MiniMax H3 Max Turbo vs Max: ¿cuál encaja con tu vídeo?

Elige MiniMax H3 Max Turbo para vídeo guiado por texto o fotogramas; elige Max cuando el plano necesite imágenes, vídeo o audio de referencia. En SeedRouter, ambos aceptan 480P o 768P y de cinco a quince segundos enteros. Turbo cobra solo segundos de salida. Max tiene cargos separados por salida, vídeo de referencia e imágenes adicionales. El Playground de Turbo y el Playground de Max muestran los ajustes propios de cada modelo.

Esta comparación trata de la interfaz nativa con array content, con ID de modelo minimax-h3-max-turbo en SeedRouter. Otros servicios usan el mismo nombre visible para una interfaz adaptada por separado. En concreto, fal documenta duraciones fraccionarias, una opción 1080P y controles de audio adicionales. Esos campos no pertenecen a la solicitud de SeedRouter.^[1] Distinguir las interfaces evita elegir un modelo por una función que no ofrece el endpoint seleccionado.

MiniMax H3 Max Turbo vs Max de un vistazo

Los límites de Turbo de estilo nativo también figuran en la documentación de solicitudes de XRToken y la guía Turbo de AI Video API; su autenticación, valores por defecto y estructuras de respuesta difieren de SeedRouter.^[2][3] Usa nuestra referencia de la API de Turbo para la solicitud exacta en lugar de copiar la envoltura de otro servicio.

Una muestra real de MiniMax H3 Max Turbo

Generamos el siguiente clip el 20 de octubre de 2026 con solo texto, 768P, seis segundos solicitados, proporción 16:9 y expansión del prompt quality. Una bailarina adulta hace una breve secuencia de hip-hop en una azotea al atardecer. La salida descargada es de 1344 × 768 píxeles y contiene una pista de audio AAC. Su contenedor MP4 mide 6,592 segundos; el uso de generación declarado es de seis segundos de salida.

El prompt exacto fue:

A premium street-dance music-video shot, one continuous six-second take. A beautiful 25-year-old adult female professional dancer with a dark high ponytail performs an energetic hip-hop groove on a broad rooftop terrace at sunset, well away from its edges. She wears a white fitted T-shirt, an open cobalt-blue bomber jacket, loose white dance trousers and white sneakers. She starts dancing immediately: a quick lateral shuffle, a precise shoulder-and-arm isolation, then a smooth half-turn and two steps toward the camera, finishing with a confident smile. Keep her full body and both feet visible, with the dancer filling most of the frame height. The camera tracks backward smoothly as she approaches; the skyline stays soft behind her. Golden backlight outlines her moving hair and jacket, with soft frontal fill keeping her face clearly visible. Natural skin texture, stable identity, coherent hands and feet, believable balance and continuous foot contact with the terrace. Her clothing follows her motion and a light breeze. Original upbeat hip-hop drums and bass, synchronized to the choreography, no vocals. No cuts, no text, no logos, no other people.

La muestra verifica una solicitud de texto a vídeo con esos ajustes. No verifica el comportamiento guiado por fotogramas, cada modo de expansión ni todas las resoluciones. Nuestras muestras de Max usaron otro prompt, así que estos clips no son una comparación controlada de velocidad o calidad. Escucha la salida antes de decidir si su sonido encaja en el montaje; la mera presencia de una pista de audio no demuestra su precisión.

Dos briefs de baile más, con exigencias visuales distintas

Estos clips adicionales usan el mismo modelo, 768P, seis segundos solicitados, 16:9 y expansión del prompt quality. Son generaciones de texto a vídeo independientes, con coreografía, vestuario e iluminación diferentes. Cada MP4 descargado es de 1344 × 768, con pista AAC y duración de contenedor de 6,592 segundos; la duración de generación facturable declarada es de seis segundos.

Coreografía pop con chaqueta plateada en un escenario de neón

An eye-catching pop dance music video, one continuous six-second shot. A beautiful 25-year-old adult East Asian female professional dancer with expressive eyes and long dark hair performs a precise, energetic pop choreography on a spacious neon-lit stage. She wears a reflective silver cropped jacket over a fitted black top, high-waisted black dance shorts and black ankle dance boots. Soft white key light keeps her face clear; magenta and electric-blue stage lights make a vivid background. Start dancing immediately: two snappy side steps, one coordinated shoulder-and-arm accent and a controlled half-turn, finishing toward the camera with a playful confident smile. Keep the full body and both feet visible, occupying most of the frame height. Smooth lateral camera tracking follows her without distracting zooms. Her hair and silver jacket move naturally with the dance. Photorealistic skin, stable face, coherent fingers and limbs, grounded footwork. Original upbeat electronic drums and bass, no vocals. No cuts, no text, no logos, no other people.

