MiniMax H3 Max vs H3: Auflösungen, Dauer und Referenzen

Wähle MiniMax H3 Max für Clips in 480P oder 768P von 5–15 Sekunden. Wähle H3 für 2K oder einen Clip von vier Sekunden. Beide Modelle akzeptieren laut aktueller MiniMax-Dokumentation Referenzbilder, Video und Audio. Max wird als Variante mit schnellerer Generierung beschrieben; daraus folgen weder ein Qualitätsvorteil noch ein gemessener Geschwindigkeitsunterschied für deine Szene.^[1]

Die Namen lassen die Auswahl hierarchischer erscheinen, als sie ist. Beginne bei einer kurzen Tanzdarbietung auf einer Bühne mit dem Ergebnis: Wie groß wird der Clip angezeigt, wie lange soll die Bewegung dauern und brauchst du bereitgestellte Medien? Diese Antworten grenzen die Modellwahl ein, bevor du Guthaben ausgibst.

MiniMax H3 Max vs H3 auf einen Blick

Die Fähigkeitsgrenzen stammen aus dem aktuellen Generierungsvertrag; Bildfreimengen und Referenzabrechnung aus der MiniMax-Preisdokumentation.^[1][2]

Beginne mit benötigter Auflösung und Dauer

Ein Entwurf in 480P kann zeigen, ob eine einfache Handlung klar erkennbar ist. Bei einer Tanzszene prüfst du vielleicht zuerst die Schritte und ob die Drehung innerhalb der gewählten Dauer endet. Nutze 768P, um Gesicht und Kostüm deutlicher zu sehen. Eine geänderte Auflösung startet eine eigene Generierung; sie wertet nicht denselben fertigen Clip auf.

Verlangt das Briefing 2K, nutze MiniMax H3. Max akzeptiert im MiniMax-Vertrag kein 2K. Auch ein Viersekundenplatz spricht für H3: duration: 4 bei Max ist ein Parameterfehler und keine Bitte, einen Fünfsekundenclip zu kürzen.^[1]

Keiner der Modellnamen belegt, dass eine Produktbeschriftung oder feine Textur erhalten bleibt. Prüfe die Ausgabe in der geplanten Veröffentlichungsgröße. Ist genaue Typografie wichtig, lässt sich ein kontrolliertes Bild oder eine separate Textebene möglicherweise leichter verifizieren als generierte Schrift.

Max unterstützt jetzt Referenzmedien

Ältere Beschreibungen nennen Max möglicherweise ein reines Text-und-Frame-Modell. Der aktuelle MiniMax-Vertrag enthält für H3 Max ausdrücklich Referenzen zu Video mit Referenzbildern, Video und Audio. Prüfe beim Migrieren einer älteren Integration die aktuelle Dokumentation.^[1]

Wähle den Frame-Modus, wenn Anfangs- und Schlussbilder die wichtigsten Vorgaben sind. Wähle den Referenzmodus, wenn Medien die Szene lenken sollen. Frames und Referenzeingaben lassen sich nicht in einer Anfrage mischen. Eine reine Texteinstellung benötigt ein ausdrückliches Seitenverhältnis; der Referenzmodus kann adaptive verwenden.

Für eine Tanzszene kann ein Kostüm- oder Figurenbild das Erscheinungsbild der Tänzerin lenken. Ein Referenzvideo liefert eine andere Eingabe: Bewegung im Zeitverlauf. Füge es nur hinzu, wenn diese Bewegung für das Briefing wichtig ist, denn seine Dauer beeinflusst die Rechnung auch dann, wenn die fertige Einstellung kürzer ist.

Vergleiche die vollständigen Anfragekosten

Ein reiner Textvergleich nutzt Ausgabedauer und Auflösung. Ein referenzgestützter Vergleich braucht zusätzlich Eingabevideodauer und Bildanzahl. Bei Max sind die ersten zwei Bilder kostenlos, bei H3 die ersten fünf. Eine Anfrage mit drei Referenzfotos enthält daher bei Max ein kostenpflichtiges Bild und bei H3 keines.^[2]

Berechne für Max Ausgabesekunden zum Ausgabetarif, Referenzvideosekunden zum Eingabetarif und Bilder nach den ersten zwei zum Bildtarif. Addiere nicht alle Sekunden, um sie mit einer einzigen Zahl zu multiplizieren: Eingabe- und Ausgabetarif unterscheiden sich. Referenz-Audio hat keinen separaten Eingabepreis.

