MiniMax（稀宇科技）是国内率先完成文本、语音、视频、图像、音乐五大模态全线自研的大模型公司。在视频生成领域，MiniMax通过海螺AI（Hailuo AI）平台面向全球用户提供服务，自2024年海螺AI视频产品上线以来，已迭代三代视频生成模型。截至2026年，海螺AI已覆盖全球超200个国家和地区的用户，2026年上半年公司实现收入约1.17亿美元，同比激增283.1%，ARR突破8亿美元大关。
从版本谱系来看，MiniMax视频大模型已发展出以下主要版本线：
Hailuo 01系列（奠基阶段） ：海螺AI视频产品上线之初的第一代模型，完成了视频生成系统从零到一的搭建，验证了DiT架构在视频生成中的可行性。
Hailuo 02系列（物理模拟突破） ：2025年6月18日正式发布，是MiniMax视频模型的关键转折点。Hailuo 02在Artificial Analysis视频基准测试中位列全球第2，在物理场景模拟方面甚至超越了Google Veo 3。该版本以卓越的物理模拟能力著称，能够以惊人的准确度处理体操、跑酷、流体动力学以及违抗重力的特技等复杂动作。发布后由Hailuo 02生成的“猫跳水”视频在海外社交平台一周内获得3亿现象级播放量，开创了“动物奥运会”这一AI视频新品类。
Hailuo 2.3系列（人类微表情与风格化） ：2025年10月发布，基于Hailuo 02架构进行人类运动、微表情和风格化艺术的专项调优。同时推出Fast变体，面向草稿批量生产场景，将批量创作成本削减多达50%。Hailuo 2.3保持了与Hailuo 02相同的定价，“加量不加价”。
MiniMax H3系列（全模态生成与开源） ：2026年7月31日发布，系列也被命名为Hailuo 3.0，是MiniMax首个开放的多模态视频模型，权重于8月3日正式开源。H3是一个通用型全模态生成系统，能够统一理解由文本、图像、视频和音频构成的多模态上下文，可生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。发布仅三周即拿下2400万次下载。
H3 Max（后训练加速版） ：由MiniMax与推理加速公司fal联合开发，基于H3开放权重进行后训练和推理优化。核心突破在于生成速度跨越式提升——一段5秒、768P分辨率的完整音视频生成耗时不到3秒，吞吐量约为原版H3的35倍。H3 Max在Artificial Analysis和Design Arena两个主流榜单上都拿下图生视频第一。
第二部分：各版本详细对比与拆解
一、核心版本代际对比
维度 Hailuo 02 Hailuo 2.3 Hailuo 2.3 Fast MiniMax H3 H3 Max
发布时间 2025年6月 2025年10月 2025年10月 2026年7月 2026年8月
核心定位 物理模拟与控制 人类微表情与风格化 批量草稿与成本优化 全模态生成与开源 实时生成与商业化
最高分辨率 1080P 1080P（6s）/768P（10s） 768P/1080P 原生2K（2560×1440） 768P
最长时长 10秒 6秒（1080P）/10秒（768P） 6秒/10秒 15秒（可延长至约30秒） 5-15秒
帧率 24-30 FPS 24 FPS 24 FPS 24 FPS 24 FPS
音画同步 不支持 不支持 不支持 原生立体声 原生立体声
末帧控制 支持 不支持 不支持 — —
多模态参考 不支持 不支持 不支持 最多9图+3视频+3音频 支持
指令编辑 不支持 不支持 不支持 支持 支持
开源状态 闭源API 闭源API 闭源API 开源权重 基于H3后训练
生成速度 标准 标准（35-90秒） 快速（22-45秒） 无公开数据 约0.55倍实时
Hailuo 02和Hailuo 2.3的核心区别在于“专长方向”。Hailuo 02最适合复杂的物理运动（如体操、跑酷）和精细控制，包括末帧条件控制。Hailuo 2.3则是情感叙事、动漫和风格化内容的理想选择，拥有更出色的微表情和更快的批量生产能力。Hailuo 2.3 Fast面向草稿的高性价比选项，仅图片输入，批量成本约为标准版的50%。
二、Hailuo 02 核心能力拆解
物理模拟的行业标杆：Hailuo 02最核心的差异化在于物理模拟能力。它能够以惊人的准确度处理重力、流体动力学、碰撞和布料等复杂物理交互，在2025年6月的Artificial Analysis视频基准测试中位列全球第2，在物理场景模拟方面超越了Google Veo 3。302.AI的评价是：“Hailuo 02那个版本完全可以被称为'运动天才'——它复现后空翻、高台跳水等复杂物理动作的能力简直令人惊叹”。
原生1080P与末帧控制：Hailuo 02原生支持1080P分辨率输出，最长10秒，24-30 FPS，无需额外的超分步骤。更独特的是末帧条件控制功能——创作者可以精确决定视频片段如何收尾，这为多镜头衔接和叙事连贯性提供了专业级控制水平。
三、MiniMax H3 核心技术拆解