Giros de jazz con vestido escarlata en un estudio soleado

A polished fashion dance campaign, one continuous six-second take. A beautiful 25-year-old adult female professional dancer with glossy shoulder-length dark hair performs an expressive jazz dance solo in a bright spacious ivory studio. She wears an elegant scarlet-red sleeveless dance dress with a flared skirt and closed-toe red dance heels. Warm side light creates a clear face and a long soft floor shadow; the red dress is the strong visual focus against the pale background. She moves from the first frame: two crisp diagonal steps with sweeping arms, one smooth turn that opens the skirt, then a confident final pose with a direct look and a smile toward the lens. Keep her entire body and feet visible, filling most of the frame height. The camera tracks in a gentle shallow arc, maintaining distance and fluid continuity. Natural skin texture, stable facial identity, coherent hands and legs, believable weight shifts and fabric movement. Original lively jazz-funk rhythm with drums and bass, no vocals. No cuts, no text, no logos, no other people.

La escena de la chaqueta plateada usa cambios de peso precisos y un giro ante neones saturados. La escena del vestido rojo destaca los pasos con desplazamiento y una falda que se abre en un estudio amplio. Compara la secuencia completa, incluido el contacto con el suelo y la transición a la pose final, en lugar de juzgar solo la portada.

Empieza por el recurso que define el plano

Para una escena de baile, decide qué debe mantenerse fijo. Si necesitas una intérprete y un entorno nuevos e imaginados, el texto puede describir el vestuario, la coreografía y el movimiento de cámara. Una foto como primer fotograma resulta más útil cuando la composición inicial debe coincidir con una imagen de personaje existente. Añade un último fotograma cuando el plano deba terminar con otra composición concreta y aporta también la imagen inicial.

En ese punto, Turbo y Max dejan de ser intercambiables. Una foto usada como primer fotograma establece el inicio del clip. Una imagen de referencia guía el aspecto sin convertirse necesariamente en el fotograma inicial. Los fotogramas de Turbo no sustituyen el modo referencia de Max. Tampoco se puede convertir un vídeo de referencia de movimiento en un primer fotograma y conservar la misma instrucción.

Si el brief dice «sigue este movimiento de cámara» y la fuente es un vídeo, evalúa Max. Si dice «empieza en esta foto del personaje y anima la pose», Turbo tiene los controles por fotogramas pertinentes. En ambos casos, revisa rostro, manos, colocación de los pies y ropa de la intérprete durante toda la toma. Una buena imagen inicial no demuestra que el personaje siga siendo consistente en movimiento.

Compara el coste de toda la solicitud

El cargo de Turbo es la duración de salida generada multiplicada por la tarifa de la resolución elegida. Un primer fotograma, una pareja de primero y último y la expansión del prompt no añaden cargos de entrada aparte. La estimación actual cambia si modificas la duración o la resolución de salida.

Max separa los segundos de vídeo de salida y de referencia. Incluye las dos primeras imágenes de entrada y cobra las posteriores; el audio de referencia no tiene cargo de entrada aparte. Por tanto, una solicitud Max con varias imágenes de referencia y un vídeo necesita más que la tarifa por segundo de salida para estimar su coste.^[4]

Las tablas de arriba muestran las tarifas actuales de SeedRouter para ambos modelos. Para un plano de solo texto de cinco segundos, compara cinco veces la tarifa de salida a la misma resolución. En modo referencia de Max, suma los cargos correspondientes a vídeo de referencia e imágenes extra. Presupuesta también el número de intentos: cada nueva generación correcta es una solicitud de pago independiente, aunque solo cambies un poco el prompt. Las tareas fallidas no se cobran.

La duración del contenedor y la facturada pueden diferir ligeramente, como muestra el ejemplo de baile de seis segundos. Consulta la estimación antes de enviar y el uso de tu cuenta tras finalizar. Recortar un clip terminado en tu editor no reduce la cantidad ya generada.

Elige resolución y duración antes de pulir el prompt

Ambos modelos de esta comparación ofrecen 480P y 768P. Decide primero dónde aparecerá el clip: una vista previa pequeña, una muestra a todo el ancho o un montaje vertical para redes. Revísalo a ese tamaño. Más píxeles pueden hacer más visible la textura, pero no garantizan una silueta precisa, letras estables ni un movimiento de cámara correcto.

