MiniMax H3 Max vs H3: risoluzioni, durata e riferimenti

Scegli MiniMax H3 Max per clip a 480P o 768P di 5–15 secondi. Scegli H3 per il 2K o una clip di quattro secondi. Entrambi accettano immagini, video e audio di riferimento nella documentazione MiniMax attuale. Max è descritto come la variante a generazione più rapida; questa descrizione non dimostra un vantaggio di qualità né una differenza di velocità misurata per la tua scena.^[1]

I nomi fanno sembrare la scelta più gerarchica di quanto sia. Per una breve performance di danza su un palco, parti dal risultato: quanto grande apparirà la clip, quanto deve durare il movimento e servono media forniti? Queste risposte restringono la scelta del modello prima di spendere crediti.

MiniMax H3 Max vs H3 in breve

I limiti delle capacità derivano dal contratto di generazione attuale; le immagini incluse e gli addebiti dei riferimenti provengono dalla documentazione prezzi MiniMax.^[1][2]

Parti da risoluzione e durata necessarie

Una bozza a 480P può aiutare a capire se un’azione semplice risulta chiara. Per una scena di danza, potresti controllare prima i passi e se il giro termina nella durata scelta. Usa 768P per vedere meglio viso e abiti. Cambiare risoluzione avvia una generazione separata; non migliora la stessa clip già finita.

Se il brief richiede il 2K, usa MiniMax H3. Max non accetta il 2K nel contratto MiniMax. Anche uno spazio di quattro secondi indica H3: inviare duration: 4 a Max è un errore di parametro, non la richiesta di accorciare una clip di cinque secondi.^[1]

Il nome di nessuno dei due modelli prova che conserverà un’etichetta di prodotto o una texture fine. Controlla l’output alla dimensione prevista per la pubblicazione. Se la tipografia esatta conta, un’immagine controllata o un livello di testo separato può essere più facile da verificare rispetto a scritte generate.

Max ora supporta i media di riferimento

Descrizioni precedenti potrebbero presentare Max come modello solo testo e fotogrammi. Il contratto MiniMax attuale include esplicitamente la generazione da riferimenti per H3 Max, con immagini, video e audio di riferimento. Consulta la documentazione corrente quando migri un’integrazione precedente.^[1]

Scegli la modalità fotogrammi quando le immagini iniziali e finali sono i vincoli principali. Scegli la modalità riferimento quando i media devono guidare la scena. Fotogrammi e riferimenti non si possono mescolare in una richiesta. Una ripresa da solo testo richiede proporzioni esplicite; la modalità riferimento può usare adaptive.

Per una scena di danza, un’immagine di costume o personaggio può guidare l’aspetto dell’interprete. Un video di riferimento aggiunge un altro input: il movimento nel tempo. Includilo solo quando quel movimento conta per il brief, perché la sua durata incide sul conto anche se la ripresa finita è più breve.

Confronta il costo completo della richiesta

Un confronto da solo testo usa durata e risoluzione di output. Un confronto guidato da riferimenti richiede anche durata del video di input e numero di immagini. Le prime due immagini di Max sono gratuite; le prime cinque di H3 anche. Una richiesta con tre foto di riferimento ha quindi un’immagine a pagamento su Max e nessuna su H3.^[2]

Per Max, calcola i secondi di output alla tariffa di output, i secondi di video di riferimento alla tariffa di input e le immagini oltre le prime due alla tariffa per immagine. Non sommare tutti i secondi moltiplicandoli per un solo numero: le tariffe di input e output differiscono. L’audio di riferimento non ha un costo di input separato.

Il Playground MiniMax H3 Max stima la richiesta con le tariffe SeedRouter attuali. Controlla la stima completa dopo aver allegato i media. Un video finito di cinque secondi non significa necessariamente pagare solo cinque secondi quando è stato usato anche un video di riferimento.

