MiniMax H3 vs Veo 3.1: 145 Elo auseinander, und die meisten Vergleiche testeten einen stummgeschalteten Veo.

Ein 8-sekündiger Veo 3.1-Clip kostet dreimal so viel wie die gleichen 8 Sekunden auf MiniMax H3. Auf der Blindvotings-Rangliste von Artificial Analysis liegt er 145 Elo-Punkte zurück. Das sollte das Ende des Artikels sein.

Außer dass die Veo 3.1-API mit deaktivierter Audioerzeugung ausgeliefert wird. Der Parameter heißt generate_audio, sein Schema-Standardwert ist false, und nichts in der Antwort verrät dir, dass der Clip stumm zurückkam. MiniMax H3 hat keinen solchen Schalter, weil H3 Bild und 32-kHz-Stereo im selben Durchgang erzeugt und das schon immer so gemacht hat. Ein großer Teil der kursierenden „Veo sieht besser aus“-Einschätzungen basierte also darauf, dass man einen stummen Google-Clip neben ein chinesisches Modell stellte, das mit einem Soundtrack auftauchte.

Ich wollte wissen, wie diese 145-Punkte-Lücke tatsächlich aussieht. Also nahm ich das viralste Format, das Veo je hervorgebracht hat – den Glasfrucht-ASMR-Schnitt –, schrieb einen Prompt und ließ ihn mit beiden Modellen laufen, wobei jede Einstellung so weit wie möglich ausgereizt wurde. Audio an. Nichts weggelassen.

Dann machte ich weiter, bis ich die drei Bereiche fand, in denen Google immer noch gewinnt – denn die gibt es, und niemand, der diese Vergleiche schreibt, scheint sie zu erwähnen.

Wichtigste Erkenntnisse

• Auf Artificial Analysis Text-zu-Video mit Audio erreicht MiniMax H3 1.238 Elo gegenüber Veo 3.1s 1.093. Das ist eine Lücke von 145 Punkten bei Blindvotings (Stand: 06.08.2026).
• Veo 3.1s Parameter generate_audio hat im API-Schema den Standardwert false. Wenn du die API aufrufst und ihn nie setzt, vergleichst du einen stummen Veo-Clip mit einem H3-Clip, der standardmäßig Stereo liefert.
• H3 akzeptiert jede ganze Sekunde von 4 bis 15. Veo 3.1 akzeptiert 4, 6 oder 8. Das ist eine strukturelle Grenze, keine Einstellung.
• Veo 3.1 taucht auf der Artificial Analysis Video-Editing-Rangliste überhaupt nicht auf. H3 ist dort die Nummer eins.
• Veo 3.1 gewinnt immer noch bei 4K-Ausgabe, bei Reproduzierbarkeit durch seed plus negative_prompt und Veo 3.1 Lite ist wirklich günstiger als alles, was H3 bietet, wenn dir 720p ausreicht.

---

MiniMax H3 vs Veo 3.1, Ein Prompt, Drei Takes Direkt Nacheinander

laLbhPPVt_g

Ein Prompt, drei Takes, in der Reihenfolge: MiniMax H3 in 2K, Veo 3.1 in 1080p mit explizit aktiviertem Audio, Veo 3.1 Lite in 720p. Jeder Segment behält seine eigene native Audiospur, also schalte den Ton ein. Achte auf die letzte Sekunde jedes Takes und darauf, was das günstigste Modell mit den Kanten seines letzten Bildes macht.

Ein Makro-Filmset mit einer Kristallglas-Wassermelone auf nassem Schiefer und zwei Produktionsmonitoren, die denselben Schnitt zeigen_Der tatsächliche Aufbau für diesen Artikel: ein ASMR-Produkt-Spot, zwei Modelle, ein API-Key. Erzeugt mit openai/gpt-image-2/text-to-image._

---

Warum MiniMax H3 vs Veo 3.1 Plötzlich der Einzig Sinnvolle Vergleich ist

MiniMax H3 kam im Juli 2026 und tat etwas, was kein anderes Modell auf dem Brett geschafft hat. Es landete innerhalb weniger Wochen in den Top 3 aller drei Video-Arenen von Artificial Analysis, und zwar als einziger Open-Weights-Eintrag in der Nähe der Spitze.

