MiniMax H3多模态能力表现如何？
H3发布后很多人在讨论它的视频生成质量。但在我看来，这款模型真正的意义不在某个单项跑分，而在于它是第一个把文本、图像、视频、声音全部统一进同一个上下文的开源模型。以前做多模态应用，你得拼好几个模型：一个理解图片，一个生成视频，一个处理音频，中间还要自己搭管线做衔接。H3把这些事压到一个模型里，0.8元每秒的定价只有同类旗舰的三分之一。这跟当初DeepSeek R1开源的逻辑很像——闭源模型走通了某条路，然后有人把同等水平的东西开源出来。区别是R1针对语言推理，H3针对的是多模态生成。我的判断是，H3短期内不会让闭源视频模型失去市场，但它会大幅降低多模态应用的工程门槛。当团队不用从零搭管线、不用为每个模态单独付费时，更多场景才真正跑得起来。
发布于 江西
1
14
10
未登录
友善发言
评论
加载中