Usa l’espansione del prompt in modo consapevole

Max espone extra.prompt_expansion_mode. balanced è il valore predefinito; disabled disattiva l’espansione, mentre quality dà priorità alla qualità dell’espansione del prompt.^[1]

Per la scena di danza qui sotto abbiamo inviato questo prompt il 20 ottobre 2026:

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, sei secondi richiesti, 16:9 richiesto, espansione quality. Video generato originale; la copertina è un fotogramma di questa clip.

Questa richiesta da testo a video è stata completata e ha consegnato un MP4 di 1344 × 768 con una traccia audio AAC. Il file misura 6,592 secondi, mentre la durata di output fatturabile dichiarata è di sei secondi. La ballerina esegue passi laterali, gira e finisce rivolta alla camera. Controlla tutto il movimento, soprattutto mani, posizione dei piedi e coerenza del viso, prima di usare l’output in un montaggio.

È un esempio, non un confronto controllato delle modalità di espansione né un test contro H3. Una modalità chiamata quality non garantisce che ogni istruzione di coreografia o camera venga rispettata. Anche la musica generata va controllata rispetto al movimento: una colonna sonora non prova una sincronizzazione precisa con il ritmo.

Altri due brief di danza, esigenze visive diverse

Queste clip aggiuntive usano lo stesso modello, 768P, sei secondi richiesti, 16:9 ed espansione del prompt quality. Sono generazioni da testo a video indipendenti, con coreografie, abiti e luci diversi. Ogni MP4 scaricato è di 1344 × 768 con una traccia AAC e una durata del contenitore di 6,592 secondi; la durata di generazione fatturabile dichiarata è di sei secondi.

Danza latina con frange dorate sotto un faretto caldo

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.

Chiffon blu e giri fluidi accanto al mare

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.

La scena con frange dorate rende facile controllare il ritmo di passi e giro su uno sfondo scuro. Quella sul mare evidenzia invece movimento continuo delle braccia, chiffon fluido e sagome in controluce. Guarda come la posa si assesta dopo il giro; un buon fotogramma singolo non prova la qualità del movimento.

Quale scegliere?

Usa MiniMax H3 Max quando 480P o 768P sono adatti alla consegna e l’inquadratura dura almeno cinque secondi. Usa H3 quando servono 2K o quattro secondi di durata. Per lavori ricchi di riferimenti confronta la stima completa prima di decidere: l’opzione 768P condivisa non rende identici i costi di input.

Parti da una singola scena di cui puoi giudicare il risultato. Controlla separatamente coerenza del soggetto, movimento di camera e audio. Questo confronto si basa su capacità documentate e prezzi attuali, non su un benchmark controllato di qualità o latenza.

Domande frequenti

MiniMax H3 Max supporta i video di riferimento?

Sì. Il contratto di generazione MiniMax attuale include video, immagini e audio di riferimento per Max. Fotogrammi e riferimenti sono modalità separate e non si possono combinare in una richiesta. Controlla la stima completa perché Max addebita i secondi di video di riferimento a una tariffa di input distinta.^[1][2]

MiniMax H3 Max può generare video 2K?

No. Il contratto Max attuale accetta 480P o 768P. H3 accetta 768P o 2K. Scegliere Max non sblocca l’opzione 2K di H3 e modificare in seguito le dimensioni di un output è un’operazione separata.^[1]

Max è sempre più economico di H3?

Confronta l’intera richiesta. Risoluzione e durata di output contano, ma anche secondi di video di riferimento e immagini a pagamento. Tre immagini di input superano le due incluse in Max, mentre H3 include le prime cinque. La stima aggiornata è più utile del confronto della sola tariffa di output.^[2]

Fonti

[1] MiniMax: Create Video Generation Task. Risoluzioni, durate, modalità di contenuto ed espansione del prompt specifiche del modello; verificate il 20 ottobre 2026.

[2] MiniMax pricing. Dimensioni di addebito di output e riferimenti e immagini incluse; verificate il 20 ottobre 2026. La tabella aggiornata sopra mostra i prezzi SeedRouter.