MiniMax H3 auf MetaSo: 768p-KI-Video für nur ¥0,09 pro Sekunde, keine lokale Bereitstellung erforderlich

Einleitung

MiniMax H3 wurde gerade erst veröffentlicht, und die Diskussion darüber hat sich bereits von der Modellqualität zu einer pragmatischeren Frage verlagert: Wie günstig und bequem ist es für normale Kreative, es tatsächlich zu nutzen?

Das Modell erregt Aufmerksamkeit durch einheitliche Text-, Bild-, Video- und Audiobedingungssteuerung, nativem Stereo-Sound, Videobearbeitung, referenzbasierter Generierung und Ausgabeformaten bis zu 2K. Gleichzeitig handelt es sich um ein Open-Weight-Modell, das Entwickler selbst bereitstellen können.

Open Source bedeutet jedoch nicht, dass die lokale Bereitstellung ein Kinderspiel ist.

Der Betrieb eines großen multimodalen Videomodells erfordert weiterhin die Verarbeitung von Modelldateien, Inferenz-Frameworks, GPU-Speicher, Abhängigkeiten, Umgebungskonfiguration und Generierungslatenzen. Die offizielle MiniMax-Open-Source-Dokumentation empfiehlt Frameworks wie SGLang, vLLM, Diffusers und ComfyUI, wobei das SGLang-Bereitstellungsbeispiel vier GPUs verwendet.

Für Kreative, die einfach nur eine Idee in ein Video verwandeln möchten, ist das etwas völlig anderes als „Videoerstellung“.

Der Quellartikel konzentriert sich auf einen Drittanbieter-Pfad: MetaSo (秘塔AI) hat MiniMax H3 in sein browserbasiertes Videoerzeugungsprodukt integriert. In der im Quellartikel gezeigten Oberfläche können Benutzer H3 direkt verwenden, ohne eine lokale Umgebung einrichten zu müssen.

Am auffälligsten sind die plattformspezifischen Preise, die beim Testen angezeigt wurden:

• 768p: ¥0,09 pro Sekunde Generierung
• 2K: ¥0,15 pro Sekunde Generierung

Dies sind die Preise, die MetaSo im Quellartikel zeigt, und nicht die allgemeinen offiziellen API-Preise von MiniMax. Preise von Drittanbietern können Werbeaktionen, Subventionen oder spätere Anpassungen enthalten. Bitte überprüfen Sie sie daher vor dem produktiven Einsatz erneut.

Von komplexer Bereitstellung zur direkten Generierung

MiniMax H3 ist ein leistungsfähiges Open-Weight-Videomodell, aber „Open Source“ und „einfach auszuführen“ sind nicht dasselbe.

Das offizielle MiniMax-Repository beschreibt H3 als ein universelles all-modales Generierungssystem, das Kontexte versteht, die aus Folgendem bestehen:

• Text
• Bildern
• Videos
• Audio

Es kann synchronisierte Videos und nativen Stereo-Sound für Clips von 4 bis 15 Sekunden generieren.

Die aktuelle Open-Source-Version bietet zwei Haupt-Basismodellvarianten:

Modellvariante	Hauptverwendungszweck	Eingabe
H3-Base-FL2VA	Text-zu-Video sowie Erst-/Letztframe-Generierung	Text plus null, ein oder zwei Bilder
H3-Base-Ref2VA	Multi-Referenz-Audio-Video-Generierung	Text plus Referenzbilder, -videos und/oder -audio

Das Referenzmodell unterstützt maximal:

• 9 Bilder
• 3 Videos
• 3 Audiodateien
• Insgesamt 12 Dateien

MiniMax hat außerdem einen vollständigen 2K-Workflow dokumentiert, der H3-Base mit H3-Context-IR und H3-Regenerate-2K kombiniert.

H3 ist stark und führt die Echtzeit-Videobearbeitungsrangliste an

Der Quellartikel erwähnt, dass MiniMax H3 kurz nach seinem Erscheinen auf Artificial Analysis die Videobearbeitungs-Rangliste anführte.

Diese Aussage kann durch den aktuellen Schnappschuss vom 7. August 2026 überprüft werden.

Artificial Analysis listet MiniMax H3 als Nummer 1 in der aktuellen Rangliste für Videobearbeitung mit Audio, vor Gemini Omni Flash in dieser Ansicht. Da es sich um Echtzeit-Rankings auf Basis von Benutzerpräferenzen handelt, kann sich die genaue Reihenfolge ändern, wenn weitere Proben eingereicht werden.

