MiniMax H3徹底分析：オープンウェイト、価格、品質、破壊力
MiniMax H3のオープンウェイト構成とライセンス、API料金、ブラインド選好、自社運用コスト、Seedance 2.5などの動画モデルとの違いを一次情報で検証します。
MiniMax H3 は、2026年に登場した動画モデルの中でも、品質の最前線と「誰がモデルを改変できるか」の両方を変えた数少ない例です。テキスト、画像、動画、音声を1つのコンテキストとして扱い、ネイティブ・ステレオ音声付きの4～15秒動画を生成し、768Pと2Kのワークフロー、ダウンロード可能なH3-Baseチェックポイントを提供します。
ただし、正確な結論は「H3は完全なオープンソースで、クローズドモデルをすべて上回る」ではありません。H3は非常に低いAPI価格を持つフロンティア級のオープンウェイトモデルですが、OSIが定義する完全なOpen Source AIではなく、現時点の匿名人間選好データもSeedance 2.5に対する全面的な勝利を証明していません。 30秒のワンパス物語と大規模な参照素材については、Seedance 2.5の公開仕様が依然として強力です。H3の市場への影響は、上位品質、改変可能性、低価格ホスティングを同時に実現した点にあります。
公式仕様、ライセンス条件、API価格、Modelflareでの提供状況は2026年8月30日に再確認しました。Arenaのスナップショットは8月25～26日付であり、投票の蓄積に伴って変動します。
結論の要点
- オープン性： H3は、タスク別の2種類のBF16ベースチェックポイント、モデル部品、SGLang、vLLM、diffusers、ComfyUI向けレシピを公開しています。論文上の約束ではなく、実際に取得して実行できるリリースです。
- 価格： MiniMaxの公式価格は、768Pが生成1秒あたり$0.08、2Kが$0.13です。オープンウェイトは推論を無料にするのではなく、費用の置き場所をAPIからGPU、運用、ストレージ、エンジニアリングへ移します。
- 効果： ArenaではH3とSeedance 2.5が重なる最上位群に入っています。画像から動画ではH3がスナップショット1位、テキストから動画と動画編集ではSeedance 2.5の数値がわずかに高いものの、3比較すべてで信頼区間が重なります。
- 破壊力： H3は、ダウンロード可能な動画モデルとクローズドな最先端モデルの間にあった品質差を大幅に縮めました。数週間以内に高速派生版H3 Maxが現れたことは、下流チームがAPIを包むだけでなく、モデル自体を変更できる早期の証拠です。
- 重要な注意： 公式の2K高品質経路は、ホスト型H3-Context-IRとH3-Regenerate-2Kを引き続き利用します。コミュニティライセンスには、地域、用途、開示、表示、大規模商用製品に関する条件があります。
MiniMax H3で実際に公開されたもの
| 項目 | 確認済みのH3仕様 |
|---|---|
| 公式APIモデルID | MiniMax-H3 |
| 出力時間 | 4～15秒、整数のみ |
| 出力 | 24 FPS動画と32 kHzステレオ音声 |
| 解像度 | ベース出力は768P、公式の生成または再生成ワークフローで2K |
| 最初・最後のフレームモード | 画像0枚、1枚、または2枚 |
| 参照モード | 最大9画像、3動画、3音声、合計上限12ファイル |
| 参照素材の長さ | 動画・音声は各2～15秒、各モダリティの合計は15秒まで |
| 対話言語 | 公式には11言語を安定サポート |
| 公開チェックポイント | テキスト・最初/最後フレーム用FL2VA、マルチモーダル参照用Ref2VA |
| コア生成器 | 33BのDense H3-Omni-Transformer、Qwen3-VL-32Bエンコーダ、映像・音声VAE |
| 推奨ランタイム | SGLang、vLLM、diffusers、ComfyUI |
APIでは1つのモデル名に見えますが、公開パッケージは2種類の専門ベースチェックポイントです。この差は運用上重要です。最初/最後フレーム生成と自由なマルチモーダル参照生成を同時に提供する場合、両方の経路にストレージと実行容量が必要です。
