MiniMax H3：打破任务和模态边界的开放模型
MiniMax H3：打破任务和模态边界的开放模型今天，我们正式发布 MiniMax H3。这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。
来自主题: AI资讯
6508 点击 2026-07-31 11:14
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
今天，我们正式发布 MiniMax H3。这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。
近几年，多模态生成模型进步很快。一句指令就能生成图片、视频、音频、网页、UI、分镜，甚至整套演示文稿。只看成品，创作门槛似乎已经大幅降低。
给图像生成模型一张人物参考图，它大概率能抓住身份特征。
今天，阿里通义团队发布了他们第三代图像生成模型：Qwen-Image-3.0 。官方博客用了一个字来概括这一代的核心进步，「实」。不是好看，不是炫技，是「实」。内容丰实、细节真实、知识厚实。
近两年，视频生成模型在具身智能领域受到持续关注。从 UniPi、SuSIE 到各类 action-conditioned video generation 变体，其核心思路一致：先由模型生成一段未来视频，再从中提取动作信号供机器人执行。
PhyMAGIC通过让物体动起来，从视频中提取物理证据，帮助准确推断材料属性。它结合图生视频与视觉语言模型，生成针对性运动探针，并不断修正物理参数，最终构建出可微分的3D动态模型，实现更符合现实的视频生成。
Meta超级智能实验室（MSL）扔出了首个图像生成模型Muse Image，代号「芒果」（Mango）。这是我们迄今为止最先进的图像生成模型。与Muse Image一同亮相的，还有视频模型Muse Video，目前仍是预览版。
Meta 旗下的超智能实验室 Meta Superintelligence Labs 推出了图像生成模型 Muse Image，并同步预览了 Muse Video。目前，Muse Image 已经接入 Meta AI 应用、网页端以及部分地区的社交平台，Muse Video 也即将向创作者开放。
最近《在超市后门抽烟的二人》这部剧挺火的，尤其是里面的音乐我很喜欢，所以就想着做一个真人版音乐短片，正好发现美图旗下的 MVLAND 上线了创意画布模式，接入 Seedance2.0、可灵、HappyHorse 等顶尖视频生成模型。
火山引擎今天上线了全新的语音模型—— 豆包音频生成模型 1.0（Seed-Audio 1.0）。