/icon.png){kind=icon}
MiniMax H3、H3 Max、H3 Max Turbo、FastH3 有什么区别？海螺 H3 开源后的各个版本一篇说清（2026）
你打开模型列表，想给副歌配一个镜头：MiniMax H3、H3 Max、H3 Max Turbo、MiniMax-H3-Max、H3-Lite、HeyGen Video、FastH3……名字长得像同一家人，价格却从每秒两分半到一毛六都有。你点开一个，发现它是「后训练版」；点开另一个，说明里写着「基于开源 H3」；再搜一下，GitHub 上还有 4 步蒸馏、苹果芯片版、TPU 版。你只是想知道：哪个是官方的，哪个更像我要的，哪个更便宜。
这其实不是一个模型的选择题，而是一个开源生态的地图题。MiniMax 在 2026 年 8 月把 H3 的权重放出来之后，官方 API、托管平台、视频公司和高校实验室都在它上面做了自己的版本。
多数文章只写「H3 很强」，或者只贴某一家的价格。这篇把这些版本放在一张表里：谁出的、基于什么、改了什么、能做 t2v / i2v / r2v / 对口型中的哪几样、多少钱一秒、能不能自己跑。所有数字都附来源，查询日期 2026-10-26。
先给结论：这几个 H3 分别是什么
- MiniMax H3、海螺 03、Hailuo H3 是同一个基础模型，只是叫法不同。MiniMax 2026 年 7 月在 WAIC 上以「海螺 03」亮相，8 月 3 日开源权重。
- **「H3 Max」有两个。**fal 的 H3 Max 是 fal 在开源 H3 上后训练的闭源版本；MiniMax 官方 API 里也有一个 MiniMax-H3-Max，主打多素材参考。名字一样，不是同一个产品。
- H3 Max Turbo 是 fal 的提速版 H3 Max。文生 / 图生每秒大约是 H3 Max 的一半；10 月下旬起也支持参考生（锁脸），价格和 H3 Max 一样。
- FastH3 是 Hao AI Lab 开源的 4 步蒸馏版，可以在自己的显卡上跑，包括消费级 RTX。
- **单段时长：**开源 H3 是 4–15 秒，fal H3 Max 是 5–15 秒，Turbo 参考生最短 0.92 秒，HeyGen Video 最长 30 秒。
下面每一条都给出处。
先看原点。下面这条是 MiniMax 官方 10 月 25 日发的推文：社区又往 H3 生态索引里加了 11 个项目，包括 8 步参考生视频+音频、4 步蒸馏、稀疏注意力和参考 token 压缩。
MiniMax (official) @MiniMax_AI More reference control. Fewer denoising steps. More places to run H3.
The latest community contributions span 8-step reference-conditioned video + audio, 4-step distillation, sparse attention, and reference-token compression - alongside serving and workflow integrations across GPU servers, TPUs, and Apple Silicon.
What matters is what this enables: more affordable experimentation, finer creative control, and more choices about where and how video generation runs. Open models become more useful when the community can improve the methods, adapt the runtime, and build workflows around them.
Credit to @haoailab @yisun0618 @lanfeng491270 @guocheng_qian @Alissonerdx @ddalcu @tazmannner @HaochengXiUCB @huggingface @Jhuaplin, and the PTD, DMAD, SparkH3, TorchTPU and FlashML teams - including Zhengming Yu and zechengtang on GitHub.
11 additions to the H3 ecosystem index. Thank you to everyone building, testing, and sharing.