Hier ist, wo die beiden Modelle tatsächlich stehen, live abgerufen statt aus einer Pressemitteilung zitiert (Artificial Analysis, August 2026):

Tabelle A: Artificial Analysis Video Arena, Stand 06.08.2026

Drei Dinge in dieser Tabelle verdienen mehr Aufmerksamkeit, als sie bekommen.

Die 145-Punkte-Lücke bezieht sich auf das Audio-Board. Bei Text-zu-Video mit Audio ist nur Gemini Omni Flash (1.243) vor H3, und das innerhalb derselben statistischen Gleichstandsband. Veo 3.1 ist Elfter. Zuhörer, die beide Clips verglichen, zogen H3 Veo mit deutlichem Abstand vor.

Veo 3.1 ist nicht auf der Video-Editing-Rangliste. Dieses Board hat acht Modelle, und H3 ist Erster, neun Punkte vor Gemini Omni Flash. Google hat diesen Vergleich nicht verloren, es hat ihn einfach nicht bestritten. Wenn dein Workflow „Generieren, dann eine Sache im Bild ändern“ ist, hilft dir diese Unterscheidung nicht.

Minimax' eigene Ankündigung übertreibt eine Zahl, also wiederhole sie nicht. Die offizielle Aussage besagt, H3 liege auf dem Editing-Board 93 Punkte vor dem Zweiten. Der Zweite ist Gemini Omni Flash mit 1.123, also 9 Punkte hinter H3. Der 93-Punkte-Wert ist der Abstand zu Dreamina Seedance 2.0 mit 1.037, das auf Platz fünf liegt. Beide Zahlen sind real, sie gehören nur zu verschiedenen Zeilen.

Warum die meisten Direktvergleiche falsch liegen

Drei Fehlermodi, absteigend nach der Häufigkeit, mit der ich sie gesehen habe:

1. Der stumme Veo.generate_audio hat im Veo 3.1 API-Schema den Standardwert false. Ein Entwickler, der es nie setzt, bekommt einen stummen Clip und bewertet ihn dann gegen H3s Stereo-Mix. Das ist kein Modellvergleich, das ist ein Einstellungsfehler. Wissenswert: Das Atlas Cloud Web-Playground aktiviert den Schalter für dich vor, also erwischt die Falle Leute, die die API direkt aufrufen – und das sind die meisten, die Benchmarks veröffentlichen.
2. Nicht übereinstimmende Auflösung. H3s Standardauflösung in der API ist 2K, aber viele Tests laufen es mit 768P aus Geschwindigkeitsgründen und stellen das Ergebnis dann neben einen 1080p-Veo-Frame.
3. H3 auf 8 Sekunden begrenzen, um fair zu sein. Es ist nicht fair, es wirft fast die Hälfte von H3s Dauerbereich weg, nur um eine saubere Tabelle zu bekommen.

Und um fair zu bleiben: H3s eigene Schwachstellen sind real: Das Füllen der Referenzslots neigt dazu, die Prompt-Treue zu lockern, anstatt sie zu verbessern, seine 2K-Stufe ist echt langsam, und MiniMax selbst positioniert es nicht als Film- oder Animationsmodell. In diesem Durchlauf neigte H3 auch zu einem stilisierten Look und interpretierte die Beschreibung als polierte Kristallglas-Produktfotografie statt als das hyperreale Objekt, das Veo produzierte.

---

MiniMax H3 vs Veo 3.1: Spezifikationen, Audioverhalten und Was Eine Sekunde Bringt

Die Methode hier ist bewusst langweilig: ein Prompt, drei Endpunkte, ein API-Key, kein Schnitt. Beide Familien werden Seite an Seite auf Atlas Cloud gehostet, was der einzige Grund ist, warum ein Durchlauf mit demselben Prompt überhaupt ohne zwei separate Abrechnungskonten und zwei unterschiedliche Parameterdialekte möglich ist. Das ist die ganze Produkterwähnung. Die Modelle sind das Thema.