H3是MiniMax视频模型从“专用工具”向“通用全模态系统”转型的标志性产品。
H3-Context-IR 架构：不同于Hailuo 01和Hailuo 02两代视频模型的架构，H3应用了最新的H3-Context-IR模型架构，这一架构能理解文本、图像、音频和参考视频之间的关系，以及这些素材与预期生成结果之间的关系。H3在预训练阶段便已具备广泛的多模态上下文理解与生成能力，能够出色地遵循复杂的多模态指令。
Omni-Reference 全模态参考：H3支持最多9张参考图像、3段视频片段和3段音频片段的同时输入，用于在多个镜头之间保持风格、角色身份、运动和声音的一致性——这对多镜头叙事工作至关重要。
指令编辑（Instruction-based Editing） ：用户可以通过描述修改角色、物体、场景、声音或节奏，而非从头重新生成片段。结合一次成型的同步音频（对话、音效、环境声），H3将海螺从“生成一段视频”推向了“导演和精修一个场景”。
极致成本优势：H3在价格上做到了仅为业内同类旗舰视频模型的三分之一。2K分辨率定价为0.8元/秒，768P定价更低。MiniMax通过高压缩Tokenizer降低视频生成所需的Token数量，实现了成本优化与效率提升。
四、H3 Max 实时生成能力拆解
H3 Max是MiniMax视频模型从“创作工具”向“实时内容基础设施”跃迁的关键版本。其核心突破在于生成速度的质变：生成一段5秒、768P视频仅需不到3秒，已经快过了视频播放速度，上一段还没播完，下一段就已经生成好。
这一速度突破直接催生了全新的产品形态。fal工程师Rehan Sheikh将H3 Max接入Twitch直播平台，搭建了无固定节目单的“跨维度电视”频道，所有画面和声音均由模型实时生成，一段接一段推进直播流，在X平台的观看量已近530万次。独立开发者Pieter Levels搭建了“随意点播”的AI直播网站，fal工程师Alex Koumpas则开设了观众可通过聊天指令干预故事走向的连续故事直播间。一周之内，三位开发者不约而同地做出了三个AI直播间，这一现象被量子位称为“视频生成的OpenClaw时刻”。
第三部分：为什么分这么多版本？
一、场景适配：从物理模拟到全模态生成的演进路径
MiniMax视频模型的版本分化遵循一条清晰的“能力-场景-交付”演进路径。Hailuo 01完成从零到一的系统搭建，Hailuo 02管物理模拟与专业控制，Hailuo 2.3管人类微表情与风格化艺术，Hailuo 2.3 Fast管批量草稿和成本优化，H3管全模态生成与多镜头叙事，H3 Max管实时生成与商业直播。
这一分层的核心价值在于场景精度的匹配。体育和产品可视化等对物理精度要求高的项目，选择Hailuo 02；情感叙事、动漫和营销内容，选择Hailuo 2.3；批量测试和大规模生产，选择Hailuo 2.3 Fast；需要多镜头一致性和全模态参考的叙事项目，选择H3；需要实时生成内容的直播和互动应用，选择H3 Max。正如一篇选型指南所总结的：“2.3适用于物理和角色内容，02适用于分辨率重要的电影级质量，Fast变体适用于批量生产”。
二、从“任务专用”到“任务泛化”的技术范式转变
H3的发布标志着MiniMax视频模型设计哲学的根本性转变。MiniMax在H3的技术博客中明确指出：此前图像生成通常被拆分为T2I、编辑、主体参考、运动参考、风格参考等独立专家模型；音频生成中语音、音效和音乐被分别研究；视频生成进一步碎片化为文生视频、图生视频、首尾帧、主体参考、运动参考、语音参考、视频编辑等，图像、视频和音频之间存在清晰的边界。这些孤立的任务、能力和模态在实践中限制了创作自由，也限制了模型的泛化能力。H3的第一性原理是跨任务统一和泛化——用单一模型覆盖尽可能多的生成任务，而非为每个任务训练专用模型。
三、开源战略：以开放构建视频生成的“DeepSeek时刻”
H3采取了MiniMax视频模型历史上最激进的开源策略——权重完全开放。这在视频生成领域并不常见，此前视频模型的竞争格局以闭源为主，迭代速度较慢，生态系统不如大语言模型开放。MiniMax明确表示，开源是为了支持开源社区、加速与更广泛AI硬件的兼容性，使用户更容易构建自己的定制版本。
开源策略的回报是即时的。H3开源后短短三周就拿下2400万次下载，华为昇腾、摩尔线程、沐曦、海光信息、昆仑芯、天数智芯、壁仞科技、AMD、Intel等国内外芯片厂商，以及Hugging Face、魔搭ModelScope、ComfyUI、RunningHub、fal等开发社区和云推理平台，均在开源同日完成了适配支持。
四、实时商业化路径的开拓
H3 Max的发布开辟了AI视频“实时商业化”的全新路径。当生成速度超越播放速度后，视频模型的服务对象从传统的“单次视频制作者”转向“高频内容生成产品”。模型不再只是“帮用户做视频的工具”，而是成为“持续生成内容的引擎”——可以支撑实时直播、互动叙事、AI版短视频App等此前不存在的产品形态。