github.com/MiniMax-AI/awesome-minimax-h3-…
来源：MiniMax 官方 X 账号，2026-10-25（UTC）。推文链接的索引仓库是 awesome-minimax-h3-integration。
目录
- 先给结论：这几个 H3 分别是什么
- H3 开源，到底开了什么
- 开源的好处：本地跑、微调、后训练出专门能力
- 一张表看懂 H3 宇宙：谁出的、改了什么
- 时间线：从发布到 Turbo 参考生
- 各家每秒价格，和本地部署的门槛
- 排行榜上的 H3 家族（2026-10-26 快照）
- 我们在 SunoMV 里怎么用 H3
- 常见问题
H3 开源，到底开了什么
一句话：开源的是 H3-Base 的两个权重，不是 MiniMax 线上那一整套。
按 Hugging Face 上的官方模型卡，H3 是一个音视频联合生成的模型：同一个 Transformer 同时预测画面和声音，输出 4–15 秒、24 FPS、32 kHz 立体声。核心的 H3-Omni-Transformer 是 33B 参数的稠密单流 Transformer，其中约 13B 在 AdaLN 分支里，推理时可以预计算缓存，不必加载。
放出来的是两个 BF16 检查点：
- H3-Base-FL2VA：文生视频，以及首帧 / 尾帧 / 首尾帧生视频。
- H3-Base-Ref2VA：全参考模式，最多 9 张图、3 段视频、3 段音频，合计不超过 12 个文件。
没放出来的有两块：负责理解提示词和参考素材的 H3-Context-IR，以及把 768p 重新生成到 2K 的 H3-Regenerate-2K。所以本地跑开源版，默认短边是 768p；想要 2K，要么接官方 API，要么用社区的放大方案。MiniMax 在 2026 年 8 月 3 日的开源公告里写明了这次开放的范围。
开源权重意味着可以在自己的显卡上跑，但完整权重很大，后文会讲硬件门槛。
许可证：不是 MIT，先看地区条款
H3 用的是 MiniMax H3 Community License，几条对创作者影响最大的规定，原文在 LICENSE 里：
- 授权范围是「全球，除外地区除外」。除外地区是欧盟、英国、韩国和美国，这些地区想部署需要单独联系 MiniMax 申请。
- 基于 H3 做的产品或服务，要标注「Powered by MiniMax H3」。
- 商业产品年收入超过 2000 万美元，需要事先获得 MiniMax 书面授权。
实用规则： 「开源」先看许可证再看显卡。人在美国、欧盟、英国或韩国，想本地部署 H3，第一步是看授权条款，不是下载权重。
如果你想先看本地跑起来是什么样，MDMZ 这条 ComfyUI 教程从安装节点讲到出片，9 分钟左右：
开源的好处：本地跑、微调、后训练出专门能力
权重一放出来，别人就能在它上面改，这是闭源模型给不了的。H3 开源后的三个月里，改动大致分成三类。
第一类，换个地方跑。 官方示例用 SGLang 多卡推理；SGLang 的 H3 部署指南给了 4×H200/H100、2×RTX 5090（带 offload）和单张 RTX 4090 24GB（INT8）的配置。社区还做了苹果芯片的 mlx-serve 和 antirez 的 Metal 引擎 h3.c，以及 Hugging Face 的 Cloud TPU 示例。
第二类，变快。 视频扩散模型慢，主要慢在去噪步数和注意力计算。Hao AI Lab 的 FastH3 Preview（2026-08-27）把 H3 蒸馏到 4 步，再加 90% 稀疏的视频稀疏注意力（VSA），官方写的是「单张 NVIDIA Blackwell GPU 上最高 14 倍加速」，8×B200 上生成 15 秒 768p 视频不到 13 秒。这次推文点名的 PTD、DMAD 也是 4 步蒸馏，Spark-H3 做稀疏注意力，VPack 压缩参考视频的 token。
第三类，后训练出专门能力。 这是对做 MV、做短剧的人最有用的一类：
- 对口型：用一段人声驱动角色的嘴型。fal 在 2026-09-17 上架了 H3 Max 的 lip-sync 端点；社区也有角色替换+对口型的 ComfyUI 工作流。