Der MiniMax H3 Max Playground schätzt die Anfrage anhand aktueller SeedRouter-Tarife. Prüfe nach dem Anhängen deiner Medien die vollständige Schätzung. Ein fertiges Video von fünf Sekunden bedeutet nicht zwangsläufig, dass du nur fünf Sekunden bezahlst, wenn auch ein Referenzvideo verwendet wurde.

Nutze die Prompt-Erweiterung gezielt

Max bietet extra.prompt_expansion_mode. balanced ist der Standard; disabled schaltet die Erweiterung aus, während quality die Qualität der Prompt-Erweiterung priorisiert.^[1]

Für die Tanzszene unten haben wir diesen Prompt am 20. Oktober 2026 eingereicht:

A cinematic dance-fashion film, one continuous six-second shot. A beautiful 25-year-old adult female professional dancer with long dark hair performs confident jazz-funk choreography on a spacious dark stage. She wears a fitted black top, a flowing crimson satin jacket, tailored black trousers and dance shoes. From the first frame she is already moving: two crisp side steps with coordinated arm sweeps, a controlled half-turn, then she faces the camera and lands a strong final pose. Show her entire body, including both feet, occupying most of the frame height. A smooth camera dolly follows in a shallow arc at waist height, maintaining a clear view of her face and footwork. Soft white key light keeps her face natural; deep violet and warm amber stage lights create depth, with subtle floor reflections. Her jacket and hair respond naturally to the turns. Photorealistic skin, stable facial identity, anatomically coherent hands and legs, fluid grounded movement. Original rhythmic funk percussion and bass synchronized to her steps, no vocals. No cuts, no text, no logos, no other people.

MiniMax H3 Max: 768P, sechs Sekunden angefragt, 16:9 angefragt, Erweiterung quality. Originales generiertes Video; das Titelbild ist ein Frame aus diesem Clip.

Diese Text-zu-Video-Anfrage wurde abgeschlossen und lieferte eine MP4 mit 1344 × 768 Pixeln und AAC-Audiospur. Die Datei misst 6,592 Sekunden, während die gemeldete abrechenbare Ausgabedauer sechs Sekunden beträgt. Die Tänzerin macht Seitwärtsschritte, dreht sich und endet zur Kamera gewandt. Prüfe die gesamte Bewegung, besonders Hände, Fußstellung und Gesichtskonsistenz, bevor du die Ausgabe im Schnitt verwendest.

Dies ist ein einzelnes Beispiel, kein kontrollierter Vergleich der Erweiterungsmodi oder Test gegen H3. Ein Modus namens quality garantiert nicht, dass jede Choreografie- oder Kameraanweisung befolgt wird. Auch generierte Musik muss mit der Bewegung abgeglichen werden; ein Soundtrack belegt keine genaue Taktsynchronisierung.

Zwei weitere Tanzbriefings mit anderen visuellen Anforderungen

Diese zusätzlichen Clips nutzen dasselbe Modell, 768P, sechs angefragte Sekunden, 16:9 und die Prompt-Erweiterung quality. Es sind unabhängige Text-zu-Video-Generierungen mit unterschiedlicher Choreografie, Kostümierung und Beleuchtung. Jede heruntergeladene MP4 hat 1344 × 768 Pixel, eine AAC-Spur und 6,592 Sekunden Containerdauer; die gemeldete abrechenbare Generierungsdauer beträgt sechs Sekunden.

Lateintanz in goldenen Fransen unter warmem Scheinwerferlicht

A striking professional dance music video, one continuous six-second take. A beautiful 25-year-old adult woman with expressive brown eyes and glossy dark curls performs a confident Latin dance solo. She wears an elegant gold fringe dance dress and matching closed-toe dance heels. A large warm spotlight lights her face against a deep charcoal stage; the golden fringe catches the light with each move. Begin immediately with a sharp side step and a coordinated arm sweep, continue into one controlled spin with the fringe fanning out, then finish facing the camera with a bright confident smile. Keep her full body and feet visible, filling most of the frame height. A smooth shallow camera arc follows the movement without cuts or sudden zooms. Realistic skin texture, stable face and anatomy, grounded footwork and believable fabric motion. Original lively Latin percussion and bass, no vocals. No text, no logos, no other people.