MiniMax的商业化数据验证了这一方向的潜力。公司收入结构已实现由C端向B端的成功切换，企业及开发者业务贡献了约80%的ARR，企业客户和开发者总数突破200万，较2025年底实现了约10倍的扩张。
第四部分：最著名版本——Hailuo 2.3 API 接入实战
Hailuo 2.3是MiniMax视频模型家族中部署最成熟、文档最完善的版本，支持文生视频和图生视频两种模式，API兼容OpenAI格式，与Hailuo 02共享同一套API接口，切换模型只需更改模型名称。以下为完整的API接入步骤。
步骤一：环境准备与API密钥获取
前置条件：
MiniMax开放平台账号（国际用户访问 platform.minimax.io，中国大陆用户访问 platform.minimaxi.com）
Python 3.8+ 开发环境
有效的API Key
获取API密钥：
登录MiniMax开放平台
进入“API Keys”页面，点击“Create new secret key”
保存生成的密钥（以sk-开头）
注意：国际平台和中国大陆平台是独立的，在其中一个平台创建的密钥无法在另一个平台通过认证。
步骤二：安装依赖并配置环境
bash
python3 -m venv hailuo_env
source hailuo_env/bin/activate
pip install requests
python
import requests
import time
import os
API_KEY = os.environ["MINIMAX_API_KEY"]
BASE_URL = "https://api.minimax.io/v1"
MiniMax API兼容OpenAI格式，可直接使用OpenAI SDK调用。
步骤三：基础文生视频调用
python
# 创建文生视频任务
response = requests.post(
f"{BASE_URL}/video_generation",
headers={
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
},
json={
"model": "MiniMax-Hailuo-2.3",
"prompt": "电影级画面：一位穿红色汉服的少女站在樱花树下回眸微笑，"
"柔和的春日阳光透过花瓣洒在脸上，镜头缓慢推进",
"duration": 6,
"resolution": "1080p",
"prompt_optimization": True
}
)
task_id = response.json()["task_id"]
print(f"任务已创建：{task_id}")
关键参数说明：duration 可选6或10秒，1080P仅支持6秒；resolution 可选768p或1080p；prompt_optimization 启用后让MiniMax在生成前自动优化提示词。
步骤四：图生视频调用
Hailuo 2.3支持图生视频（I2V）模式，需提供起始图片URL：
python
# 图生视频
response = requests.post(
f"{BASE_URL}/video_generation",
headers={
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
},
json={
"model": "MiniMax-Hailuo-2.3",
"prompt": "人物缓缓转头微笑，镜头缓慢推进，背景光线自然变化",
"first_frame_image": "https://example.com/first_frame.png",
"duration": 6,
"resolution": "1080p"
}
)
步骤五：切换Hailuo 02 或 Hailuo 2.3 Fast
三个模型共享同一套API接口，切换只需更改 model 字段：
python
# 切换为Hailuo 02（物理模拟优先）
model = "MiniMax-Hailuo-02"
# 切换为Hailuo 2.3 Fast（批量草稿优先）
model = "MiniMax-Hailuo-2.3-Fast"
Hailuo 2.3 Fast 仅支持图片输入，生成速度22-45秒，批量成本约为标准版的50%。
步骤六：查询任务状态与获取结果
python
while True:
status_response = requests.get(
f"{BASE_URL}/video_generation/{task_id}",
headers={"Authorization": f"Bearer {API_KEY}"}
)
status = status_response.json()["status"]
if status == "Success":
video_url = status_response.json()["file_url"]
print(f"视频生成成功：{video_url}")
break
elif status == "Fail":
print("视频生成失败")