Ambos aceptan duraciones de cinco a quince segundos enteros en esta interfaz. Si el montaje final necesita cuatro segundos, genera una duración permitida y recorta después. Deja margen para que la acción empiece y se estabilice. Varias acciones que compiten en un clip corto de baile son más difíciles de evaluar que una secuencia clara de pasos y un solo giro.

Para una comparación útil, mantén constantes el prompt, la proporción y la duración, y cambia un ajuste. Anota qué mejora y qué cambia de forma inesperada. Las tres muestras enseñan salidas reales, pero no pueden resolver qué modelo será mejor para cada escena.

Expansión del prompt y audio

Las opciones de expansión son disabled, balanced y quality, con balanced por defecto. Disabled es apropiado si quieres enviar un brief detallado sin expansión del prompt. Cambiar esta opción puede cambiar la interpretación; quality es el nombre de un modo, no una promesa de que el resultado cumpla tus criterios de aceptación.

Turbo no tiene un campo de banda sonora objetivo ni audio de referencia en esta interfaz. Describe el sonido deseado en el prompt y revisa después la pista generada, o añade tu propia grabación durante la edición. Max acepta audio de referencia en modo referencia, junto con contexto de imagen o vídeo. Usar audio como guía no equivale a prometer que una grabación aportada se insertará de forma exacta en la banda sonora final.

Evita mezclar contratos de servicios distintos

Buscar «MiniMax H3 Max Turbo» puede devolver el modelo adaptado de fal, integraciones de estilo nativo y flujos comunitarios. Los nombres coinciden; los esquemas no. La documentación de texto e imagen de fal incluye controles ajenos a la interfaz de estilo nativo usada aquí.^[1] SeedRouter rechazará una solicitud con sus duraciones fraccionarias o parámetros de audio objetivo, en lugar de reinterpretarla en silencio.

La misma precaución se aplica al seed. Algunos servicios de estilo nativo documentan un seed, pero esta interfaz no lo expone. No uses un campo seed de otra guía suponiendo que vuelve reproducibles los resultados. Comprueba la lista de parámetros del endpoint real, los valores permitidos y las reglas de medios antes de adaptar una solicitud que funciona.

Preguntas frecuentes

¿MiniMax H3 Max Turbo es más rápido que Max?

Este artículo no contiene una comparación controlada de tiempos. Una solicitud completada no permite establecer una latencia habitual ni un multiplicador de velocidad. Compara ejecuciones repetidas con ajustes equivalentes antes de comprometer un plazo de entrega.

¿Puedo cambiar solo el ID de modelo?

Una solicitud de solo texto con ajustes compartidos de resolución, duración y proporción puede conservar su estructura general. Una solicitud Max con imágenes, vídeo o audio de referencia no se puede trasladar a Turbo sin cambios. Lee los campos de solicitud de Turbo y elimina las suposiciones no compatibles antes de enviar.

¿Turbo permite generar solo con el último fotograma?

No en esta interfaz. Aporta un primer fotograma al añadir el último. Si la composición inicial no importa, generar solo con texto puede ser más sencillo que preparar una imagen inicial arbitraria.

¿Cuál debería probar para presentar un producto?

Para una escena escrita o una presentación que empiece con una foto de producto, comienza en el Playground de Turbo. Si el brief depende de metraje de referencia, varias referencias de aspecto o una guía de audio, consulta el Playground de Max. Elige primero el modo de entrada y compara luego una toma terminada con los detalles visuales que necesita tu proyecto.

Fuentes

[1] fal: H3 Max Turbo text-to-video documentation. Una interfaz alojada independiente; comprobada el 20 de octubre de 2026. Sus campos no son el contrato de SeedRouter.

[2] XRToken: MiniMax H3 request parameters. Sus reglas Max y Max-Turbo de estilo nativo distinguen fotogramas del modo referencia; comprobadas el 20 de octubre de 2026.

[3] AI Video API: MiniMax H3 Max Turbo. Límites de entrada específicos de Turbo y cobro solo de salida; comprobados el 20 de octubre de 2026. Sus campos de envoltura y valores por defecto difieren de SeedRouter.

[4] MiniMax: Create Video Generation Task y MiniMax pricing. Solicitud y dimensiones de facturación de Max; comprobadas el 20 de octubre de 2026. Los precios de SeedRouter de arriba proceden del componente de precios actualizados.