- 参考生（r2v）锁脸：给几张角色照片，生成的人一直是这张脸，而不是把照片当成第一帧。FastH3-Omni（2026-10-20）把参考生视频+音频也做到了 8 步。
- 审美和提示词遵循：fal 的 H3 Max、HeyGen 的 HeyGen Video，都是在开源 H3 上做后训练的闭源版本。
对口型和参考图锁脸，是 H3 后训练版本最常见的两个方向。
MDMZ 另一条视频演示了用开源 H3 做角色替换加对口型，可以直观看到「后训练出专门能力」长什么样：
实用规则： 看到「基于 H3」时多问一句：它是换了地方跑（同一个模型），蒸馏加速（更快但可能掉细节），还是后训练（能力变了）。三者价格和效果差得很远。
一张表看懂 H3 宇宙：谁出的、改了什么
最容易混的是「H3 Max」这个名字：**MiniMax 官方 API 里的 MiniMax-H3-Max，和 fal 的 H3 Max 不是同一个东西。**前者是 MiniMax 自己的扩展模型，主打图片、视频、音频多参考；后者是 fal 在开源 H3 上后训练的闭源版本，H3 Max Turbo 是 fal 为吞吐量调得最狠的配置。另外，MiniMax 官方 API 里没有叫「Turbo」的 H3。
| 版本 | 谁出的 / 基于什么 | 改了什么、能做什么 | 分辨率 · 时长 | 能否本地跑 |
|---|---|---|---|---|
| MiniMax H3 开源版（FL2VA / Ref2VA） | MiniMax，开源权重 | 原版。t2v、首尾帧、多参考 r2v，自带音频 | 768p 短边 · 4–15 秒 | 能（受许可证地区限制） |
| MiniMax 官方 API：H3 / H3-Highspeed / H3-Lite / H3-Max | MiniMax 托管 | 完整系统（含 Context-IR，H3 可出 2K）；t2v、i2v、首尾帧、参考生都支持 | H3 最高 2K；Lite 有 480P | 否 |
| fal H3 Max / H3 Max Turbo | fal 在开源 H3 上后训练，闭源 | 提示词遵循和审美调优，配合自家推理引擎提速；t2v、i2v（可传尾帧）、r2v、对口型 | 480p / 768p / 1080p · 5–15 秒（Turbo r2v 最短 0.92 秒） | 否 |
| HeyGen Video（heygen-video-1） | HeyGen 在 H3 上后训练 | t2v、i2v、r2v，对白、环境声一起生成 | 480p–2K · t2v/i2v 最长 30 秒，r2v 5–15 秒 | 否 |
| FastH3 / FastH3-Omni | Hao AI Lab 蒸馏 + 稀疏注意力 | 4 步 / 8 步；Omni 版支持参考生视频+音频 | 768p 为主 | 能，有 RTX 消费卡配方 |
| 社区加速与工具（PTD、DMAD、LightX2V Turbo LoRA、Sol-H3、mlx-serve、h3.c 等） | 高校、厂商、个人开发者 | 蒸馏 LoRA、稀疏注意力、苹果芯片、TPU、ComfyUI 放大 | 依项目而定 | 能 |
来源：H3 模型卡、MiniMax 价格页、fal H3 Max 介绍页、HeyGen Video 开发文档、FastH3 博客、生态索引仓库。
10 月 25 日新加的 11 个项目
MiniMax 推文里的「11 additions」对应索引仓库的 PR #25，按用途分一下：
- 更快：FastH3-Omni 8 步（参考生视频+音频）、PTD（4 / 6 步轨迹蒸馏）、DMAD（4 步 LoRA 及训练代码）、Spark-H3（自适应块稀疏注意力）。
- 参考控制：VPack（压缩参考视频 token）、TARA-H3（实验性，参考视频注意力时序对齐）。
- 在哪跑：UniServe（1–8 卡 HTTP 服务）、TorchTPU + Diffusers（Cloud TPU v6e-4）、mlx-serve（苹果芯片）。
- 工作流：FreeVideo（基于 VDN-H3 的 ComfyUI 工作区，有 8GB 显存路径）、ComfyUI-H3-ResCascade（放大到 1080p / 1440p 并保留原音频）。
