试用了H3之后，我们确信MiniMax这回要好起来了

背负大力神之名的赫拉克勒斯, 源起于希腊神话, 然而其英雄之初并非天然铸就。他与九头怪蛇交缠搏击将其诛灭, 他把不羁狂奔的牝鹿成功捕获抓取囚禁, 他清扫了堆满杂物的牛棚整饬干净, 他伸手稳妥地摘下了闪耀的金苹果, 历经这般十二项艰难的试炼, 他的英雄身份由此才被确切认可肯定。漫长路途一步步全部走过完结, 最终的终点才得以清晰被看见。

与此相似的是中国大模型的进程, 文本基座先是从追赶到齐平, 其次推理成本从高昂变为普惠, 然后商业化从被质疑到得以验证, 一项接着一项, 仿若在完成某种沉默的十二试炼。

7月31日, 中国大模型的试炼领域又添一项里程碑事件, 沉积了很久时间的那家公司, 发布了最新多模态模型H3。在这之前经历了漫长的时段，这家公司遭受着资本市场的严苛对待。H3出现后, 局面产生了微妙的改变。在我们试用H3以后, 一个判断渐渐变得清晰起来: H3的效果已然达到甚或超越了相应级别的水准, 切实站在了多模态视频生成的前沿位置。

中国研发的大模型, 又达成了一项需要经受检验的活动。而且这一情况, 也将会是对相关价值重新进行评估的新颖之处。

01 又一个里程碑

此次, H3 的推出, 把多模态模型, 从技术演示, 推向了生产力场景, 原因存在三个。

第一，全模态输入。

那句话是维特根斯坦在《逻辑哲学论》里写下的: “我的语言的界限意味着我的世界的界限。”这句话于大模型时代被赋予了一种新的含义, 即: 你的表达能力的宽度可以展现出AI能够帮你达成的边界的广度, AI能帮你实现的边界的广度取决于你的表达能力的宽度。

但, 每一个人的表达能力, 并非是相同的。有的人, 能够运用文字, 精准地去描述某一个画面。有的人, 脑子里存有一个完整的场景, 然而, 却怎么样都没办法说清楚。在这个时候, 全模态输入的价值, 便显露出来了。

H3不会再将图片、视频、声音的生成, 编辑以及参考区分为相互之间各自独立的任务, 而是会通过文本、图像、视频与声音一同组建形成多模态上下文, 进而统一去理解创作意图。

也就是说, 多模态输入把用户表达的边界给拓宽了。以往那些因“说不清楚”而没法达成的想法, 如今有了新的表达途径。

利用H3生成了在老北京胡同里以第一视角拍照的场景, 当用纯语言去进行描述时, 那个胡同的背景是很难去锚定住的, 手机以第一视角进行表述的话也是不够精确的, 然而在H3模型当中, 却是直接把老北京胡同的场景以及手持手机的人物当作参考输入进去, 最终输出之时, 画面中景深、色彩、物品细节都呈现得特别完美, 效果好得惊人。

该视频使用了AI生成技术

那些往昔因讲不明白而没法达成的念头, 如今拥有了全新的表述途径。视频创作的本领, 正从专业人员手上, 转移到每一个有思路、有画面感的人手上。和之前的情形一样, H3使视频内容创作的供应端增添了一个强大的变数。

第二，复杂文本保持。

视频生成模型面临的最大挑战之一, 是对物理世界一致性的理解。人脸不能出现崩坏情况, 动作不能有跳跃现象, 物体运动轨迹需契合物理规律。在此之中, 文本一致性是一个更为细微却不失关键的命题: 在视频里持续稳定地生成复杂文字, 且要使文字与画面达成真正的融合。

