7月30日消息，MiniMax 旗下海螺 AI 的新一代多模态生成模型 H3 已进入内测阶段。继7月的 WAIC 2026 上与旗舰模型 M3 一同预热后，约 7月29日起，早期用户开始生成并分享 H3 作品，官方账号 转发确认了相关内容。H3 的定位是 Omni（全能参考）模型：不再把图片、视频或声音的生成、编辑、参考拆成单一任务，而是统一处理由文本、图像、视频与声音构成的多模态上下文，理解整体创作意图后输出内容。
实测规格：15 秒时长、原生 2K、12 个参考输入
早期用户实测显示，H3 单段视频最长约 15 秒，原生分辨率最高 2560×1440（2K），最多支持 12 个参考输入——图像、视频、音频均可作为参考，单个音频或视频参考最长约 15 秒。生成模式覆盖文生视频、图生视频以及多模态参考生成。相比前代 Hailuo 02 的 1080p 原生输出，H3 在分辨率、时长和参考输入规模上都有可见的提升。
参考输入是这代产品形态变化的关键。前代模型的参考能力按任务拆分，而 H3 把多模态参考收进同一个上下文：用户可以同时给出画面参考、动作参考和声音参考，让模型在统一的创作意图下组织输出。这正是"全能参考"定位的实际含义。
反馈集中的三个强项
从早期用户分享的作品看，反馈最集中的方向与官方预热时主打的领域一致。其一是复杂物理交互，水花、布料、粒子和动量变化的表现被多次提及。其二是表达性人体动作与微表情，姿势、重心和面部细节的自然度是用户评价人体生成时的主要观察点。其三是动态镜头控制，跟踪和运镜类指令的执行效果。从作品类型看，电影级场景、广告、UGC、动漫、自然纪录片和动作镜头是目前实测覆盖的主要方向。
用户已经在沉淀用法
社区已出现针对 H3 的提示词指南，核心原则是描述随时间变化的过程，而不是静态画面。推荐的提示结构是主体加动作序列、环境反应、相机运动、灯光或风格、结束状态：把动作按时间顺序拆开写，明确物理因果关系（例如踩进水坑会产生水花），人体动作给出姿势、方向和重心等细节，相机保持单一路径，并写清结束画面的状态。提示长度建议 50 至 120 词，优先正向描述。对前代用户来说，这套用法与海螺既有的提示习惯基本延续，迁移成本不高。
发布现状与背景
时间线上，H3 在 7 月的 WAIC 2026 期间抢先预热，MiniMax 同场展示了旗舰语言模型 M3；约 7月29日起进入早期可用，官方账号开始转发用户作品。截至发稿，官网主页面和 API 文档尚未更新正式说明，实际可用功能、积分消耗和生成质量以平台实时显示为准。
H3 的前代是 Hailuo 02（2025年6月发布，主打 1080p 原生生成）和 Hailuo 2.3（2025年10月发布，主打复杂动作与物理表现）。海螺 AI 是港股上市公司 MiniMax 的核心视频与多模态创作平台，提供网页端、App 和 API；公司同时握有 M 系列语言模型和语音、音乐模型，H3 统一多模态上下文的方向，与这套全模态模型矩阵是同一个故事的延续。
AI 速览