Tabelle B: Fähigkeitsmatrix, aus den Live-API-Schemas

Lies die letzten beiden Zeilen zusammen, und du erhältst die schärfste Linie dieses gesamten Vergleichs:

MiniMax H3 mit Ton ist günstiger als Veo 3.1 ohne Ton. 0,14 $ pro Sekunde gegenüber 0,20 $.

Googles eigene Preisliste bestätigt die Obergrenze. Veo 3.1 kostet 0,40 $ pro Sekunde bei 720p und 1080p mit Audio als Standardtarif und steigt auf 0,60 $ bei 4K (Google Gemini API-Dokumentation, August 2026). Atlas teilt das in eine Stumm-Stufe zu 0,20 $ und eine Audio-Stufe zu 0,40 $ auf, sodass sich deine Kosten pro Sekunde verdoppeln, sobald du generate_audio auf true setzt. H3 hat keinen entsprechenden Hebel, weil es nichts einzuschalten gibt.

Noch eine Asymmetrie, die vor dem Durchlauf erwähnenswert ist: H3s resolution und duration sind auf allen drei Endpunkten erforderliche Felder, und sein Text-zu-Video ratio hat standardmäßig 1:1. Sende einen nackten Prompt, und du bekommst ein quadratisches Video. Veo wird standardmäßig einen vernünftigen 16:9-720p-Clip ausgeben.

---

MiniMax H3 vs Veo 3.1, Gleicher Prompt, Beide Modelle: Der Vollständige Durchlauf

Ein Prompt für alle drei Modelle, kein Wort geändert zwischen ihnen. Er ist so gebaut, dass er vier Dinge gleichzeitig testet: hyperreale Glasphysik, Veos Heimatgebiet; native, auf den Bruch synchronisierte Geräusche; eine einzelne Zeile menschlicher Stimme; und eine untere Drittel-Titelkarte, die in der letzten Sekunde einblendet, wo H3 einen Vorteil beansprucht.

Kopiere dies wörtlich.

plaintextCopy
1Extreme macro ASMR shot, 16:9. A hyper-realistic watermelon carved from clear
2crystal glass rests on a wet black slate slab. A mirror-polished chef's knife
3presses down and slices cleanly through it in one slow, continuous motion; the
4glass parts with a bright ringing crack and a spray of tiny translucent shards
5that scatter and tick across the slate. Cold blue rim light from the left, one
6warm practical behind. 100mm macro, shallow depth of field, slow push-in.
7Sound: the crisp ring of glass under the blade, shards ticking onto stone, low
8room tone. A calm woman's voice says: "Cut clean. Every single time." In the
9final second, crisp white sans-serif type fades in across the lower third
10reading CUT CLEAN.

Schritt 1: MiniMax H3 Text-zu-Video in 2K

Öffne MiniMax H3 Text-zu-Video, füge den Prompt ein, setze dann drei Felder, die alle wichtig sind:

• Auflösung:2K. Erforderliches Feld. Dies ist die höchste Stufe, 2560x1440, ausgeliefert bei einer 16:9-Anfrage.
• Dauer:8. Erforderliches Feld. An Veos Obergrenze angepasst, damit der erste Vergleich auf Augenhöhe ist.
• Seitenverhältnis:16:9. Das ist das, was die Leute übersehen. Der Standardwert ist 1:1, und Text-zu-Video lehnt adaptive rundweg mit einem 400er-Fehler ab. Lass es auf dem Standardwert, und du bekommst einen quadratischen Clip.

Es gibt kein Seed-Feld und kein Negative-Prompt-Feld. Du bekommst, was der Sampler dir gibt, und deine einzige Kontrolle ist der Prompt.