时间线：从发布到 Turbo 参考生
| 日期（2026） | 事件 |
|---|---|
| 7 月 17 日 | MiniMax 在 WAIC 2026 以「海螺 03」名义展示该模型（我们当时的首测） |
| 7 月 30–31 日 | MiniMax H3 发布（不同报道分别写 30 日和 31 日），官方 API 上线；fal 当天上架 minimax/h3 |
| 8 月 3 日 | 权重开源，Hugging Face 首次提交；ComfyUI 首日支持 |
| 8 月 23 日 | fal H3 Max 文生 / 图生上架 |
| 8 月 27 日 | Hao AI Lab 发布 FastH3 Preview（4 步 + 稀疏注意力） |
| 8 月 29–31 日 | fal H3 Max 参考生（r2v）上架 |
| 9 月 2 日 | fal H3 Max Turbo 文生 / 图生上架 |
| 9 月 17 日 | fal H3 Max 对口型（lip-sync）端点上架 |
| 9 月 30 日 | HeyGen 发布基于 H3 的 HeyGen Video |
| 10 月 6 日 | FastH3 发布 RTX 消费级显卡配方 |
| 10 月 20 日 | FastH3-Omni：8 步参考生视频+音频 |
| 10 月 25 日 | MiniMax 推文宣布生态索引新增 11 个项目 |
| 10 月下旬 | fal H3 Max Turbo 参考生（r2v）端点上线（截至 10-26 已可用，fal 未公布上线日期） |
来源：MiniMax 开源公告、fal 模型目录、fal 宣布 H3 Max 参考生的推文、MiniMax 祝贺 HeyGen 的推文、FastH3 RTX 配方、FastH3-Omni 更新。
实用规则： 一个开源模型最好用的版本，往往出现在开源后一到三个月。别用发布当天的评测给整个家族下结论。
各家每秒价格，和本地部署的门槛
下面都是按秒计费的标准价（每秒输出视频的美元价），查询日期 2026-10-26。促销价单独标注，不算进表格主数字。
同一个 H3，在不同平台、不同分辨率下，每秒价格能差好几倍。
| 渠道 · 版本 | 480P | 768P | 1080P / 2K | 备注 |
|---|---|---|---|---|
| MiniMax 官方 · MiniMax-H3 | — | $0.08 | 2K $0.13 | 同模型同分辨率，各任务类型同价 |
| MiniMax 官方 · H3-Highspeed / H3-Lite | Lite $0.025 | Highspeed $0.06 / Lite $0.04 | — | |
| MiniMax 官方 · MiniMax-H3-Max | $0.05 | $0.08 | — | 输入视频另计（768P $0.143/秒） |
| fal · H3 Max（t2v / i2v / r2v） | $0.05 | $0.08 | 1080p $0.16 | t2v / i2v 正在 35% off，至 10-31 |
| fal · H3 Max Turbo（t2v / i2v） | $0.025 | $0.04 | 1080p $0.08 | 正在 35% off，至 10-31 |
| fal · H3 Max Turbo（r2v） | $0.05 | $0.08 | 1080p $0.16 | fal 按 $0.05/秒计（480P 基准），768P / 1080P 按 1.6× / 3.2× 计费单位折算；与 H3 Max 参考生同价 |
| Replicate · minimax/h3 | — | $0.08 | 2K $0.13 |
来源：MiniMax 价格页、fal H3 Max、fal H3 Max Turbo 图生、fal H3 Max Turbo 参考生、fal 定价 API、Replicate minimax/h3。
几个容易看漏的点：
- fal 的 1080P 不是原生：H3 Max Turbo 参考生的说明写的是「从原生 768P 做潜空间精修」，开源版本身也是 768p 短边。