オープン性を4層で監査する
| 層 | 公開されているもの | 残る制約 | 実務上の判断 |
|---|---|---|---|
| ウェイトと推論部品 | H3-Baseの両チェックポイント、processor、tokenizer、encoder、Omni Transformer、VisualVAE、AudioVAE | リポジトリは大きく、本番推論には相当なGPU容量が必要 | 実際のローカル実行とファインチューニングが可能 |
| ランタイム・エコシステム | 主要4ランタイム向け公式レシピ、取得可能な例、再現可能な768Pケース | 初期版はfull attention。sparse-attention推論は今後公開予定 | 工学的には有用だが、まだ最効率形ではない |
| 完全な製品パイプライン | ローカルH3-Baseで768P音声付き動画を生成 | H3-Context-IRはホスト型で、公式2K経路はContext-IRとregeneration APIを呼び出す | 最高品質の公式経路はハイブリッドで、完全ローカルではない |
| ライセンスと再現性 | 適用地域内では改変、派生、再配布、多くの商用利用が可能 | 独自ライセンス、除外地域、用途制限、開示義務、年間売上$20Mの許諾境界、完全な学習データ・学習コードなし | 無条件の「完全オープンソース」より「コミュニティライセンスのオープンウェイト」が正確 |
MiniMaxはこのリリースをopen sourceと呼んでいます。しかし、Open Source AI Definition は、あらゆる目的での使用、研究、改変、共有の自由に加え、十分なデータ情報や学習コードを含む、改変に適した形式の提供を求めます。H3の地域・用途制限と不完全な学習パッケージは、その基準を満たしません。
これは言葉尻を捉えて貢献を否定する話ではありません。改変・再配布権を伴う最先端動画ベースを開発者へ渡すこと自体が大きな前進です。正確な呼び方は、ダウンロード可能なウェイトを世界中のあらゆる用途への自動許諾と誤認しないために必要です。
H3の構造と、その意味
H3はマルチモーダル入力を1本のpacked sequenceへ整理します。テキストはH3エンコーダ、視覚入力はエンコーダとVisualVAE、音声はAudioVAEを通ります。単一ストリームのOmni Transformerが動画と音声のlatentを共同予測し、別々のデコーダが映像とステレオ音声を再構成します。
この設計が狙うのは、制作現場で繰り返される障害です。人物参照、モーション転写、リップシンク、効果音、アップスケールを別モデルで連結すると、受け渡しのたびに人物同一性やタイミングが失われる可能性があります。H3はテキスト意図、視覚的同一性、動き、編集リズム、声、環境音を1つのコンテキストで扱おうとします。
完全なシステムは、なお3層です。
- H3-Context-IR は複雑で自由形式のマルチモーダル素材を解釈し、構造化した中間表現を生成します。
- H3-Base はその表現から768Pの音声付き動画を生成します。
- H3-Regenerate-2K はベース結果と元コンテキストを再度生成工程に通し、細部を高解像度化します。
この構造が、品質上の主張とオープン性の注意点を同時に説明します。公開されたベースは実質的ですが、公式システムの推論オーケストレーションと高解像度仕上げの一部はサービスとして提供されます。
H3とSeedance 2.5：正反対の戦略
| 判断軸 | MiniMax H3 | Seedance 2.5 | 制作上の意味 |
|---|---|---|---|
| 1回のネイティブ物語長 | 15秒 | 30秒、さらに延長対応 | Seedanceは結合前に長い物語の流れを保持できる |
| 参照ボード | 合計12ファイル、最大9画像・3動画・3音声 | 最大30画像・10動画・10音声 | 多人物、多商品、多音声、多モーションの複雑な案件はSeedance向き |
| 出力の重点 | 768Pベースと2K経路、ネイティブ・ステレオ | ホスト型の音声映像共同生成、引用APIは480p/720p | H3は解像度と移植性、Seedanceは長さと制御量を重視 |