Dies ist ein starker Beleg für die Wettbewerbsfähigkeit von H3 bei der Bearbeitungsqualität, sollte jedoch nicht überinterpretiert werden als weiterreichende Behauptung, dass H3 dauerhaft in allen Videogenerierungskategorien an erster Stelle steht.

Text-zu-Video, Bild-zu-Video, Referenzgenerierung und Videobearbeitung sind separate Aufgaben, und die Rangfolge hängt von den gewählten Filtern, dem Datum, den Audioeinstellungen und den Benutzerabstimmungen ab.

Bereitstellungsbarrieren bleiben real

Der Quellartikel vertritt einen Standpunkt, der in Diskussionen über offene Modelle oft übersehen wird: Viele Kreative möchten nicht zu Inferenz-Ingenieuren werden, nur um eine kreative Idee zu testen.

Ein selbst gehosteter H3-Workflow kann Folgendes umfassen:

1. Suche nach dem offiziellen Code-Repository.
2. Herunterladen der entsprechenden Checkpoint-Dateien.
3. Installation eines unterstützten Inferenz-Frameworks.
4. Beschaffung von GPU-Ressourcen.
5. Konfiguration der Abhängigkeiten.
6. Starten des Modell-Dienstes.
7. Verbinden eines Clients oder einer Workflow-Oberfläche.
8. Behebung von Speicher- und Kompatibilitätsproblemen.

Das offizielle MiniMax-Repository bietet ein SGLang-Beispiel wie dieses:

sglang serve \
  --model-path MiniMaxAI/MiniMax-H3 \
  --num-gpus 4 \
  --ulysses-degree 4 \
  --performance-mode speed \
  --host 0.0.0.0 \
  --port 30010 \
  --model-variant fl2va

Die Referenzgenerierungsvariante verwendet dasselbe Vier-GPU-Beispiel, nur mit anderer Modellvariante und anderem Port.

Dies bedeutet nicht, dass alle möglichen H3-Bereitstellungen zwingend genau vier GPUs benötigen. Der Hardwarebedarf hängt von Framework, Präzision, Parallelität, Auflösung, Videolänge und Optimierungsansatz ab.

Es zeigt jedoch, dass die offizielle Referenzbereitstellung nicht auf typische Consumer-Laptops ausgelegt ist.

Offene Gewichte eliminieren keine Rechenkosten

Die Modellgewichte sind verfügbar, aber die Inferenz erfordert weiterhin erhebliche Rechenressourcen.

Kreative mit lokaler Hardware müssen Folgendes berücksichtigen:

• GPU-Kauf- oder Leihkosten
• Grafikspeicher (VRAM)
• Systemspeicher
• Speicherplatz
• Modell-Downloadgröße
• Inferenzzeit
• Stromverbrauch
• Treiberkompatibilität
• Framework-Updates
• Fehlgeschlagene Generierungen

Die Quelle enthält einen Community-Beitrag, in dem ein Benutzer nach dem lokalen Download von H3 auf einen Speicherfehler stieß.

Diese Anekdote sollte nicht als allgemeiner Hardware-Benchmark betrachtet werden, aber der wichtigere Punkt bleibt: Ein Modell herunterladen zu können, bedeutet nicht, es auch flüssig ausführen zu können.

Lokale Generierung kann ebenfalls langsam sein

Die Quelle berichtet, dass die lokale Generierung eines etwa 10-sekündigen

Kurzclips auf bestimmten Hardwarekonfigurationen zwischen 20 und 40 Minuten dauern kann.

Dies ist keine offizielle Latenzspezifikation von MiniMax. Die tatsächliche Dauer kann je nach Hardware- und Softwarekonfiguration erheblich variieren.

Trotzdem bleibt Latenz für kreative Arbeit entscheidend.

Videogenerierung ist ein iterativer Prozess. Nutzer benötigen möglicherweise mehrere Versuche, um folgende Probleme zu beheben:

• Kameraführung
• Charakterbewegungen
• Produktkonsistenz
• Textdarstellung
• Einstellungsauswahl
• Rhythmussteuerung
• Stilanpassung

Wenn jeder Versuch lange dauert, wird das Experimentieren und Erforschen erheblich erschwert – selbst wenn das Modell selbst kostenlos heruntergeladen werden kann.