- Turbo 参考生不便宜：fal 模型页写的是「$0.05 per second」，这是 480P 的基准单价；768P / 1080P 按 1.6× / 3.2× 计费单位折算，即 $0.05 / $0.08 / $0.16 每秒，是 Turbo 图生标准价的 2 倍，和 H3 Max 参考生同价。所以 Turbo 参考生的卖点是快、能锁脸，不是省钱；省钱的是 Turbo 的文生 / 图生（约为 H3 Max 的一半）。
- fal 自己测的速度：在 fal 的介绍页里，9 月 8 日测一段 5 秒 768p 视频，去噪时间 Turbo 是 1.54 秒，H3 Max 是 2.46 秒。这是 fal 自己的测量，不是第三方数据。
本地部署要多少硬件
完整的 Hugging Face 仓库约 464 GiB，单个 Transformer 权重约 61.7 GiB（数据来自生态索引仓库）。大致分三档：
- 数据中心卡：官方示例是 4 卡 SGLang；SGLang 验证过 4×H200/H100。
- 高端消费卡：2×RTX 5090 加 offload，或单张 RTX 4090 24GB 跑 INT8；社区有 19.5 GiB 的剪枝 INT8 权重。
- 12GB 以下：GGUF Q4_K_M（约 10.6 GiB）适合 12–16GB 显存；8GB 有 NF4 方案。FastH3 的 RTX 配方里，一张限制到 8GB 显存的 4090 生成 5 秒 832×480 视频用了 82 秒。
实用规则： 每月只做几条 MV，按秒付费几乎总是比买卡便宜；要批量跑、要改模型、要私有部署，才值得算本地这笔账。
排行榜上的 H3 家族（2026-10-26 快照）
Artificial Analysis 的视频榜是盲测投票：同一个提示词出两段视频，用户选更好的那段，按 Elo 排名。以下是 2026-10-26 查到的位置：
- 文生视频（带音频）：MiniMax H3（768p）第 4 名，Elo 1158±15；fal 的 MiniMax H3 Max 第 7 名，1154±15。第 1 名是 Wan 3.0（1175），HeyGen Video 1 第 3 名（1160）。前几名的置信区间互相重叠。
- 图生视频：MiniMax H3（768p）第 1 名，Elo 1140±16；MiniMax H3 Max 第 6 名，1125±17。
- H3 Max Turbo：这两个榜上都没有单独条目。fal 的介绍页说它以内部名「MiniMax H3 Turbo (768p)」在图生榜上排第一（Elo 1201），但我们查询当天的公开榜单上看不到这一条，暂按「未核实」处理。
- VBench / VBench-2.0：没有找到 H3 系列的条目。
视频竞技场就是这样的盲测：同一个提示词，两段视频，选更好的那段。
一个有意思的现象：在 Artificial Analysis 的图生榜上，开源基座 H3 排在后训练版 H3 Max 前面。后训练主要调的是提示词遵循和审美，盲测投票不一定奖励这些。所以榜单名次只能当参考，最终要看你的镜头。
我们在 SunoMV 里怎么用 H3
在 SunoMV 里，用户给自己的歌配 MV，可以按镜头选视频模型。下面只给比例，不写绝对数。
- 近 90 天的镜头里，Seedance Fast 约占 69%，仍然是默认主力。
- **H3 Max Turbo 约占 5.8%，大约是 H3 Max 的 6 倍。**用户在两个 H3 之间，明显更愿意选更快、文生 / 图生也更便宜的 Turbo。
- 我们刚把 H3 Max Turbo 接上了参考生（reference-to-video）：角色图现在作为「这个人长这样」的参考，而不是被锁成视频第一帧。以前把角色照当首帧，开头几帧常常是照片在动；现在人物可以直接在场景里出现，脸保持一致。
- 同时，我们把 FAST 模式换回了 H3 Max Turbo。
给一段副歌配镜头：几张参考照，一个镜头描述，一段 15 秒以内的视频。
我会这样选：
- 副歌、需要人物正脸的镜头：用 H3 Max Turbo 的参考生，上传 2–4 张同一个人的照片，锁脸。