| 編集 | マルチモーダル参照と自然言語動画編集 | 時刻指定、グリーンバック、カメラ視点、参照編集 | Seedanceは制作向け制御を明示し、H3は改変可能な基盤を提供 |
| ウェイト | H3-Baseをダウンロード可能 | 非公開 | ライセンスが許せばH3は自社運用、微調整、量子化、追加学習が可能 |
| ライセンス | MiniMax H3 Community License | ホストサービス規約 | H3は技術ロックインを減らすが、法務確認は残る |
| ホスト価格の見出し | MiniMaxで768P $0.08/秒、2K $0.13/秒 | falで720p約$0.473/秒、Modelflareで$0.36/秒 | H3の価格優位は大きいが、経路と解像度は同一ではない |
戦略の違いは明確です。Seedance 2.5は1回のホスト呼び出しでプロ向けタイムラインの多くを置き換えようとします。H3は15秒の最先端コアを安価で、取得可能で、拡張可能にします。長く参照の多いマスターショットはSeedance、短い商品バリエーション、制御編集、非公開ファインチューニングはH3という併用も現実的です。
匿名の人間選好データが示すこと
Arenaは、匿名モデル同士の比較でユーザーが選んだ結果から順位を作ります。ベンダーの選抜デモより広い一方、管理された制作ベンチマークではなく、変動する選好シグナルです。
| Arenaスナップショット | MiniMax H3 | Seedance 2.5 720p | Gemini Omni 1.1 Flash | 慎重な読み方 |
|---|---|---|---|---|
| テキストから動画、8月25日 | 1460±10、順位範囲4–7 | 1476±14、3–7 | 1515±16、1–3 | H3とSeedanceは重なり、Geminiがこの時点で先行 |
| 画像から動画、8月25日 | 1494±6、1–3 | 1483±12、1–4 | 1488±11、1–4 | 3モデルは同じ最上位統計群にいる |
| 動画編集、8月26日 | 1392±19、1–5 | 1410±26、1–3 | 1367±15、3–5 | Seedanceの数値が高いが、区間は大きく重なる |
この数値はH3をフロンティア級と呼ぶ根拠にはなりますが、「H3がSeedance 2.5に勝った」とは言えません。各ボードは、実際のプロンプト、素材権利、ブランド制約、失敗予算、受け入れ基準を再現しません。また、この時点のSeedanceは古いモデルより投票数が少なく、推定値がまだ動き得ます。
効果について有用なのは、タスク別の結論です。H3は画像条件生成と編集で特に有力で、Seedanceは長尺・多参照制作の仕様が強く、Gemini Omniは低価格のクローズドモデルでもテキストから動画で先頭に立てることを示します。
ダウンロード可能モデルの中でのH3
Arenaはライセンスフィルタ上でH3を他のダウンロード可能モデルと並べますが、ライセンス内容は同一ではありません。同じスナップショットで品質差は非常に大きく見えます。
| ダウンロード可能モデル | Arena上のライセンス表示 | テキストから動画 | 画像から動画 |
|---|---|---|---|
| MiniMax H3 | MiniMax H3 Community License | 1460±10 | 1494±6 |
| Hunyuan Video 1.5 | Tencent community license | 1169±16 | 1197±16 |
| Kandinsky 5.0 T2V Pro | MIT | 1172±20 | — |
| Wan 2.2 A14B | Apache 2.0 | 1132±15 | 1170±10 |
| LTX-2 19B | LTX community license | 1152±8 | 1155±5 |