Blauer Chiffon und fließende Drehungen am Meer

A visually arresting fashion dance film, one continuous six-second shot. A beautiful 25-year-old adult female contemporary dancer with long dark hair performs on a wide flat seaside terrace at golden hour. She wears an elegant flowing sapphire-blue chiffon dance dress and is barefoot. Start on an expressive full-body pose already in motion: she sweeps one arm overhead, takes two graceful grounded steps, then makes one flowing turn that fans the blue skirt through warm sunlight. She settles into an open pose and looks toward the camera. The ocean is a soft turquoise background, not the subject. Gentle wind lifts her hair and the dress. A smooth camera arc at chest height preserves her face and whole-body silhouette, keeping both feet in frame. The dancer occupies most of the frame height. Natural skin detail, stable identity, anatomically coherent hands and legs, continuous balanced motion. Original rhythmic instrumental strings and light percussion, no vocals. No cuts, no text, no logos, no other people.

In der Szene mit goldenen Fransen lässt sich der Schritt-und-Drehungsrhythmus vor dem dunklen Hintergrund gut prüfen. Die Meeresszene betont dagegen durchgehende Armbewegungen, fließenden Chiffon und Silhouetten im Gegenlicht. Beobachte, wie sich die Pose nach der Drehung setzt; ein gutes Einzelbild belegt keine Bewegungsqualität.

Welches Modell solltest du wählen?

Nutze MiniMax H3 Max, wenn 480P oder 768P zum Ergebnis passen und die Einstellung mindestens fünf Sekunden dauert. Nutze H3, wenn 2K oder vier Sekunden erforderlich sind. Vergleiche bei vielen Referenzen vor der Entscheidung die vollständige Schätzung: Die gemeinsame 768P-Option macht die Eingabekosten nicht identisch.

Beginne mit einer einzelnen Szene, deren Ergebnis du beurteilen kannst. Prüfe Motivkonsistenz, Kamerabewegung und Ton getrennt. Dieser Vergleich beruht auf dokumentierten Fähigkeiten und aktuellen Preisen, nicht auf einem kontrollierten Qualitäts- oder Latenzbenchmark.

Häufig gestellte Fragen

Unterstützt MiniMax H3 Max Referenzvideo?

Ja. Der aktuelle MiniMax-Generierungsvertrag enthält Referenzvideo, Bilder und Audio für Max. Frame-Eingaben und Referenzeingaben sind getrennte Modi und lassen sich nicht in einer Anfrage kombinieren. Prüfe die vollständige Schätzung, da Max Referenzvideosekunden zu einem eigenen Eingabetarif berechnet.^[1][2]

Kann MiniMax H3 Max Videos in 2K generieren?

Nein. Der aktuelle Max-Vertrag akzeptiert 480P oder 768P. H3 akzeptiert 768P oder 2K. Mit Max wird die 2K-Option von H3 nicht freigeschaltet; nachträgliche Größenänderungen der Ausgabe sind ein separater Vorgang.^[1]

Ist Max immer günstiger als H3?

Vergleiche die gesamte Anfrage. Ausgabeauflösung und Dauer zählen, aber auch Referenzvideosekunden und kostenpflichtige Bilder. Drei Bildeingaben überschreiten die Zwei-Bilder-Freimenge von Max, während H3 die ersten fünf einschließt. Die aktuelle Schätzung ist hilfreicher als ein Vergleich nur des Ausgabetarifs.^[2]

Quellen

[1] MiniMax: Create Video Generation Task. Modellspezifische Auflösungen, Dauern, Inhaltsmodi und Prompt-Erweiterung; geprüft am 20. Oktober 2026.

[2] MiniMax pricing. Ausgabe- und Referenzabrechnung sowie Bildfreimengen; geprüft am 20. Oktober 2026. Die aktuelle Tabelle oben zeigt SeedRouter-Preise.