Abrechnung: 8 Sekunden zu 0,14 $ = 1,12 $, Audio inklusive. Budgetiere auch Geduld: Dieser Job dauerte 455 Sekunden von Anfang bis Ende. Ich habe es viermal versucht, den fertigen Playground-Durchlauf für diesen Schritt einzufangen, und die 2K-Warteschlange war jedes Mal länger als die Browsersitzung, also hier stattdessen die API-Ausgabe selbst, bei 100 % ohne Resampling.

Ein 100 %-Ausschnitt der MiniMax H3 2K-Ausgabe, der scharfe untere Drittel-Schrift und aufgelöste Glasfacetten zeigt_MiniMax H3, 2K, 8s, 16:9, beschnitten auf 1:1 aus dem gelieferten 2560x1440-Frame. Die Schriftkanten sind sauber, einzelne Glasscherben auf dem Schiefer halten ihre Facetten, und dies ist die Stufe, auf der die Leaderboard-Stimmen abgegeben wurden._

Schritt 2: Veo 3.1 Text-zu-Video, Mit Eingeschaltetem Audio

Öffne Veo 3.1 Text-zu-Video und füge denselben Prompt ein. Einstellungen:

• Auflösung:1080p. Veos Aufzählung bietet auch 4k, was H3 überhaupt nicht erreichen kann. Nützlich zu wissen: 720p und 1080p werden zum gleichen Satz abgerechnet, also ist 1080p kostenloses Extra.
• Dauer:8. Das Maximum.
• Seitenverhältnis:16:9. Hier gibt es nur 16:9 und 9:16.
• generate_audio:true. Dies ist der Schritt, den das Internet überspringt. Der Schema-Standardwert ist false, und eine stumme Rückgabe sieht nicht wie ein Fehler aus.
• negative_prompt:blurry, warped text, extra fingers, motion blur on type. Kostenlose zusätzliche Kontrolle, die H3 nicht bietet.
• seed:12345. Ebenfalls H3-frei. Google gibt dir einen Reproduzierbarkeitsgriff.

Abrechnung: 8 Sekunden zu 0,40 $ = 3,20 $ mit Audio an. Lasse generate_audio aus, kostet derselbe Clip 1,60 $ und ist stumm.

Veo 3.1 Text-zu-Video-Playground auf Atlas Cloud mit eingeschaltetem Generate Audio-Schalter und dem fertigen Clip im Ausgabefenster_Veo 3.1, Durchlauf abgeschlossen. Der Generate Audio-Schalter ist an, und der Run-Button zeigt 3,2 $, das sind 8 Sekunden zum Audiotarif. Diese Aufnahme wurde auf der Standardeinstellung 720p der Seite belassen, die genauso abgerechnet wird wie 1080p; der 1080p-Clip in diesem Artikel stammt vom selben Prompt über die API. Beachte die beiden leeren Felder, Negative Prompt und Seed, für die MiniMax H3 kein Äquivalent hat._

Schritt 3: Veo 3.1 Lite, der Günstige Platz

Öffne Veo 3.1 Lite Text-zu-Video, wieder denselben Prompt. Einstellungen: 720p, 8 Sekunden, 16:9, seed 12345.

Beachte, was auf dieser Seite fehlt: Es gibt keinen Audio-Schalter, weil Lite immer Audio generiert. Beachte auch die eine Falle in seinem Schema: 1080p auf Lite erzwingt die Dauer von 8, also gibt es keinen 4-Sekunden-1080p-Lite-Clip.

Abrechnung: 8 Sekunden zu 0,05 $ = 0,40 $. Das ist der günstigste fertige Clip mit Ton in diesem gesamten Artikel, H3 eingeschlossen.