MetaSo verwandelt H3 in ein Browser-Tool

Der im Quelltext hervorgehobene Workflow spart die meisten Schritte einer lokalen Bereitstellung ein.

Die Startseite von MetaSo bietet neben den bisherigen Such- und Produktivitätsprodukten nun einen neuen Einstiegspunkt für Videogenerierung.

Den Tests im Quelltext zufolge läuft der grundlegende Ablauf wie folgt ab:

1. MetaSo öffnen.
2. Den Videogenerierungsbereich aufrufen.
3. MiniMax H3 auswählen.
4. Den Generierungsmodus wählen.
5. Den Prompt eingeben, bei Bedarf Referenzen hinzufügen.
6. Videoclips im Browser generieren.

Es ist nicht nötig, vor der Erstellung des ersten Videos das H3-Coderepository herunterzuladen oder eine CUDA-Umgebung zu konfigurieren.

Unterstützte Kreativmodi

Die im Artikel gezeigte Oberfläche enthält die wichtigsten Workflows, die Kreative von H3 erwarten:

• Text-zu-Video
• Bild-zu-Video
• Multi-Referenz-Generierung

Die Screenshots zeigen außerdem eine H3-Context-IR-Option, die mit der offiziellen Architektur von MiniMax übereinstimmt.

H3-Context-IR ist ein von MiniMax gehostetes Vorverarbeitungs- und Orchestrierungssystem zur Interpretation frei formulierter multimodaler Anweisungen. Es analysiert die Beziehungen zwischen Text, Bildern, Audio und Referenzvideos und wandelt diesen Kontext dann in eine Darstellung um, die H3-Base effektiver nutzen kann.

MiniMax stellt das vollständige H3-Context-IR-Hostingsystem nicht in den Open-Source-Gewichten bereit. Es bietet eine API zur Reproduktion des offiziellen Workflows an.

Diese Unterscheidung hilft zu erklären, warum ein gehosteter Dienst möglicherweise einfacher zu nutzen ist als eine reine lokale Installation der Open-Source-Gewichte.

Ein 15-sekündiger Western-Test in etwa drei Minuten

Der Autor des Quelltexts testete H3 über MetaSo mit einem kurzen Western-Schatzsuche-Konzept.

Der generierte Videoclip enthielt:

• Weite Wüstenaufnahmen
• Nahaufnahmen eines Cowboys
• Reit- und Actionszenen
• Mehrere Einstellungswechsel
• Eine konsistente Western-Atmosphäre

Der Autor berichtet, dass vom Öffnen der Generierungsseite bis zum Erhalt des fertigen 15-Sekunden-Ergebnisses insgesamt etwa drei Minuten vergingen.

Dies ist ein einzelnes Testergebnis und keine zugesicherte Service-Level-Latenz.

Die tatsächliche Generierungszeit kann aufgrund folgender Faktoren variieren:

• Auslastung der Warteschlange
• Auflösung
• Videolänge
• Generierungsmodus
• Anzahl der Referenzen
• Plattformkapazität

Der eigentliche Unterschied besteht darin, dass Nutzer die Inferenzinfrastruktur nicht selbst verwalten müssen.

Für viele Kreative ist dies wichtiger als die Frage, ob das Modell technisch gesehen Open-Source-Gewichte hat.

MetaSo unterstützt auch ComfyUI-Workflows

Im Quelltext heißt es, dass fortgeschrittene Nutzer den Dienst mit ComfyUI-Workflows verbinden können.

Dies bietet eine nützliche Zwischenlösung zwischen dem integrierten Web-Generator und einem vollständig selbst gehosteten Modell.

ComfyUI ist ein Open-Source-, knotenbasiertes generatives KI-Workflowsystem. Das offizielle H3-Coderepository von MiniMax listet ComfyUI ebenfalls als eine der empfohlenen H3-Inferenz-/Workflow-Optionen auf.

Sowie Links zu H3-Vorlagen.

