MiniMax H3 Max vs H3: resoluções, duração e referências

Escolha MiniMax H3 Max para clipes em 480P ou 768P de 5 a 15 segundos. Escolha H3 para 2K ou um clipe de quatro segundos. Ambos aceitam imagens, vídeo e áudio de referência na documentação atual da MiniMax. O Max é descrito como a variante de geração mais rápida; isso não comprova uma vantagem de qualidade nem uma diferença de velocidade medida para sua cena.^[1]

Os nomes fazem a escolha parecer mais hierárquica do que é. Para uma apresentação curta de dança em um palco, comece pelo resultado: em que tamanho o clipe será exibido, quanto deve durar o movimento e você precisa de mídias fornecidas? Essas respostas reduzem as opções antes de gastar créditos.

MiniMax H3 Max vs H3 em resumo

Os limites de capacidade vêm do contrato de geração atual; as imagens incluídas e as cobranças de referência vêm da documentação de preços da MiniMax.^[1][2]

Comece pela resolução e duração necessárias

Um rascunho em 480P pode ajudar a verificar se uma ação simples fica clara. Em uma cena de dança, você pode primeiro examinar os passos e se o giro termina na duração escolhida. Use 768P para ver melhor o rosto e o figurino. Mudar a resolução inicia uma geração separada; não melhora o mesmo clipe já concluído.

Se o briefing pedir 2K, use MiniMax H3. O Max não aceita 2K no contrato da MiniMax. Um espaço de quatro segundos também aponta para H3: enviar duration: 4 ao Max é um erro de parâmetro, não um pedido para encurtar um clipe de cinco segundos.^[1]

O nome de nenhum modelo prova que ele preservará um rótulo de produto ou uma textura fina. Examine a saída no tamanho em que pretende publicar. Se a tipografia exata importar, uma imagem controlada ou uma camada de texto separada pode ser mais fácil de verificar do que letras geradas.

O Max agora aceita mídias de referência

Descrições antigas podem apresentar o Max como limitado a texto e quadros. O contrato atual da MiniMax inclui explicitamente referências para vídeo no H3 Max, com imagens, vídeo e áudio de referência. Confira a documentação atual ao migrar uma integração antiga.^[1]

Escolha o modo quadros quando as imagens inicial e final forem as principais restrições. Escolha o modo referência quando mídias devem guiar a cena. Quadros e referências não podem ser misturados na mesma requisição. Uma tomada só de texto exige uma proporção explícita; o modo referência pode usar adaptive.

Para uma cena de dança, uma imagem de figurino ou personagem pode ajudar a guiar a aparência da intérprete. Um vídeo de referência acrescenta outra entrada: movimento ao longo do tempo. Inclua-o só quando esse movimento importar para o briefing, pois sua duração afeta a cobrança mesmo se a tomada final for mais curta.

Compare o custo completo da requisição

Uma comparação só de texto usa duração e resolução de saída. Uma comparação guiada por referências também exige a duração do vídeo de entrada e a quantidade de imagens. As duas primeiras imagens do Max são gratuitas; as cinco primeiras do H3 também. Uma requisição com três fotos de referência tem, portanto, uma imagem cobrada no Max e nenhuma no H3.^[2]

Para o Max, calcule os segundos de saída pela tarifa de saída, os segundos de vídeo de referência pela tarifa de entrada e as imagens além das duas primeiras pela tarifa de imagem. Não some todos os segundos e multiplique por um único número: as tarifas de entrada e saída são diferentes. O áudio de referência não tem cobrança de entrada separada.

O Playground do MiniMax H3 Max estima a requisição com as tarifas atuais do SeedRouter. Confira a estimativa completa depois de anexar suas mídias. Um vídeo final de cinco segundos não significa necessariamente pagar apenas cinco segundos quando também foi usado um vídeo de referência.