1つのElo値がすべてのショットを決めるわけではありません。重要なのは、ダウンロード可能な動画モデルには通常、目に見える品質妥協が伴っていたのに対し、H3が最良のクローズドシステムと同じ選好群へ入ったことです。自社運用しなくても、調達、研究、フォールバック戦略は変わります。
価格：見出しは本物でも、分母が必要
| 8月30日に確認した経路 | 解像度 | 生成1秒あたり | 15秒出力 | 含まれない重要費用 |
|---|---|---|---|---|
| MiniMax公式H3 API | 768P | $0.08 | $1.20 | 参照動画入力と追加画像は加算され得る |
| MiniMax公式H3 API | 2K | $0.13 | $1.95 | Context-IRは別のトークン課金 |
| Modelflare Seedance 2.5 | 480p | $0.18 | $2.70 | seedance-stableが必要、最大30秒 |
| Modelflare Seedance 2.5 | 720p | $0.36 | $5.40 | H3 2Kとは提供経路と解像度が異なる |
| fal Seedance 2.5、16:9概算 | 720p | 約$0.473 | 約$7.10 | トークン式は画面面積依存、参照動画で課金が変わる |
| Google Gemini Omni Flash | 720p | 約$0.10 | $1.50 | クローズド、入力トークンと高解像度は別条件 |
H3では音声参照と最初の5画像は無料で、追加画像は1枚$0.04、参照動画は選択解像度の秒単価で入力時間にも課金されます。768Pから2Kへの再生成は出力1秒あたり$0.05です。参照の多い案件は、見出しの出力単価より大幅に高くなり得ます。
Seedance 2.5のModelflare実効価格は、seedance-stable倍率適用後で480p $0.18/秒、720p $0.36/秒です。falの引用経路より安いものの、H3公式ホスト価格より高い状態です。これは予算比較であり、異なる設定の動画が同じ利用価値を持つ証明ではありません。
本番で比べるべき指標は採用された1秒あたりの費用です。成功・失敗生成、参照費、再試行、人手編集時間、最終採用尺をすべて含め、採用秒数で割ります。生成単価が4倍でも、再試行や高価な後編集を十分減らせば最終的に安くなることがあります。
自社運用が無料ではない理由
H3の公開パッケージが変えるのは制御権であり、計算資源の法則ではありません。
- コアは33BのDense生成器で、完全なQwen3-VL-32Bエンコーダと複数VAEを含みます。公式SGLang例は各serving variantに4 GPUを使います。
- 初期公開版はfull attentionで動作します。開発時のsparse-attention推論実装は後日公開予定です。
- 2種類のチェックポイントを提供すると、ストレージ、ウォーム容量、ロード、監視、モデレーション、更新の作業が増えます。
- ローカルH3-Baseの出力は768Pです。公式2K結果にはホストサービス、または別途検証したコミュニティ経路が必要です。
- 経済性はGPU利用率で決まります。バースト型のチームは、限界GPU秒が安く見えても、遊休容量によってAPI以上を払うことがあります。
素材を管理環境から出せない、一定スタイルにLoRA投資が有効、GPUを十分使える安定トラフィックがある、推論自体を変えたい場合は自社運用が魅力的です。実験、バースト、公式2K仕上げにはAPIも合理的です。
H3が本当に破壊するもの
- オープン性が理念だけでなく品質判断になります。 ダウンロード可能モデルを選ぶ前に、二流品質を受け入れる必要がなくなります。
- 最前線に価格圧力をかけます。 公式2K $0.13/秒に対し、クローズドモデルは長尺、制御、信頼性、ワークフロー統合でプレミアムを説明する必要があります。
- 下流がモデル層を変えられます。 量子化、LoRA、追加学習、新しいscheduler、専用推論を単一ベンダーのロードマップ待ちにせず試せます。
- ハイブリッド構成が現実的になります。 機密または反復的なベース生成をローカルに残し、Context-IR、再生成、バースト容量だけ購入できます。