Knotenbasierte Workflows geben Nutzern mehr Kontrolle über:

• Eingabevorbereitung
• Prompt-Phasen
• Referenzmaterial
• Verzweigte Verarbeitung
• Nachbearbeitung
• Wiederverwendbare Generierungspipelines

Die praktische Arbeitsteilung sieht wie folgt aus:

Nutzertyp	Geeigneter Workflow
Kreative, die Ideen testen	Browser-Prompt-Oberfläche
Kreative, die Referenzmaterial verwenden	Browser-Multi-Referenz-Workflow
Fortgeschrittene Nutzer	ComfyUI- oder API-Workflows
Infrastrukturteams	Lokale oder Cloud-Bereitstellung der Open-Source-Gewichte

Dies ist auch einer der Gründe, warum sich gehosteter Zugang und Open-Source-Gewichte gegenseitig ergänzen, anstatt sich auszuschließen.

0,09 Yuan pro Sekunde verändert die Kosten der Iteration

Der zweite Teil des Quelltextes konzentriert sich auf den Preis.

Zum Zeitpunkt des Tests durch den Autor zeigte MetaSo:

Auflösung	Im Quelltext angezeigter MetaSo-Preis
768p	0,09 Yuan/Sekunde
2K	0,15 Yuan/Sekunde

Diese Tarife ergeben sehr geringe Kosten pro einzelnem Video.

768p-Beispiel

Dauer	Kosten bei 0,09 Yuan/Sekunde
5 Sekunden	0,45 Yuan
10 Sekunden	0,90 Yuan
15 Sekunden	1,35 Yuan

2K-Beispiel

Dauer	Kosten bei 0,15 Yuan/Sekunde
5 Sekunden	0,75 Yuan
10 Sekunden	1,50 Yuan
15 Sekunden	2,25 Yuan

Das ist der Grund, warum der Originaltext KI-Videos als in die Ära der „ein paar Cent" eintretend beschreibt – gerechnet in RMB.

Genauer gesagt handelt es sich dabei um die Preisgestaltung eines Drittanbieters zu einem bestimmten Zeitpunkt, die nicht auf das gesamte H3-Ökosystem verallgemeinert werden sollte.

Die eigene API von MiniMax und andere Anbieter können andere Preise, Währungen, Auflösungen, Abrechnungslogiken und Aktionsrabatte verwenden.

Artificial Analysis listet den Kreativ-API-Preis von H3 derzeit in seinem Ranking-Vergleich mit etwa 7,80 US-Dollar pro Minute 1080p-Video unter Standardeinstellungen. Dies unterscheidet sich von der Preisbasis im MetaSo-Screenshot und zeigt, warum es wichtig ist, die spezifischen Tarife der einzelnen Anbieter klar zu kennzeichnen.

Warum günstige Generierung wichtiger ist, als es scheint

KI-Video produziert selten beim ersten Versuch das Endergebnis.

Kreative generieren möglicherweise ein Video, erkennen ein Problem, ändern den Prompt und versuchen es erneut.

Das bedeutet, dass die tatsächlichen Kosten nicht sind:

Preis eines einzelnen Videos

sondern eher:

Kosten pro Versuch × Anzahl der Versuche, bis ein akzeptables Ergebnis vorliegt

Angenommen, ein Kreativer benötigt 8 Versuche, um ein 10-sekündiges 768p-Video zu generieren, bevor eine brauchbare Version ausgewählt wird.

Nach den im Quelltext angezeigten MetaSo-Preisen:

10 Sekunden × 0,09 Yuan × 8 Versuche = 7,20 Yuan

Wenn die Kosten pro Versuch mehrere Dutzend Yuan erreichen, wird derselbe grundlegende kreative Prozess erheblich schwieriger.

Niedrigere Preise können das Nutzerverhalten verändern.

Kreative können es sich leisten, mehr zu testen:

• Mehr Kamerarichtungen
• Mehr Charakterbewegungen
• Mehr Prompt-Varianten
• Verschiedene Seitenverhältnisse
• Mehrere Versionen derselben Werbung
• Alternative Handlungsstränge

Der Wert liegt nicht nur in den Ersparnissen beim Endprodukt.

Er liegt auch darin, dass die psychologische Hemmschwelle für Versuche sinkt.

Günstige Iteration ist

gerade für Video besonders wichtig

Textgenerierung ist so kostengünstig, dass Nutzer selten zögern, eine weitere Entwurfsversion anzufordern.

Bei Video ist das anders.