在这方面, H3的表现特别显著, 其输出效果已然超越了2.0 , 就目前态势而言, H3起码在文本一致性这个层面上, 给出了一个超乎预料的答案。

该视频使用了AI生成技术

三，一站式创作工作流。

视频创作, 绝非仅仅是“生成一段画面”这般轻易, 真正的创作之流程, 涵盖构思脚本, 规划分镜, 生成素材, 后期进行包装, 剪辑予以合成。

以往, AI视频模型所处理的是当中“生成素材”这一环节, 其余部分依旧要依靠人工于剪映、AE等工具里来达成。比如说AE在视频创作流程里, 負有一个差不多难以予以回避的角色。从动態文字標題、下沿字幕、UI动效直至Vlog包装、特效合成——但凡存在“视觉设计强化”之所, AE便是行业规章工具。

当时, H3正在对这个流程实施改变, 它具备这样的诸多能力, 这种能力体现在它不但能够产生视频, 而且还能够领会视频所包含的内容, 以及明白用户心中所抱有的意图和知晓传播时所处的场景。并且凭借这些能力它能够自动去完成特效包装方面的工作以及视觉设计方面的增强。这一情况标志着视频生成此时正好在从“生成一段素材”朝着“理解内容并完成创作”的方向进行转变。

我们借助H3弄出了一段有着漫画英伦风格样式的、存在悬疑性质的影片开头部分, 过程包含了从文字生成图像一直到文字生成视频这样的一站式处理方式, 还直接把当下特别热门流行的《The Other Side of 》给插进去, 它与开头完美地契合上了, 这一回成功实现了哎。

该视频使用了AI生成技术

这种能力使得H3可以与实拍以及传统视觉生成工作流达成有机结合, 所做的属于“AI增强”而非“AI替代” , 拥有商用级的多场景内容生成, 涵盖影视、广告、游戏、品牌、电商等高频场景, 致使H3从一开始便嵌入了生产力场景之中。

02 价值回归的奇点

现下, 围绕着做模型的企业的, 关于资本开支以及定价的争论, 不管在大洋彼岸, 还是在国内市场这一块儿, 从来都没有停止过AI产业链产出了超过1000亿美元的按照年度化来算的收入, 要说这个数字, 放在任何一个行业当中, 那都是足够令人感到惊人无比的但是呢对比于早就已经突破了万亿美元这一巨大数额的资本投入来讲, 它仍旧是那么的显得微不足道。

今天大模型企业一致需共对的现象是, 几乎就没有任何一家公司能够凭借现有的商业化所获取的收入使Infra投入得到彻头彻尾的覆盖。

资本市场所赌的, 明显并非现阶段大模型企业的内在价值, 而是商业模式的颠覆性替换, 大模型具备替代能力, 它能替代搜索, 能替代撮合, 能替代内容生产, 能替代代码编写, 在未来十年, 会系统性地侵蚀互联网巨头最为核心的利润池。

这个逻辑于方向层面而言是成立的, 然而资本市场针对“终局”的定价正愈发变得挑剔起来。当数量日益增多的公司能够趋近前沿模型水平时, 仅仅凭借模型性能领先已然难以构建起长期估值溢价了, 真正需要考量的是模型可否嵌入生产流程, 并且成为能够被量化评估的生产力工具呀。

在多模态领域，想要真正成为有替代性的模型，有两点核心要素：

其一，可掌控性。

反复修改乃是视频创作的本质所在, 要是镜头不让人满意, 那就得重新拍摄, 要是动作显得不自然自然, 那么就得加以调整调整, 要是台词跟画面所营造的氛围不相匹配, 那就得进行替换替换。传统的AI视频模型大抵好似一场打一把交道就算了情况那样, 给出特定条件而生成视频, 如果感觉不够满意, 那就再次进行生成, 直至偶然间凑巧得以出现一份能够拿去使用的版本版本。如此这般抽选出结果式样的内容创作方式效率实在是太过低下低下。

H3把这个逻辑给改变了, 对多种维度的编辑以及修改予以支持: 有角色替换, 有动作参考, 有背景替换, 有背景特效, 有台词替换, 还有氛围感理解, 并且拥有高精度的指令遵循能力。

