Replicate上线MiniMax H3三档视频模型：10 秒 768P分别 0.60、0.40、0.80 美元
Replicate对比H3 Highspeed、H3 Lite和H3：三款共用同一套输入，差别在分辨率、价格和适合的环节；建议从Highspeed起步，批量试稿用Lite，需要 2K或复杂镜头再上H3。
AI解读：Replicate平台上有MiniMax H3系列的三款视频模型：minimax/h3-highspeed、minimax/h3-lite和minimax/h3。按其模型页 2026 年 10 月 31 日的标价，10 秒 768P片段分别花费 0.60、0.40、0.80 美元。
三款模型的输入项相同，都生成 4 至 15 秒片段，都支持文生视频、以首帧和可选尾帧做图生视频，以及用图像、视频或音频参考引导生成。区别在分辨率上限和输出价格：Highspeed只出 768P，Lite支持 480P和 768P，H3支持 768P和 2K。
Replicate的建议是先用Highspeed迭代，需要大量备选时降到Lite，需要 2K或镜头较难时再用H3。文中举的价格算例是：100 条 10 秒 768P片段，Lite 40美元、Highspeed 60美元、H3 80美元。2K下 10 秒H3片段为 1.30 美元。
H3是三者中唯一输出 2K的模型，且分辨率默认即为 2K，Replicate提醒注意成本。文中称，用H3的first_frame_image输入把静态图做成动态镜头，是 2K输出比较划算的场景；七个 5 秒 2K示例各花费 0.65 美元，耗时约 2 分 37 秒到 4 分 23 秒。
Replicate说明，文中示例视频用了不同提示词，其中一个从图像起步，不能当作公平对比。对比时应使用同一提示词、参考、时长和画幅，在 768P下各跑几次，再按项目关心的项目打分；若交付 2K，则单独测试H3的 2K表现。
Replicate在平台博客中梳理了MiniMax H3系列的三款视频模型，并给出选择建议：日常迭代用Highspeed，批量试稿用Lite，需要 2K或镜头要求高时用H3。
按其模型页 2026 年 10 月 31 日的定价，10 秒 768P片段在三款模型上的价格分别为 0.60、0.40 和 0.80 美元。
三款模型的差别在分辨率和价格
三款模型共用同一套输入，都生成 4 至 15 秒片段，都支持文生视频、以首帧和可选尾帧做图生视频，以及用图像、视频或音频参考引导生成。
Highspeed每秒 0.06 美元，只输出 768P；Lite在 480P下每秒 0.025 美元、768P下每秒 0.04 美元；H3在 768P下每秒 0.08 美元、2K下每秒 0.13 美元。2K的 10 秒H3片段为 1.30 美元。
H3是三者中唯一支持 2K的模型，分辨率也默认设为 2K；Lite默认 768P。Replicate提醒，对比时应显式设置分辨率。
- 100 条 10 秒 768P片段：Lite 40美元，Highspeed 60美元，H3 80美元
- H3的 2K示例：5 秒 0.65 美元
- Highspeed示例：5 秒 768P文生视频耗时 21 秒
各模型的适用场景
Replicate把Highspeed定位为迭代用模型，称MiniMax将其描述为质量与速度的平衡，并保留完整的参考输入。文中建议在多参考的时尚短片场景中用它，并说明每张参考图各自的用途。
Lite被建议用于故事板、备选开场和计划大量丢弃的批量生成。Replicate提醒，选Lite是省钱而非省时间：模型页示例中，5 秒Lite片段与 5 秒Highspeed片段都耗时约 21 秒，但各只有一次运行，参考价值有限。文中还称，Lite更需要检查是否完成了指令，片段可能好看但换错物体或丢失角色。
H3被建议用于动作图形、编排特效和多项要求需同时成立的镜头，例如文字不能拼错、步骤不能乱序的logo动画。Replicate同时指出，2K不会自动修正文字，每次生成仍需检查。
用静态图驱动H3的输出
Replicate用七张静态图测试H3的first_frame_image输入，图片包括照片和插画，每张配一句运动说明，生成 5 秒 2K片段，各花费 0.65 美元。输出保持输入图的比例，4:3 图返回 1888×1440，16:9 图返回 2560×1440。
七次运行耗时在 2 分 37 秒到 4 分 23 秒之间。文中提到，插画风格的虎和黑白马匹在输出中保持了原有风格。
参考输入与自测方法
通过API调用时，参考图最多 9 张、参考视频最多 3 段、参考音频最多 3 段；使用音频参考时必须同时提供图像或视频参考。图像输入用first_frame_image，需要固定结尾时用last_frame_image。
Replicate建议自测时统一提示词、参考、时长和画幅，在 768P下对三款模型各跑几次，再按主体是否可辨、镜头是否按要求运动、文字是否正确等打分；若交付 2K，则单独评估H3的 2K输出。文中称，把 2K片段与 768P片段并排比较，只能说明更愿意交付哪一个，不能说明哪款模型更好。