Jede Generierung verbraucht erheblich mehr Rechenleistung, und das Ergebnis kann auf mehreren Dimensionen gleichzeitig Probleme aufweisen:

• Bildqualität
• Zeitliche Konsistenz
• Bewegung
• Kameraeffekte
• Audio
• Dialog
• Charakteridentität
• Text
• Produktdetails
• Schnittrhythmus

Dies macht wiederholtes Sampling zur Normalität.

Daher ist eine praktische Produktionskennzahl:

Gesamtausgaben
──────────────
Verwendbare Ausgaben

Ein Modell ist wertvoll, wenn es niedrige Kosten pro Sekunde bietet und gleichzeitig genügend brauchbare Ergebnisse liefert, damit die Kosten pro verwendetem Clip niedrig bleiben.

Kreative sollten sowohl den Preis als auch die Erfolgsquote bewerten.

Die Fähigkeiten von H3 machen kostengünstige Iteration attraktiver

Der Preis ist wichtig, weil H3 kein vereinfachtes Text-zu-Video-Modell ist.

Das offizielle MiniMax-Repository bestätigt die H3-Unterstützung für:

• Nativen Stereoton
• 4–15 Sekunden Ausgabe
• 24 FPS
• Mehrere Seitenverhältnisse
• Erstbild-Generierung
• Endbild-Generierung
• Generierung von Erst- und Endbild
• Referenzbild
• Referenzvideo
• Referenzaudio
• Multi-Referenz-Workflow
• 2K-Regenerierung

Die Architektur sagt über H3-Omni-Transformer außerdem Video- und Audio-Latente gemeinsam voraus.

Das bedeutet, dass eine einzelne Generierung gleichzeitig visuelle und audio Strukturen enthalten kann, ohne dass ein separater Vertonungsschritt erforderlich ist.

Im offenen Workflow ist 2K eine separate Regenerierungsphase

Das offizielle H3-Repository beschreibt das vollständige System wie folgt:

1. H3-Context-IR
2. H3-Base
3. H3-Regenerate-2K

H3-Base erzeugt eine 768p-Ausgabe.

Anschließend speist H3-Regenerate-2K das Basisergebnis zusammen mit dem ursprünglichen Kontext ein, um das Segment mit höherer Auflösung neu zu generieren.

Dies unterscheidet sich von einer einfachen Pixelvergrößerung.

Gehostete APIs können diese Phasen für Nutzer unsichtbar machen.

API-Zugriff bringt H3 über die Weboberfläche hinaus

Der Quellartikel zeigt außerdem das H3-API-Panel in MetaSo.

Der Screenshot zeigt ein Anfragebeispiel mit einem eigenen MetaSo-API-Host und dem Modellnamen MiniMax-H3.

Eine vereinfachte Version der gezeigten Struktur sieht wie folgt aus:

curl --request POST \
  --url https://metaso.cn/api/minimax/v2/video_generation \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "MiniMax-H3",
    "content": [
      {
        "type": "text",
        "text": "Beschreibe das Video, das du generieren möchtest."
      }
    ],
    "resolution": "2K",
    "duration": 5,
    "ratio": "16:9"
  }'

Dieser Code spiegelt die im Quell-Screenshot sichtbare Anfrageform wider. Entwickler sollten vor der Bereitstellung in der Produktion die aktuellste Dokumentation von MetaSo oder das API-Panel im Produkt verwenden, da sich Endpunkte, Felder, Authentifizierungsformate und Einschränkungen ändern können.

Die API ist praktisch

für wiederkehrende Workflows

Programmatischer Zugriff ist für Teams nützlicher als ein Browser, wenn folgende Funktionen benötigt werden:

• Generierung mehrerer Varianten
• Anbindung an Content-Pipelines
• Automatisierung von Produktvideos
• Aufbau interner Kreativ-Tools
• Senden von Aufgaben von ComfyUI
• Automatische Speicherung von Ausgaben
• Hinzufügen von Prüf- und Genehmigungsschritten

Gehostete Inferenz ermöglicht es Anwendungen, H3 aufzurufen, ohne den eigentlichen Modell-Service-Stack zu verwalten.

Gehostete API und lokale Open-Source-Gewichte bedienen unterschiedliche Nutzer

Das H3-Ökosystem bietet Entwicklern jetzt verschiedene Arbeitsweisen.

