MiniMax H3 Max 与 H3：分辨率、时长和参考素材

需要 480P 或 768P、5–15 秒视频时选 MiniMax H3 Max；需要 2K 或四秒视频时选 H3。当前 MiniMax 文档中，两者均接受参考图片、视频与音频。Max 被描述为面向更快生成的变体；这并不证明它对你的场景有质量优势或实测速度差距。^[1]

模型名称容易让人以为只是等级高低之别，实际选择并非如此。以舞台短舞蹈为例，先看交付要求：视频将以多大尺寸展示、动作持续多久、是否需要提供媒体素材？消耗余额前，这些答案就能缩小选型范围。

MiniMax H3 Max 与 H3 一览

能力限制来自当前生成契约；免费图片额度与参考素材计费来自 MiniMax 价格文档。^[1][2]

从需要的分辨率和时长开始

480P 初稿有助于判断简单动作是否清楚。舞蹈场景可以先检查脚步，以及旋转能否在所选时长内结束。要更清楚地看脸部和服装，可用 768P。改变分辨率会开始一次独立生成，并不会升级原来的成片。

需求指定 2K 时，请用 MiniMax H3。MiniMax 契约中的 Max 不接受 2K。四秒片段也应选 H3：向 Max 传 duration: 4 是参数错误，不是把五秒视频缩短的请求。^[1]

任何模型名称都不能证明它会保留产品标签或精细纹理。请按发布尺寸检查输出。需要精确排版时，可控的图片或后期文字叠加，可能比生成文字更易核验。

Max 现已支持参考素材

旧说明可能称 Max 只支持文本和首尾帧。当前 MiniMax 契约已明确包含 H3 Max 的参考素材生成视频，支持参考图片、视频与音频。迁移旧接入时，请检查最新文档。^[1]

开场与结尾图片是主要约束时选首尾帧模式；需要媒体引导场景时选参考模式。单次请求不能混用首尾帧和参考输入。纯文本镜头需明确宽高比；参考模式可用 adaptive。

舞蹈场景中，一张服装或人物图片可以帮助引导舞者外观。参考视频提供另一种输入：随时间变化的运动。只有动作本身与需求相关时才添加，因为即使成片更短，参考视频时长仍会影响费用。

比较完整请求费用

纯文本对比看输出时长与分辨率；参考素材对比还需考虑输入视频时长和图片数量。Max 前两张图片免费，H3 前五张免费。因此，三张参考照片的请求在 Max 上有一张收费，在 H3 上则没有。^[2]

Max 的输出秒数按输出费率计算，参考视频秒数按输入费率计算，前两张之外的图片按图片费率计算。不要把所有秒数相加后乘以同一个数字，输入与输出费率不同。参考音频没有单独输入费用。

MiniMax H3 Max Playground 按 SeedRouter 当前费率预估请求费用。附加素材后请检查完整预估。使用参考视频时，五秒成片并不一定意味着只支付五秒的费用。

有意识地使用提示词扩写

Max 提供 extra.prompt_expansion_mode。默认 balanced；disabled 关闭扩写，quality 优先考虑提示词扩写质量。^[1]

下方舞蹈场景使用的提示词于 2026 年 10 月 20 日提交：

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，请求时长六秒，请求比例 16:9，quality 扩写。原创生成视频；封面取自该视频的一帧。

这次文生视频请求已完成，交付一个带 AAC 音轨的 1344 × 768 MP4。文件实测长 6.592 秒，报告的计费输出时长为六秒。舞者横向迈步、旋转，最后面向镜头。用于剪辑前，请检查完整动作，尤其是手、落脚位置和脸部一致性。

这只是一个样片，并非扩写模式之间的受控对比，也不是与 H3 的对照测试。名为 quality 的模式不保证遵循每条编舞或运镜指令。生成音乐也需与动作一起检查；有配乐不代表节拍精准同步。

另外两段舞蹈，不同视觉要求

以下视频使用同一模型、768P、请求时长六秒、16:9 和 quality 提示词扩写，属于独立的文生视频，编舞、服装与光线各不相同。每个下载的 MP4 均为 1344 × 768、含 AAC 音轨，容器时长 6.592 秒；报告的计费生成时长为六秒。

暖色聚光灯下的金色流苏拉丁舞

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.

海边蓝色雪纺与流畅旋转

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.

金色流苏场景以深色背景衬托步伐与旋转节奏，便于检查。海边场景则强调连续手臂动作、流动雪纺与逆光轮廓。留意旋转后如何稳定收尾；好看的单帧不能说明运动质量。

应该选哪一个？

交付适合 480P 或 768P，且镜头至少五秒时，使用 MiniMax H3 Max。需要 2K 或四秒时使用 H3。大量使用参考素材时，先比较完整预估：两者都有 768P，并不意味着输入收费相同。

先从一个能够判断结果的场景开始，分别检查主体一致性、运镜和声音。本文依据文档能力与当前价格，不是受控的质量或延迟基准测试。

常见问题

MiniMax H3 Max 支持参考视频吗？

支持。当前 MiniMax 生成契约为 Max 提供参考视频、图片与音频。首尾帧输入和参考输入属于独立模式，不能在同一请求混用。Max 的参考视频秒数采用单独输入费率，因此应检查完整预估。^[1][2]

MiniMax H3 Max 能生成 2K 视频吗？

不能。当前 Max 契约接受 480P 或 768P，H3 接受 768P 或 2K。选择 Max 不会解锁 H3 的 2K 选项；生成后再改变视频尺寸属于另一项操作。^[1]

Max 总是比 H3 便宜吗？

应比较完整请求。输出分辨率与时长重要，参考视频秒数和收费图片也同样重要。三张图片输入会超过 Max 的两张免费额度，而 H3 前五张免费。实时预估比只比较输出费率更有用。^[2]

来源

[1] MiniMax: Create Video Generation Task。模型专属分辨率、时长、内容模式与提示词扩写；核查于 2026 年 10 月 20 日。

[2] MiniMax pricing。输出与参考素材计费维度、图片免费额度；核查于 2026 年 10 月 20 日。上方实时表格展示 SeedRouter 价格。