Use a expansão do prompt de forma deliberada

O Max expõe extra.prompt_expansion_mode. balanced é o padrão; disabled desativa a expansão, enquanto quality prioriza a qualidade da expansão do prompt.^[1]

Para a cena de dança abaixo, enviamos este prompt em 20 de outubro de 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, seis segundos solicitados, 16:9 solicitado, expansão quality. Vídeo gerado original; a capa é um quadro deste clipe.

Esta requisição de texto para vídeo foi concluída e entregou um MP4 de 1344 × 768 com uma faixa de áudio AAC. O arquivo mede 6,592 segundos, enquanto a duração de saída cobrável informada é de seis segundos. A dançarina faz passos laterais, gira e termina de frente para a câmera. Examine todo o movimento, principalmente mãos, posição dos pés e consistência do rosto, antes de usar a saída em uma edição.

Esta é uma amostra, não uma comparação controlada de modos de expansão nem um teste contra o H3. Um modo chamado quality não garante que toda instrução de coreografia ou câmera será seguida. A música gerada também precisa ser conferida em relação ao movimento; uma trilha sonora não comprova sincronização precisa com a batida.

Mais dois briefings de dança, exigências visuais diferentes

Estes clipes adicionais usam o mesmo modelo, 768P, seis segundos solicitados, 16:9 e expansão do prompt quality. São gerações de texto para vídeo independentes, com coreografias, figurinos e iluminações diferentes. Cada MP4 baixado tem 1344 × 768, faixa AAC e duração de contêiner de 6,592 segundos; a duração de geração cobrável informada é de seis segundos.

Dança latina com franjas douradas sob um refletor quente

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 azul e giros fluidos à beira-mar

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.

A cena de franjas douradas facilita examinar o ritmo de passos e giro contra um fundo escuro. Já a cena à beira-mar enfatiza braços em movimento contínuo, chiffon fluido e silhuetas em contraluz. Observe como a pose se estabiliza após o giro; um quadro bom isolado não comprova a qualidade do movimento.

Qual escolher?

Use o MiniMax H3 Max quando 480P ou 768P forem adequados à entrega e a tomada durar pelo menos cinco segundos. Use H3 se precisar de 2K ou quatro segundos. Em trabalhos com muitas referências, compare a estimativa completa antes de decidir: a opção 768P compartilhada não torna iguais as cobranças de entrada.

Comece com uma única cena cujo resultado você possa avaliar. Confira separadamente a consistência do assunto, o movimento da câmera e o som. Esta comparação se baseia em capacidades documentadas e preços atuais, não em um teste controlado de qualidade ou latência.

Perguntas frequentes

O MiniMax H3 Max aceita vídeo de referência?

Sim. O contrato atual de geração da MiniMax inclui vídeo, imagens e áudio de referência para o Max. Quadros e referências são modos separados e não podem ser combinados em uma requisição. Confira a estimativa completa porque o Max cobra segundos de vídeo de referência por uma tarifa de entrada separada.^[1][2]

O MiniMax H3 Max pode gerar vídeo 2K?

Não. O contrato atual do Max aceita 480P ou 768P. O H3 aceita 768P ou 2K. Escolher Max não libera a opção 2K do H3, e alterar depois as dimensões da saída é uma operação separada.^[1]

O Max é sempre mais barato que o H3?

Compare a requisição completa. Resolução e duração de saída importam, mas também segundos de vídeo de referência e imagens cobradas. Três imagens de entrada ultrapassam as duas incluídas no Max, enquanto o H3 inclui as cinco primeiras. A estimativa atual é mais útil que comparar só a tarifa de saída.^[2]

Fontes

[1] MiniMax: Create Video Generation Task. Resoluções, durações, modos de conteúdo e expansão do prompt específicos de cada modelo; conferidos em 20 de outubro de 2026.

[2] MiniMax pricing. Dimensões de cobrança de saída e referências e imagens incluídas; conferidas em 20 de outubro de 2026. A tabela atualizada acima mostra os preços do SeedRouter.