- 空镜、氛围、过场：用便宜快速的模型（例如 Seedance Fast 或 H3 Max Turbo 文生）批量出，挑能用的。
- 需要唱歌嘴型的镜头：单独走对口型，不要指望通用文生视频把嘴型对准你的歌。
- 想要更多控制，或要私有部署：再考虑开源 H3 加 FastH3 或社区 LoRA 本地跑，先确认许可证地区。
想看更具体的做法，可以读这几篇：
- 用 H3 Max Turbo 参考生给 MV 锁脸
- 开源 H3 做音乐视频对口型的完整流程
- MiniMax 海螺 03 和 H3 做 AI 音乐视频
- SunoMV 里的 MiniMax H3 Max：规格、积分和什么时候选它
- 做短剧的话：H3 Max Turbo 给短剧角色锁脸、用开源 H3 做短剧
常见问题
MiniMax H3 真的开源了吗？能商用吗？
开源的是 H3-Base 的两个权重（FL2VA 和 Ref2VA），提示词理解模块和 2K 重生成没有开源。许可证是 MiniMax H3 Community License：欧盟、英国、韩国、美国不在默认授权范围内；产品要标注「Powered by MiniMax H3」；年收入超过 2000 万美元的商业产品需要书面授权。
H3 Max 和 H3 Max Turbo 是 MiniMax 官方的吗？
不是同一回事。fal 的 H3 Max 和 H3 Max Turbo 是 fal 在开源 H3 上后训练的闭源版本；MiniMax 官方 API 里另有一个 MiniMax-H3-Max，主打多参考，官方没有叫 Turbo 的 H3。
本地跑 H3 最低要什么显卡？
原版 BF16 需要多张数据中心卡。量化和蒸馏后，单张 RTX 4090 24GB 可跑 INT8，12–16GB 可以试 GGUF Q4，8GB 有 NF4 和 FastH3 的方案，但速度会慢很多。
MiniMax H3 / H3 Max 单段最长多少秒？
开源 H3 单段 4–15 秒，24 FPS。fal 的 H3 Max 和 H3 Max Turbo 文生 / 图生是 5–15 秒，Turbo 参考生最短 0.92 秒。HeyGen Video 的文生 / 图生最长 30 秒。一首三分钟的歌本来就要切很多镜，单段上限没有「跨镜头同一张脸」重要。
H3 Max 支持 720P 还是 1080P？
fal 的 H3 Max 和 H3 Max Turbo 提供 480P、768P、1080P 三档，其中 1080P 是在 768P 基础上精修出来的，不是原生。开源 H3 默认短边 768p。要 2K 得用 MiniMax 官方 API 的 MiniMax-H3。
H3 Max 能对口型吗？
能，但走单独的接口。fal 在 2026 年 9 月 17 日上线了 H3 Max 对口型端点，参考生也能喂参考音频。演唱镜头建议把对口型当成单独一步，别指望普通文生视频自己对上你的人声。
MiniMax H3 免费吗？
开源权重可以免费下载，但许可证对部分地区和大体量商用有限制，显卡也要自己出。所有托管版本（MiniMax API、fal、Replicate、HeyGen）都按秒计费，价格见上面的表。
做 AI 音乐视频选哪个 H3？
需要人物一致的镜头用 H3 Max Turbo 参考生；空镜和过场用便宜的快速模型；需要嘴型的镜头单独走对口型。文生 / 图生时 H3 Max 每秒价格是 Turbo 的两倍；参考生两者同价，Turbo 胜在速度。
一个开源模型值多少钱，不看它发布那天跑了多少分，而看它三个月后被多少人改成了自己需要的样子。H3 现在有官方的完整版、平台后训练的快版、实验室的蒸馏版，选哪个取决于你的镜头需要什么。
想直接拿自己的歌试一下，打开 SunoMV 音频生成视频，上传歌曲和角色照，在镜头里选 H3 Max Turbo，给副歌出一个锁脸的镜头。
本文由 SunoMV 团队整理，写作时用 AI 辅助查找和翻译资料，所有数字已逐条对照来源核对（查询日期 2026-10-26）。
SunoMV 出品 · 真实导出
一首歌，能变成这样
下面每个样片都是未经修改的 SunoMV 导出：3 个 AI 分镜、1 段 AI 拍摄的视频，然后是歌词。每个样片的字幕样式和画幅都不一样。
热门文章