Veo 3.1 Lite Playground auf Atlas Cloud bei 720p ohne Audio-Umschalter, fertiger Clip im Ausgabefenster_Veo 3.1 Lite bei 720p. Auf dieser Seite gibt es überhaupt kein_ generateaudio-Steuerelement, das ist der Punkt._

Schritt 4: Bewertung von MiniMax H3 vs Veo 3.1 in Fünf Kategorien

Keine Modellaufrufe in diesem Schritt, keine Kosten. Um genau zu sagen, was das ist: ein Take pro Modell, erster Versuch, keine Wiederholungen. Es ist ein direkter Vergleich von drei Clips, keine Keeper-Rate-Studie.

Tabelle D: Was tatsächlich zurückkam, je ein Take

Passende Bilder aus den MiniMax H3- und Veo 3.1-Takes im Moment des Einblendens der unteren Drittel-Schrift

Derselbe Takt in beiden Takes, der Frame, in dem CUT CLEAN einblendet. Links MiniMax H3 bei 2K, rechts Veo 3.1 bei 1080p mit Audio an. Veos Glas liest sich eher wie ein fotografiertes Objekt; H3s Schrift ist schärfer und korrekt platziert.

Die Audio-Kategorie ist eine Hörentscheidung, also beurteile sie anhand des obigen Reels. Was messbar ist: Alle drei lieferten eine durchgehende Stereospur ohne tote Stellen über 0,6 Sekunden. H3 liefert 32-kHz-Stereo und mischt heiß, mittlerer Pegel nahe -18 dB mit Spitzen, die 0 dBFS berühren. Veo 3.1 liefert 48-kHz-Stereo mit einem konservativen mittleren Pegel um -31 dB. H3s Spur ist etwa 13 dB lauter, was sich wie ein fertigerer Mix direkt aus dem Modell anhört und dir auch viel weniger Headroom zum Nachbearbeiten lässt.

Schritt 5: Der 15-Sekunden-Take, den Veo 3.1 Strukturell Nicht Kann

Gleiche Seite wie Schritt 1, gleicher Prompt, zwei Felder geändert: Dauer 15, Auflösung 768P, Seitenverhältnis weiterhin 16:9. Kein neuer Screenshot, es ist derselbe Playground.

Dies ist der Schritt, der kein Veo-Gegenstück hat. Veo 3.1s duration-Aufzählung ist [4, 6, 8] auf jedem seiner Endpunkte, und es gibt keinen Plan, keine Stufe und kein Flag, das sie erhöht. Googles eigene Antwort auf den Wunsch nach mehr ist eine separate Video-Erweiterungsfunktion (Google Video-Erzeugungsdokumentation, August 2026), was bedeutet, 8-Sekunden-Blöcke zu generieren und sie zusammenzufügen, was Angleichen von Grad und Audio über die Nähte erfordert. H3 gibt dir einen durchgehenden Take mit einem durchgehenden Audio-Bett.

Abrechnung: 15 Sekunden zu 0,10 $ = 1,50 $, das ist weniger als die Hälfte der Kosten eines einzelnen 8-Sekunden-Veo-3.1-Clips mit Audio.

VNmboe6k4M4

MiniMax H3, 768P, 15 Sekunden, ein ununterbrochener Take mit einem ununterbrochenen Audio-Bett. Ton an. Veo 3.1 hat keine Einstellung, die diese Datei produziert. Beachte die Gravur, die H3 entlang der Klinge erfindet: spezifizierte Schrift wird sauber gerendert, erfundene Schrift ist Unsinn.

Zwei ehrliche Anmerkungen zu diesem Take. Er lief 485 Sekunden, der langsamste Job im Artikel, und sein Audio-Bett ist merklich dünner als die 8-Sekunden-Version, mit echten Lücken um die 3- und 11-Sekunden-Marken. Länger ist verfügbar, aber länger ist nicht kostenlos.

Gesamtkosten für die vier Tutorial-Schritte: 1,12 $ + 3,20 $ + 0,40 $ + 1,50 $ = 6,22 $, ein Versuch pro Modell, keine Wiederholungen. Der zusätzliche 768P-8-Sekunden-Durchlauf im nächsten Abschnitt kostete 0,80 $, und die Playground-Aufnahmen waren separate bezahlte Durchläufe zusätzlich.