Option 1: Verwendung der gehosteten kreativen Oberfläche

Am besten geeignet für:

• Einzelkreative
• Marketingteams
• Schnelle Experimente
• Personen ohne GPUs

Vorteile:

• Keine Bereitstellung erforderlich
• Kurze Einrichtungszeit
• Einfache Oberfläche
• Anbieter verwaltet Rechenleistung

Abwägungen:

• Anbieterspezifische Preisgestaltung
• Wartezeiten
• Nutzungslimits
• Plattformabhängigkeit

Option 2: Verwendung der gehosteten API

Am besten geeignet für:

• Entwickler
• SaaS-Produkte
• Interne Automatisierung
• ComfyUI-Nutzer, die keine eigene Inferenz hosten möchten

Vorteile:

• Programmatische Steuerung
• Kein GPU-Betrieb erforderlich
• Leichter skalierbar

Abwägungen:

• Nutzungsgebühren
• API-Abhängigkeit
• Anbieterbeschränkungen

Option 3: Selbst gehostete Open-Source-Gewichte

Am besten geeignet für:

• Forschungsteams
• Infrastrukturteams
• Organisationen mit eigener GPU-Kapazität
• Maßgeschneiderte Inferenz-Workflows

Vorteile:

• Stärkere Infrastrukturkontrolle
• Offener Modellzugriff
• Maßgeschneiderte Pipelines
• Potenzieller Offline-/privater Betrieb unterstützter Komponenten

Abwägungen:

• Hardwarekosten
• Bereitstellungskomplexität
• Betrieb und Wartung
• Längere Einrichtungszeit

Die richtige Wahl hängt eher von der Ökonomie des Workflows ab als von der Ideologie.

Offene Modelle können dennoch über gehostete Dienste maximale Bequemlichkeit erreichen.

Praktischer Workflow für Kreative

Für Nutzer, die H3 ohne lokale Bereitstellung testen möchten, ist eine sinnvolle Abfolge:

Schritt 1: Mit 768p beginnen

Verwende den kostengünstigeren Modus, während du Prompts und Szenen erkundest.

Investiere nicht in hohe Auflösungen, bevor das Konzept nicht realisierbar ist.

Schritt 2: Mehrere Varianten generieren

Ändere jeweils nur eine Variable:

• Kamerawinkel
• Bewegungen des Motivs
• Beleuchtung
• Kamerarhythmus
• Referenzstärke

So lässt sich leichter verstehen, was die Ergebnisse verbessert.

Schritt 3: Beste Prompts und Referenzen aufbewahren

Speichere erfolgreiche Kombinationen.

Ein wiederverwendbarer Prompt kann wertvoller sein als eine einmalige glückliche Ausgabe.

Schritt 4: Finale Kandidaten auf 2K anheben

Sobald Komposition und Bewegung akzeptabel sind, auf höherer Auflösungsstufe generieren oder regenerieren.

Schritt 5: Wiederholung mit ComfyUI oder API durchführen

Wenn derselbe Workflow häufig wiederholt wird, verschiebe ihn in einen Node-Graph oder eine Anwendungs-Pipeline.

Schritt 6: Im regulären Editor abschließen

Für die kommerzielle Nutzung prüfen:

• Logos
• Texte
• Produktdetails
• Audio-Pegel
• Untertitel
• Urheberrechte
• Finale Farbkorrektur
• Exporteinstellungen

KI-Generierung sollte als Teil der Produktionskette betrachtet werden, nicht als einzige Prüfphase.

Praktischer Workflow für Entwickler

Entwickler sollten den Modellzugriff von der Geschäftslogik trennen.

Eine einfache Architektur kann wie folgt aussehen:

Anwendung
    ↓
Generierungsdienst
    ↓
Anbieter-Adapter
    ↓
MetaSo H3 API / MiniMax API / Selbst gehostetes H3
    ↓
Aufgabenstatus + Ausgabe-URL
    ↓
Speicherung / Prüfung / Veröffentlichung

Ein Anbieter-Adapter erleichtert den späteren Wechsel des Inferenz-Backends.

Folgende Felder können gespeichert werden:

• Prompt
• Referenzinhalte
• Auflösung
• Dauer
• Seitenverhältnis
• Anbieter
• Modellversion
• Kosten
• Aufgaben-ID
• Generierungszeit
• Ausgabe-URL
• Prüfstatus

So lässt sich ein aussagekräftiger Datensatz aufbauen, um die tatsächlichen Kosten jedes verfügbaren Clips zu vergleichen.