break
time.sleep(5)
步骤七：监控与成本优化
关键指标监控：
分辨率：768p / 1080p
时长：6秒 / 10秒（1080P仅支持6秒）
生成速度：标准版35-90秒，Fast版22-45秒
降本策略：对批量草稿和快速迭代使用Hailuo 2.3 Fast（批量成本约低50%）；对物理精度要求高的项目使用Hailuo 02；对微表情和风格化内容使用Hailuo 2.3标准版。Hailuo 2.3与Hailuo 02保持相同定价，无需为升级支付额外费用。
第五部分：不同版本的实践成果
案例一：“猫跳水”开创“动物奥运会”AI视频新品类（基于Hailuo 02）
Hailuo 02发布后，由该模型生成的“猫跳水”视频在海外社交平台发布后仅一周内，获得3亿现象级播放量。“动物奥运会”这一AI视频新品类被开创出来。这一案例的核心价值在于验证了Hailuo 02物理模拟能力在病毒式传播内容中的独特价值——猫跳水视频的成功依赖于模型对重力、流体动力学和动物运动姿态的精确模拟，这些物理细节的真实感是视频能够突破圈层、获得现象级传播的根本原因。
案例二：导演陆川与猿动力AI漫剧项目（基于Hailuo系列）
2025年12月，在第七届海南岛国际电影节上，评审会主席、知名导演陆川宣布，由其创办的猿动力正在与MiniMax海螺AI开展紧密的AIGC技术合作，联手开发电影质感级AI漫剧项目，并且后续会持续合作落地院线电影和精品剧集。MiniMax将全程为猿动力提供从视频到语音的全流程AI技术支持，就AIGC内容生成中的技术实现、模型稳定性、内容可控性、风格一致性等关键环节开展深度的技术交流与迭代共创。
实践成效：这一合作代表了MiniMax视频模型在专业影视创作场景中的深度落地。陆川作为中国最具影响力的导演之一，其对画面质感和叙事连贯性的要求远超一般创作者。海螺AI的“主体参考”功能使导演能够在不同场景中保持角色视觉一致性，从视频到语音的全流程AI技术支持则使创作者能够在单一技术栈中完成从画面到声音的完整创作。这一合作也代表了MiniMax从“工具提供者”向“影视工业化共创者”的角色演进。
案例三：AI短剧《龙主归来》优酷上线（基于Hailuo Video Agent）
由Hailuo Video Agent提供技术支持的业内首个AI短剧《龙主归来》在优酷平台正式上线。这一案例代表了MiniMax视频模型在短剧工业化生产场景中的落地——不是“生成一段视频片段”，而是“完成一部可上线播出的完整短剧”。
实践成效：AI短剧对模型的要求远高于单段视频生成——需要角色在多集内容中保持一致的外观和声音，需要场景在多个镜头之间保持连贯，需要叙事节奏符合短剧观众的观看习惯。Hailuo Video Agent通过主体参考和一致性控制能力解决了角色跨镜头一致性的核心难题，使AI短剧从“技术实验”进入了“商业发行”阶段。
案例四：H3 Max实时直播“跨维度电视”（基于H3 Max）
fal工程师Rehan Sheikh将H3 Max接入Twitch直播平台，搭建了名为“跨维度电视”的频道。这个频道没有固定节目单，屏幕上可能这一秒在播一段动画短片，下一秒就会跳进一个荒诞的60年代木偶广告，再下一秒又变成外太空纪录片。所有画面和声音都由模型实时生成，一段接一段推进直播流。他将这场直播的片段发到X上，获得了近530万次观看。
实践成效：这一案例的核心价值在于验证了H3 Max从“视频生成工具”向“实时内容引擎”转变的可行性。当生成速度超越播放速度后，模型可以持续产出内容并直接推入直播流，不再需要预录素材或人工编排。独立开发者Pieter Levels随即搭建了“随意点播”的AI直播网站，fal另一位工程师Alex Koumpas开设了观众可通过聊天指令干预故事走向的连续故事直播间。一周之内，三位开发者不约而同地做出了三个AI直播间，这一现象被量子位称为“视频生成的OpenClaw时刻”。模型服务对象正从传统的“单次视频制作者”向“高频内容生成产品”跃迁。
案例五：中国传媒大学《电火花之舞》MIT AI电影节获奖（基于海螺AI）
2026年9月，中国传媒大学戏剧影视学院学生主创的AI短片《电火花之舞》在MIT AI Filmmaking Hackathon大赛中荣获最佳叙事奖。本片也是中国传媒大学未来影像研究中心与MiniMax&海螺AI影像创作工作坊的创作作品，影片中的动态影像由海螺AI独家生成。
实践成效：这一案例代表了MiniMax视频模型在高校影视教育与AI影像创作场景中的价值。MIT AI Filmmaking Hackathon是全球最具影响力的AI影像创作赛事之一，“最佳叙事奖”的核心评判标准是AI生成内容是否能够有效服务于叙事意图。中传学生团队通过海螺AI工作坊的实践，探索了AI视频生成在叙事短片中的表达边界，证明了MiniMax视频模型在专业影视教育场景中的可用性。
版权声明：本平台仅提供信息存储空间服务，用户发布内容不代表本站观点，交易风险自担；侵权违法内容请立即举报（邮箱：37996619@qq.com），本站接通知后先行屏蔽，责任由发布者承担。