---

MiniMax H3 vs Veo 3.1: Wo H3 über das Hinausgeht, Was Google Erlaubt

Vier Fähigkeiten auf der H3-Seite der Tabelle, die keine langsameren oder günstigeren Versionen von Veo-Funktionen sind, sondern Dinge, die Veo überhaupt nicht freigibt.

21:9-Kinoformat. H3s ratio-Aufzählung umfasst 21:9, 4:3, 1:1 und 3:4 neben den üblichen zwei. Veo 3.1 und Lite bieten beide nur 16:9 oder 9:16 und sonst nichts. Wenn du einen Teaser im Kinoformat schneidest, kann eines dieser Modelle ihn nativ rahmen, und das andere braucht einen Beschnitt.

Referenzen, die nicht nur Bilder sind. H3s reference-to-video-Endpunkt nimmt ein refers[]-Array, das Bild-, Video- und Audio-Referenzen mischt, um einen Look zu verankern, und behält dabei die volle 4- bis 15-Sekunden-Spanne. Veo 3.1s Referenz-zu-Video nimmt ein images-Array, das auf 3 Einträge begrenzt ist, und seine duration-Aufzählung fällt auf [8] zusammen, sodass das Referenzieren dich auf acht Sekunden festlegt. Ein Hinweis aus Erfahrung: Das Füllen von H3s Referenzslots bis zur Kapazität neigt dazu, die Ausgabe vom Prompt wegzuziehen, anstatt darauf zu, also baue schrittweise auf.

2K ist ein Neurendern, kein Hochskalieren. Dieses hat mich überrascht, und ich habe es nirgendwo geschrieben gesehen. Führe denselben Prompt auf H3 Text-zu-Video bei 768P und bei 2K aus, und du bekommst nicht denselben Film in zwei Größen. Du bekommst zwei verschiedene Filme. In diesem Durchlauf ließ der 768P-Take die Melone ganz und aufrecht stehen, mit einer brennenden Kerze dahinter, und knallte die Schrift quer über die Bildmitte zur 4-Sekunden-Marke. Der 2K-Take brach die Melone in drei Teile, bewegte das Hintergrundlicht und platzierte die Schrift klein im unteren Drittel in der letzten Sekunde, wie geschrieben. Gleicher Prompt, gleiches Seitenverhältnis, gleicher samenloser Sampler.

Nebeneinander-Bilder desselben Prompts, ausgeführt bei 768P und bei 2K auf MiniMax H3, die unterschiedliche Ausstattung zeigen, anstatt denselben Schuss in zwei Größen_Gleicher Prompt, gleiches Modell, gleiches Seitenverhältnis, 768P links und 2K rechts, beide zum gleichen Zeitstempel. Unterschiedliches Staging, unterschiedliches Licht, unterschiedliche Schriftbehandlung. Wenn die Komposition zwischen den Stufen erhalten bleiben muss, fixiere den ersten Frame mit_ image-to-video stattdessen.

Nie Audioaufschlag, immer. Klar gesagt, weil es verändert, wie du budgetierst: Es gibt keine Version eines H3-Clips, die weniger kostet, indem sie stumm ist, und keine Version eines Veo 3.1-Clips, die Ton zum stummen Preis hat.

Um das Konto ehrlich zu halten, drei Bereiche, in denen Google wirklich gewinnt und H3 keine Antwort hat:

• 4K. Veo 3.1s Auflösungsaufzählung enthält 4k. H3 endet bei 2K. Wenn ein Kundenvertrag ein 4K-Master verlangt, endet dieser Vergleich hier.
• seedundnegative_prompt. Veo erlaubt es dir, die Reproduzierbarkeit zu justieren und Fehlermodi explizit zu verbieten. H3 gibt dir keins von beidem. Bei einem Dreh, bei dem du einen Beinahe-Fehler wiederholen musst, ohne den gesamten Look zu verlieren, tut diese Lücke weh.
• Geschwindigkeit, irgendwie. Veo 3.1s Modelldokumentation gibt grob 2 bis 3 Minuten für einen 8-Sekunden-1080p-Clip an. In diesem Durchlauf, gleichzeitig eingereicht, brauchte H3 bei 2K 455 Sekunden und Veo 3.1 bei 1080p 462 Sekunden, also waren sie praktisch gleichauf und beide deutlich über dem angegebenen Wert. Veo 3.1 Lite war in 237 Sekunden fertig, weniger als die Hälfte von beiden. Wenn du live vor einem Kunden iterierst, ist Lite das einzige der drei, das mithält, und das ist ein echter Vorteil, den der Preis pro Sekunde nicht zeigt.

---

Was Eine Fertige Werbung auf MiniMax H3 vs Veo 3.1 Kostet

Preise pro Sekunde sind nicht das, was du ausgibst. Was du ausgibst, ist der Preis pro Sekunde multipliziert mit den Clips, die du weggeworfen hast. Die 30-Sekunden-Spalte unten wendet ein 3:1-Keeper-Verhältnis an, drei Generationen pro verwendbarem Take, was eine Arbeitsannahme aus der normalen Produktionspraxis ist und nicht etwas, das dieser Durchlauf gemessen hat. Behandle es als Skalierungsfaktor, nicht als Benchmark.

Tabelle C: Reale Kosten pro geliefertem Spot, Atlas Cloud Preise ab August 2026, ohne aktive Rabatte

Zwei Schlussfolgerungen, und die zweite ist nicht die, die ich erwartet hatte zu schreiben.

Wenn du 2K brauchst, oder länger als 8 Sekunden, oder ein anderes Seitenverhältnis als 16:9 und 9:16, oder natives Audio ohne Aufpreis, dann gewinnt H3 bei den Kosten mit großem Abstand. Ein 30-Sekunden-Spot auf H3s höchster Stufe kostet etwa ein Drittel des gleichen Spots auf Veo 3.1 mit Ton.

Wenn 720p und 8 Sekunden wirklich ausreichen, ist Veo 3.1 Lite das günstigste hier, und das ist nicht knapp. Bei 0,05 $ pro Sekunde ist es die Hälfte von H3s günstigster Stufe, Audio ist inklusive ohne Schalter zum Vergessen, und es war doppelt so schnell wie beide Flaggschiffe. Jeder, der dir sagt, H3 sei bedingungslos die günstige Option, hat die Lite-Zeile nicht gesehen. Google listet auch Veo 3.1 Fast dazwischen, zu 0,10 $ pro Sekunde bei 720p in seiner eigenen Preisliste, obwohl Atlas' Katalog und seine Modellseite unterschiedliche Zahlen für diese Stufe angeben, also behandle die genaue Zahl von Fast als unsicher.

Der Haken ist, was der Rabatt dir bringt. Dies ist das letzte Bild, das Lite beim ersten Versuch zurückgab:

Letztes Bild des Veo 3.1 Lite-Takes mit zwei identischen halluzinierten Frauen in Porträt-Ausschnitten an beiden Rändern des Bildes_Veo 3.1 Lite, letztes Bild, erster Take. Der Prompt erwähnte eine Frauenstimme; Lite entschied, sie zu zeigen, zweimal, in passenden Ausschnitten. Es gab der Melone auch die beste grüne Schale und Kerne der drei Modelle, was es frustrierend macht, anstatt einfach nur schlecht._

Das ist die ehrliche Form der günstigen Stufe. Es las das Objekt besser als beide Flaggschiffe und ruinierte dann den Schuss auf eine Weise, die du im Schnitt nicht reparieren kannst. Günstig pro Sekunde ist nicht günstig pro verwendbarem Clip, wenn die Fehlerrate steigt, also budgetiere bei Lite für Wiederholungen, anstatt vom Listenpreis auszugehen.

