MiniMax veröffentlicht offiziell das omni-modale Videomodell H3, offene Gewichte in wenigen Tagen erwartet
Nachrichtenübersicht
MiniMax hat H3 von der Vorschau zur Produktionsreife gebracht und sein Videomodell der nächsten Generation rund zwei Wochen, nachdem es erstmals unter einem „Coming Soon"-Schild auf der WAIC 2026 in Shanghai gezeigt wurde, offiziell veröffentlicht. Das Modell ist nun über die API von MiniMax und die MiniMax-Hub-Plattform verfügbar, und das Unternehmen erklärt, es plane, die Modellgewichte von H3 innerhalb der nächsten Tage öffentlich zu veröffentlichen und damit den Open-Weight-Ansatz fortzusetzen, den es bereits bei seinem Sprachmodell M3 verfolgt hat.
Von der Vorschau zur Veröffentlichung
Als MiniMax H3 am 17. Juli 2026 an seinem WAIC-Messestand zeigte, beschrieben Unternehmensvertreter das Modell lediglich als „bald verfügbar", ein öffentliches Veröffentlichungsdatum war zu diesem Zeitpunkt nicht bestätigt. Diese Lücke ist nun geschlossen: H3 wird auf der offiziellen Plattform von MiniMax als live verfügbares Modell geführt, auf das Entwickler über die API zugreifen oder das sie über MiniMax Hub direkt testen können.
Bei Veröffentlichung bestätigte Fähigkeiten
Das ausgelieferte Modell entspricht den Spezifikationen, die MiniMax auf der WAIC vorab gezeigt hatte. H3 generiert natives 2K-Video mit 24 Bildern pro Sekunde, mit Clip-Längen von fünf bis fünfzehn Sekunden, und unterstützt Text-zu-Video-, Bild-zu-Video-, Anfangs- und End-Frame- sowie multimodale Referenz-Generierungsmodi.
Das herausragende Merkmal bleibt die „Omni-Referenz"-Unterstützung: Ersteller können innerhalb einer einzigen Anfrage bis zu neun Referenzbilder, drei Referenzvideoclips und drei Referenz-Audioclips bereitstellen, um Stil, Charakterkonsistenz, Bewegung oder Stimme zu steuern, ohne sie als starre Keyframes zu erzwingen. H3 unterstützt zudem Multi-Shot-Storytelling für filmischere Mehrszenen-Sequenzen sowie befehlsbasierte Bearbeitung über natürlichsprachliche Anweisungen. Dialoge, Soundeffekte und Umgebungsgeräusche werden im selben Durchlauf wie das Video generiert und auf die Bildschirmaktion abgestimmt, wodurch bei vielen Kurzform-Projekten ein separater Schritt für die Audioproduktion entfällt.
Offene Gewichte in wenigen Tagen erwartet
MiniMax erklärt, es plane, die Modellgewichte von H3 innerhalb weniger Tage nach der Veröffentlichung als Open Source freizugeben, und folgt damit dem Muster, das es bei M3 etabliert hat: Dieses Sprachmodell wurde am 1. Juni 2026 angekündigt, die Gewichte wurden bis zum 7. Juni auf Hugging Face veröffentlicht. Wie bei M3 würde eine Open-Weight-Veröffentlichung von H3 das Modell für Self-Hosting und Feinabstimmung verfügbar machen, es bleibt jedoch abzuwarten, ob MiniMax auch den vollständigen Trainingscode oder die Inferenz-Operatoren veröffentlichen wird, was bei M3 nicht der Fall war.
Einordnung in die breitere Modellpalette von MiniMax
Mit der Veröffentlichung von H3 vervollständigt sich die Kombination, die MiniMax gemeinsam auf der WAIC angekündigt hatte: ein leistungsstarkes, schlussfolgerungs- und programmierfähiges Sprachmodell in Form von M3 und ein zunehmend leistungsfähiges generatives Multimedia-Gegenstück in Form von H3. Zusammen positionieren sie MiniMax als breit aufgestellten Wettbewerber sowohl im Bereich Sprach- als auch multimodaler Generierung, statt als auf ein einzelnes Produkt spezialisierten Anbieter, und untermauern die Open-Weight-Strategie, auf die chinesische KI-Labore in diesem Jahr zunehmend setzen, nachdem sich Jensen Huang im Juli öffentlich für offene KI-Modellgewichte ausgesprochen hatte.
Was als Nächstes zu beobachten ist
Da H3 nun live ist, können unabhängige Benchmarks und breiteres Feedback von Erstellern nun ernsthaft beginnen – etwas, das nicht möglich war, solange das Modell noch eine reine Vorschau auf der WAIC-Messe war. Die nächsten zu beobachtenden Meilensteine sind die tatsächliche Veröffentlichung der Gewichte, die MiniMax innerhalb weniger Tage versprochen hat, sowie umfassendere Preisgestaltung und technische Dokumentation, sobald die Nutzung über den frühen Zugang hinaus skaliert.