Der ¥0.09-Preis bedeutet nicht viel

Diese auffällige Zahl ist attraktiv, aber es gibt einige Randprobleme zu beachten.

Es ist kein allgemeiner offizieller MiniMax-Preis

¥0.09/Sekunde und ¥0.15/Sekunde sind MetaSo-Preise aus dem Quellartikel.

Sie sollten nicht als globale API-Standardpreise von MiniMax zitiert werden.

Preise können sich ändern

Drittanbieter können die Preise aus folgenden Gründen anpassen:

• Aktionen
• Rechenangebot
• Mengenverträge
• Warteschlangenstrategien
• Modellaktualisierungen
• Geschäftsstrategien

Prüfe die Live-Oberfläche immer aktuell.

Niedriger Preis garantiert keine niedrigen Stückkosten für finale Videos

Ein Workflow mit vielen fehlgeschlagenen Generierungen kann trotzdem teuer werden.

Messe die Akzeptanzrate.

Gehosteter Zugriff unterscheidet sich von Open-Source-Bereitstellung

MetaSo übernimmt die Infrastruktur für die Nutzer.

Selbsthosting bietet mehr Kontrolle, verlagert aber auch Rechen- und Betriebslast auf den Nutzer.

Der größere Wandel: Offene Modelle werden einfacher nutzbar

Das Bemerkenswerteste an der Quelle ist nicht nur, dass ein bestimmter Anbieter günstig ist.

Es ist das Zusammentreffen zweier Trends.

Erstens werden hochwertige Videomodelle zunehmend offener.

MiniMax hat die H3-Gewichte veröffentlicht und unterstützt mehrere Inferenz-Frameworks, darunter ComfyUI.

Zweitens verwandeln Hosting-Plattformen diese offenen Modelle in One-Click-Dienste.

Das führt zu einer breiteren Nutzerbasis:

• Forscher können Modelle prüfen und bereitstellen.
• Entwickler können APIs nutzen.
• Fortgeschrittene Nutzer können ComfyUI-Workflows erstellen.
• Kreative können eine Webseite öffnen und direkt generieren.

Die Modelle selbst werden nicht einfacher.

Die Infrastruktur wird für die Nutzer unsichtbar.

Häufige Fragen

Was ist MiniMax H3?

MiniMax H3 ist ein Open-Weight-Allmodal-Videogenerierungssystem von MiniMax. Es kann Text, Bilder, Videos und Audio als Kontext verwenden und synchronisierte Videoclips von bis zu 15 Sekunden Länge mit nativem Stereoton erzeugen.

Wie hoch ist der Preis von MiniMax H3 auf MetaSo?

Der Quellartikel zeigt, dass MetaSo während der Testphase ¥0,09 pro generierter Sekunde für 768p und ¥0,15 pro generierter Sekunde für 2K berechnet hat. Dies sind MetaSo-Plattformpreise, nicht die allgemeinen offiziellen API-Sätze von MiniMax, und sie können sich ändern.

Kann ich MiniMax H3 ohne GPU ausführen?

Ja, wenn du einen Hosting-Dienst nutzt, z. B. die eigene API/App von MiniMax oder Drittanbieterplattformen wie MetaSo. Die Anbieter betreiben das Modell auf ihrer eigenen Infrastruktur, sodass dein lokales Gerät nur auf den Dienst zugreifen muss.

Ist MiniMax H3 Open Source?

MiniMax hat die H3-Modellgewichte und den Code unter seiner Community-Lizenz veröffentlicht. Das vollständig gehostete H3-Context-IR-Orchestrierungssystem ist nicht Teil der offenen Veröffentlichung, aber MiniMax bietet für diese Stufe API- und Prompt-Leitfäden an.

Kann MiniMax H3 in ComfyUI ausgeführt werden?

Ja. Das offizielle H3-Repository von MiniMax listet ComfyUI als einen der empfohlenen Workflows und bietet H3-Vorlagenlinks an. MetaSo hat ebenfalls angegeben, dass sein gehosteter H3-Zugang mit ComfyUI-Workflows verwendet werden kann.

Welche Hardware wird für selbst gehostetes H3 benötigt?

Die genauen Anforderungen hängen vom Inferenz-Framework, der Präzision, der Dauer und den Leistungszielen ab. Die offiziellen SGLang-Referenzbefehle von MiniMax verwenden vier GPUs, daher sollten Nutzer nicht davon ausgehen, dass ein normales Consumer-Notebook das vollständige Modell flüssig ausführen kann.