对于创作者而言, 并非要因一个觉得不满意的细节, 就从起始去进行生成, 只需要确切地告知模型, “将这个角色替换掉”, “把这个背景呈现的色调予以调整”, “把这段台词替换成另外的一句”, 如此一来, H3会在维持整体具备一致性的状况下, 实现精准无误的修改。

影视制作, 广告拍摄, 游戏CG, 这些对于可控性有着极高要求的商业化场景，恰恰是H3最为擅长的领域。可掌控性把“敢不敢用”的问题给解决了。

其二，成本的可控性。

哪怕是再好的模型, 一旦推理成本高得已经让企业根本用不起了, 那也就只能停留在技术演示阶段了。

高盛于研报里多次着重指出, 推导成本方面的压力正促使大模型定价由激进竞争朝着理性阶段进行转变。大模型从能够使用发展到大规模使用, 其间所隔着的正是成本这一障碍。

对于成本端, 其技术积累存在的时间已经相当久了。H系列模型于技术方面一直在进行毫无间断的探索, H3则把前代的技术进行了彻底变革重新塑造, 于重建以及易学性那些方面取得了全方位的提升。这致使H3于效率这块能够取得具备竞争力的成效, 与此同时, 它所具备的高压缩率带来了序列长度四倍的收益, 极大程度地削减了训练以及推理的成本, 这也是支撑H3能够提供原生2K分辨率的关键技术。

同一时间, H3于异构训练方面开展系统性优化, 于负载均衡方面开展系统性优化, 于GPU利用效率方面开展系统性优化, 在确保模型效果的情形下不断降低成本。当下阶段, 成本优势自身就是最为关键的竞争壁垒。

最终, 技术效率在价格方面体现出来了。H3视频生成的价格, 在2K分辨率的情况下, 是每秒0.8元, 仅仅只是业内同类旗舰视频模型的三分之一。

其中, 可掌控性, 将“敢不敢用”的问题予以解决, 而成本的可控性, 把“用不用得起”的难题化解掉。这恰恰是资本市场, 于“终局”跟“当下”之间的那道裂缝当中, 最为期望看到的事物。

当市场并非处在为“稀缺上市标的”给付溢价的状态时, 资本会将方向从参数竞赛转变至对商业化落地能力展开审视, 存在那么一些公司, 它们能实心实意地融入至生产流程里, 并且能够从中产生出可加以衡量的商业回报, 然而这种情况会致使价值回归现象出现, 紧接着此类公司反倒才能够脚步更为平稳地顺利前行, 达成预定设想的进程。

在视频生成这个细分赛道之上, H3达成了从“概念溢价”到“生产力定价”的转变, 所以这恰恰是价值回归奇点之处。

03 开源的远见

并非预期内商业化潜力, 而是持续坚持的开源路线对H3在产业侧产生能持久的影响力起决定作用, 我们觉得此次延续开源路线的选择相当合理。

产业级的采纳，从来不是靠一家公司推动的，而是靠一个生态。

十年之前, 它仅仅只是谷歌内部用于管理容器的一个工具, 开源之后, 历经不到十年的时间阶段, 成长成为了拥有超过八万八千名贡献者的项目, 且这八万八千名参加贡献个体, 来自八千多家不同公司方向, 成为全球最大开源中之一, 它提供了中立性质状况下的底层层级设施层面, 使得上层应用在 AWS、Azure、谷歌云之间能够自由去做迁移举动, 并且不需要重新进行编写, Helm、Istio 等一系列具备标准化特征工具形态, 围绕其 API 标准进而形成拥有完整状况的工具链条了, 开源能够起到定义行业标准的作用效果, 为生态当中的每一个参与到其中的个体给予受益机会。

