video | 1352 | 1ᵉ / 126 | Dreamina Seedance 2.0 720p (1478) |
| Arena Text-to-Video | 1269 | 1ᵉ / 131 | gemini-omni-flash (1513) |
| video-editing | 1098 | 2ᵉ / 8 | gemini-omni-flash (1138) |
Notre analyse
Forces. Dans l’Arena image-to-video, MiniMax H3 se classe deuxième derrière Dreamina Seedance 2.0 720p, et devant grok-imagine-video-1.5-preview-720p et gemini-omni-flash. L’écart avec Dreamina Seedance 2.0 720p est minime, les deux modèles sont à peu près à parité. Son Transformer dense monoflux de 33 milliards de paramètres prédit conjointement les latents vidéo et audio, avec des VAE séparés et un positionnement MM-RoPE tridimensionnel.
Limites et points d'attention. Dans l’Arena text-to-video, MiniMax H3 occupe la quatrième place derrière gemini-omni-flash, Dreamina Seedance 2.0 720p et muse-video. Gemini-omni-flash est nettement devant. L’inférence ouverte initiale emploie uniquement l’attention complète, malgré la prise en charge native de l’attention parcimonieuse. Pour privilégier la préférence humaine en text-to-video, gemini-omni-flash, Dreamina Seedance 2.0 720p ou muse-video sont mieux classés. Usages pertinents : production de clips courts, publicité multimodale et prototypage vidéo avec audio.
Sources des données : Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · OpenRouter (openrouter.ai).