Ist H3 derzeit auf Platz 1 bei Artificial Analysis?

Zum Stand des am 7. August 2026 geprüften Snapshots rangiert H3 auf Platz 1 der Video-Editing-Rangliste mit Audio von Artificial Analysis. Die Rangliste ist dynamisch und bedeutet nicht, dass H3 in allen Videogenerierungskategorien führend ist.

Sollte ich direkt in 2K-Auflösung generieren?

Bei Experimenten ist es meist sinnvoller, mit einer günstigeren Auflösung zu beginnen, da die meisten Konzepte mehrere Iterationen erfordern. Sobald Bewegung, Komposition und Referenzinhalte stabil sind, kannst du das ideale Ergebnis in einen Workflow mit höherer Auflösung überführen.

Verwandte Tools

• MiniMax H3: Offizielles Open-Source-Repository mit H3-Modellarchitektur, Checkpoints, Prompt-Leitfäden, Bereitstellungsbeispielen und Workflow-Links.
• MiniMax-API-Plattform: Offizielle gehostete Entwicklerplattform von MiniMax für H3 und andere MiniMax-Modelle.
• MetaSo: Das im Quellartikel hervorgehobene KI-Produkt, dessen browserbasierter Videoerzeugungszugang MiniMax H3 enthält.
• ComfyUI: Ein Open-Source-, knotenbasiertes Workflow-System für generative KI, das im H3-Repository von MiniMax offiziell unterstützt wird.
• SGLang: Eines der von MiniMax empfohlenen Inferenz-Frameworks für das lokale Serving von H3.
• Hugging Face: Offizielle H3-Modellseite von MiniMax mit öffentlichen Modelldateien und Community-Nutzung.

Verwandte Links

• MiniMax-H3-offizielles GitHub-Repository: Offizielle Architektur, Modellvarianten, Eingabelimits, lokale Bereitstellung, ComfyUI-Links und 2K-Workflow-Dokumentation.
• MiniMax-H3-Online-API: Offizielle globale API-Plattform von MiniMax für gehosteten H3-Zugang.
• Offizielle MiniMax-Website: Offizielle Produkt- und Unternehmensinformationen von MiniMax.
• Offizielle MetaSo-Website: Die Plattform, die für den im Quellartikel beschriebenen kostengünstigen H3-Workflow verwendet wird.
• Artificial-Analysis-Video-Editing-Rangliste: Präferenzbasierte Live-Rangliste, in der H3 im geprüften Snapshot mit Audio am 7. August Platz 1 belegte.
• ComfyUI-GitHub-Repository: Offizielle Quelle für die von H3 unterstützte knotenbasierte Workflow-Umgebung.
• SGLang-GitHub-Repository: Open-Source-Modell-Serving-Framework, das in den Referenzbereitstellungshinweisen von MiniMax für H3 verwendet wird.

Zusammenfassung

MiniMax H3 verwendet Open Weights, aber die lokale Bereitstellung ist weiterhin mit erheblichem Hardware- und Engineering-Aufwand verbunden. Die offiziellen Referenzbeispiele von MiniMax verwenden eine SGLang-Konfiguration mit mehreren GPUs, was erklärt, warum viele Video-Kreative den gehosteten Weg bevorzugen.

Der Quellartikel zeigt, wie MetaSo H3 in einen browserbasierten Dienst umgewandelt hat, der Text-zu-Video, Bild-zu-Video, Multi-Referenz-Generierung, API-Zugriff sowie Workflows für ComfyUI bietet. Zum Testzeitpunkt zeigte MetaSo eine Preisgestaltung von 0,09 Yuan pro Sekunde für 768p und 0,15 Yuan pro Sekunde für 2K.

Diese günstigen Drittanbieterpreise sind wichtig, weil KI-Video im Kern ein iterativer Prozess ist. Günstigere Versuche ermöglichen es Kreativen, mehr Kameraperspektiven, Prompts, Szenen und Schnitte zu testen, bevor sie hochauflösende Endergebnisse festlegen.

Die eigentliche Veränderung liegt nicht nur darin, dass H3 Open Source ist – sondern darin, dass Open-Weight-Videomodelle zunehmend so einfach zu nutzen sind wie gewöhnliche Webdienste.