这个逻辑, 正在AI领域, 重新出现, 开源模型的战略价值, 正在被行业, 再度评估。

瑞银于, 2026年7月的研报当中指出, 部分开放模型已然接近高端前沿模型的能力情形, 运行成本, 有可能仅有后者的三分之一甚至四分之一。AI初创公司所作的估算愈发具体为, 开放模型立足于性能方面, 通常相当程度落后闭源前沿模型时期可达约九十天, 然而运行成本却能够低落百分之七十直至百分之九十句号。

H3延续开源，为模型能力和商业化能力铺下了两层地基。

降低企业对单一模型方的依赖。

财富500强企业中的半数, 正在借助Face来部署私有模型或者开源模型, 它们倾向于依据具体业务去定制多个模型, 并非依赖单一供应商, 开源模型使得企业能够自主去选择部署环境, 能够自主去选择基础设施, 能够自主去选择服务, 可以减少对单一模型方的锁定风险。

于视频生成此赛道之中, 企业之选择已非仅有一家闭源供应商, H3之开源呀, 说明了其多了一个能够控制、可以定制、可为自化部署之选项。

满足企业对数据主权和私有化部署的需求。

视频素材常常关联着品牌资产, 以及产品形象, 还有商业机密等极为敏感的信息, 影视公司是不乐意将自身的知识产权放置到一个黑盒模型里进行生成的, 广告主也不会去接纳品牌视觉在每次生成的时候出现随机的偏差。

企业能够自主挑选部署环境, 于自有服务器或者私有云上运行, 此乃开源模型所允许的, 并且数据流向、访问权限以及模型版本全部都可控。而在这个当下, 合规要求愈发严格起来, 这样一种“数据不出域”的能力, 正渐渐成为企业级采购的核心考量要点。

与此同时, 开源模型所具备的价值体现于, 在经历被下载、实施部署、予以修改、进行优化这些环节之后, 进而产生的那种扩散效果。云服务提供商、推理平台、软件开发人员以及所有身处产业当中的参与者, 都能够参与到评测、适配、优化以及改进的工作里面来。当中的开源模型, 并不必然需要在每一个维度之上战胜最强悍的那种封闭式来源的模型, 只需要在足量的任务方面能够达到可用之程度, 而且在价格方面更为低廉、在可控性方面更为良好、在部署的时候更加便利可行, 如此一来, 就会被持续不断地运用到各种各样的场景情景当中去。开放型的模型, 开始从成为那种“低成本替代”的解决办法, 演进到进入能够对企业的技术架构以及采购决策产生影响作用的前沿能力范畴区域之内了。

在开源赛道上持续坚持, 从本质上来说, 这实际上乃是在预先进行卡位, 从而去抢占企业于“下一代生产力”采购决策里面的优先级, 就是这样, 这一点同样堪称是我们对长期叙事予以看好的核心所在。

04 结语：开始的开始

大力士赫拉克勒斯达成了十二场试炼, 然而就其中每一项单独去瞧, 均不过是迈向终点所要使用的一块根基；大语言模型的叙述情形又是这样的。

中国AI产业, 先是历经从参数竞赛向稀缺溢价转变阶段, 而后迈至稀缺溢价到商业化能力展开全面检验跨越历程, 已将三轮定价逻辑来了个切换。如今市场方面, 已不再会为“稀缺上市标的”这一情况去进行溢价支付, 然而, 那些实实在在拥有技术纵深以及具备落地能力的公司, 反而会在这回归之后, 行进路径越发沉稳向前。

就是这样的情况。从当前的情形去看, 资本市场基本上已经把溢价的负担给卸除掉了, 等价值实现回归之后反而由此得到了更为纯粹的定价起始点。

赫拉克勒斯的故事得以成立, 并非在搞定了哪一桩任务, 而是在于他一桩接一桩地搞定了全部任务。H3属于一回节点式的爆发, 然而所有人都明白, 背后的压力以及付出的努力, 没法被一两句言辞给表述出来。

AGI的叙事从来没有一蹴而就，价值的绽放才刚刚开始。