- 派生サイクルを短縮します。 falは同月に、追加学習と推論最適化を施したH3 Maxを公開しました。falは5秒768Pを3秒未満で生成すると報告し、Artificial Analysisも現在のテキスト動画最上位群に置いています。速度はベンダー報告ですが、派生版の存在は確認できます。
最後の点が最も本質的です。クローズドAPIも価格やパラメータを変えられますが、別チームがモデルとシステムの両層で品質、遅延、費用を同時に改善できるのは、改変可能なベースがある場合だけです。
破壊力が止まる場所
- コミュニティライセンスはOSI承認ではなく、別ライセンスなしではEU、英国、韓国、米国を除外します。
- 年間売上$20Mを超える商用製品は事前書面許諾が必要で、商用UIには「MiniMax H3」を明示する必要があります。
- 公開生成物には開示義務があり、下流サービスは安全策と利用制限の執行を行う必要があります。
- H3-Context-IRと公式2K再生成実装は公開パッケージに含まれません。
- システム再現に十分な学習データ情報と完全な学習コードは公開されていません。
- オープンウェイトでも、同意、肖像、声、著作権、ブランド安全、出力審査の責任は残ります。
したがってH3は、ベンダー依存を消すというより、技術・経済スタックを大きく変えます。MiniMaxは価値の高いベースを開きつつ、ホスト品質モジュール、商用API、ライセンス管理を維持しています。
制作条件ごとの最初の候補
| 最優先の条件 | 最初に試す候補 | 理由 |
|---|---|---|
| 16～30秒の連続物語 | Seedance 2.5 | 1回の生成時間がH3の2倍で、延長も明記 |
| 12を超える混合参照 | Seedance 2.5 | H3の12に対し最大50ファイル |
| 自社運用、微調整、独自推論 | H3 | 取得可能なベースと複数ランタイム |
| 低価格な2K短尺 | H3 | 公式2K $0.13/秒と強い選好データ |
| 画像から動画の選好シグナル | H3、次に自社検証 | 現在のArenaで1位だが最上位信頼区間は重なる |
| 時刻指定とグリーンバック | Seedance 2.5 | 明確なプロ向け編集仕様 |
| 会話型のクローズドAPI編集 | Gemini Omni 1.1 Flash | ネイティブ会話編集、現T2V首位、720p約$0.10/秒 |
| マルチショットと要素別商用制御 | Kling 3系 | より明示的な絵コンテ、要素、動作制御 |
| 既存のGoogleまたはOpenAI基盤 | Gemini/VeoまたはSora | ID、安全、課金、ツール統合が移植性より重要な場合がある |
「最初に試す候補」は最終順位ではありません。本番ルーティングを変える前に、実際の納品物で管理された評価を行ってください。
有用な評価プロトコル
- 対話、商品テキスト、人体動作、多人物連続性、カメラ、画像条件、参照動画、局所編集を含む、権利処理済みの12～20件を選びます。
- 各仕様が許す範囲で、時間、画角、解像度帯、プロンプト、参照ファイル、音声要件を揃えます。
- 非対応パラメータを記録し、一方だけを黙って簡単な課題にしません。
- 有料試行、モデレーション失敗、タイムアウト、不採用出力をすべて残し、最良seedだけを評価しません。
- モデル名を伏せ、同一性、指示遵守、動き・物理、文字、音画同期、時間連続性、編集局所性、最終利用可否を採点します。
- 待ち時間、生成時間、再試行、人手修正分、入力・出力料金、保存・転送を記録します。
- 初回利用率と採用1秒あたり費用を信頼区間付きで報告し、不透明な単一品質スコアへ潰しません。
- モデル、提供者、プロンプト拡張、安全設定、価格が変わるたびに小さな監視セットを再実行します。
自社運用では、電力、予約GPU、利用率、配備人件費、障害復旧も同じ仮定にしてください。API請求総額とローカルクラスタの電気代だけを比べるのは、有効なTCO分析ではありません。
Modelflareでの提供範囲
8月30日の本番カタログ確認時点で、Modelflareは正確なMiniMax-H3またはhailuo-03モデルIDを提供していません。この記事は、現在H3をModelflare APIキーで呼べることを示しません。
Modelflareはseedance-stableでseedance-2.5をOpenAI互換の非同期Video APIとして提供し、実効価格は480p $0.18/秒、720p $0.36/秒です。生成前にローカライズ済みのSeedance 2.5 APIガイドと、現在のSeedance 2.5料金ページを確認してください。
H3が将来追加された場合は、正確なモデルID、Endpoint、公開参照フィールド、解像度、グループ、実効価格、実課金タスクで記事を更新する必要があります。上流設定や第三者エイリアスだけでは提供証明になりません。
よくある質問
MiniMax H3は本当にオープンソースですか？
MiniMaxはそう表現し、実際にウェイト、部品、推論レシピ、改変・再配布権を提供しています。より厳格なOSIのOpen Source AI定義では、独自の地域・用途制限と完全な学習パッケージの欠如により、「MiniMax H3 Community License下のオープンウェイト」が安全な表現です。
H3はSeedance 2.5より優れていますか？
一律には言えません。現在のArenaでは画像から動画でH3の数値が上、テキストから動画と編集でSeedance 2.5が上です。信頼区間と順位範囲は重なり、Seedanceには30秒と50参照という強い仕様があります。
H3は完全オフラインで2Kを生成できますか？
公開H3-Baseは768Pを出力します。MiniMax公式の完全2Kレシピはローカル推論とホスト型H3-Context-IR、H3-Regenerate-2K APIを組み合わせます。完全ローカルのコミュニティ代替は別途検証が必要で、証拠なしに公式経路の再現とは呼べません。
ローカルH3はAPIより安いですか？
利用率、ハードウェア、ランタイム最適化、両チェックポイント、運用、目標品質で変わります。少量・バーストはAPIが簡単で、継続負荷、プライバシー、独自微調整では自社運用が合理的になり得ます。
まとめ
MiniMax H3の破壊力は、通常は別々に現れる3要素を同時に持つことです。フロンティア級の人間選好結果、生成1秒$0.08からの公式ホスト価格、下流が変更できるダウンロードウェイトです。オープンウェイトを理念やプライバシーだけのフォールバックではなく、主要候補にします。
同時に限界も重要です。H3は厳格なコミュニティライセンスを持つハイブリッドなopen-coreで、ハードウェア負荷が大きく、公式2K高品質経路にホスト部品があります。30秒物語と50参照ではSeedance 2.5のホスト仕様がより強く、Gemini Omniも低価格クローズド競合です。
ボトルネックで選んでください。移植性、改変性、短尺の経済性、画像条件品質を重視するならH3、長時間連続性と巨大参照面を重視するならSeedanceを先に検証します。どちらも発表デモではなく、採用可能な成果で判断すべきです。
公式資料と更新履歴
一次資料と測定元：
- MiniMax：H3発表
- MiniMax：H3オープンウェイトと構造
- MiniMax H3公式モデルリポジトリ
- MiniMax H3 Community License
- MiniMax API：動画生成仕様
- MiniMax API価格
- ByteDance Seed：Seedance 2.5発表
- Google：Gemini Omni Flashモデル仕様
- Google：Gemini API料金
- Arena テキストから動画ランキング
- Arena 画像から動画ランキング
- Arena 動画編集ランキング
- Open Source Initiative：Open Source AI Definition 1.0
- fal：H3 Max派生版の発表
更新履歴：
- 2026年8月30日： 初版公開。H3公式構造、公開パッケージ、ライセンス、API価格、Seedance 2.5仕様、Modelflareの現在価格・提供状況、日付付きArenaスナップショットを再確認。カバーは合成した編集用イラストで、H3出力、ベンチマーク結果、実在UIではありません。