---

Offene Gewichte, Ausgeschlossene Gebiete und der Teil, Den Niemand Liest

Die Gewichte sind tatsächlich veröffentlicht. MiniMaxAI/MiniMax-H3 auf Hugging Face ist ein 33B-Parameter dichter Single-Stream-Omni-Transformer in BF16, der mit zwei bereiten Checkpoints, dem vollständigen Qwen3-VL-32B-Text-Encoder und zwei Autoencodern ausgeliefert wird. Das Ganze herunterzuladen sind etwa 499 GB. Es ist das aktuelle Flaggschiff, keine ausgemusterte Version, und unter den Spitzenplätzen aller Artificial Analysis Video-Boards ist es der einzige Open-Weights-Eintrag.

Dann liest du die Lizenz, und sie tut mehr, als „offene Gewichte“ vermuten lässt (Hugging Face, August 2026):

• §I.5 definiert Ausgeschlossene Gebiete als die Europäische Union, das Vereinigte Königreich, die Republik Korea und die Vereinigten Staaten von Amerika. Die Gewährung gilt weltweit außer dort.
• §V.4 geht weiter als die Bereitstellung. Du darfst die Werke oder irgendeine ihrer Ausgaben außerhalb des Anwendbaren Gebiets nicht nutzen, reproduzieren, modifizieren, verteilen oder anzeigen.
• §IV.1 erfordert eine separate vorherige schriftliche Genehmigung, wenn deine kommerziellen Produkte einen Jahresumsatz von 20 Millionen Dollar überschreiten.
• §IV.2 verlangt, dass du „MiniMax H3“ gut sichtbar in der Benutzeroberfläche jedes darauf aufbauenden kommerziellen Produkts anzeigst.

MiniMax hat das nicht einfach so stehen lassen. Das Repository enthält eine Lizenz-FAQ und ein Antragsformular, und die Lizenz sagt, dass das Unternehmen diese Jurisdiktionen weiterhin evaluieren wird und interessierte Parteien einlädt, sich zu bewerben. Die korrekte Einordnung lautet also „noch nicht, frag uns“, nicht „für immer verboten“. Es ist immer noch eine Frage, die du vor der Planung eines US- oder EU-Produkts um die lokalen Gewichte herum an deine Rechtsabteilung weiterleiten musst.

Und die lokalen Gewichte sind nicht die API. Selbst gehostetes H3-Base rendert mit einer kurzen Kante von 768 Pixeln; der 2K-Pfad läuft über eine separate Regenerationsstufe auf der API-Seite. Offene Gewichte kaufen dir ein 768p-Modell, das du kontrollierst, nicht das 2K-Modell, das diese Stimmen gewonnen hat.

Eine Sache, die ich nicht klären konnte: ob Veo 3.1-Ausgabe ein SynthID-Wasserzeichen trägt, wenn sie über eine Drittanbieter-API ausgeliefert wird. Behandle das als unbestätigt. Die H3-Dateien in diesem Durchlauf trugen kein sichtbares Wasserzeichen.

---

Häufig gestellte Fragen

Ist MiniMax H3 tatsächlich besser als Veo 3.1?

Bei Blindvotings mit Audio, ja, um 145 Elo auf Artificial Analysis Text-zu-Video, und H3 ist Erster auf dem Video-Editing-Board, auf dem Veo 3.1 nicht erscheint. Es kostet auch weniger pro Sekunde mit Ton als Veo ohne Ton. Veo 3.1 gewinnt immer noch bei 4K-Ausgabe und bei der Kontrolle durch seed und negative_prompt.

Warum ist mein Veo 3.1-Video stumm?

Weil generate_audio auf Veo 3.1 und Veo 3.1 Fast standardmäßig false ist. Setze es explizit auf true. Beachte, dass dies deine Kosten pro Sekunde verdoppelt, von 0,20 $ auf 0,40 $ auf Atlas Cloud. MiniMax H3 hat keinen solchen Parameter, da Audio im selben Durchgang wie das Bild erzeugt wird. Veo 3.1 Lite generiert ebenfalls immer Audio.

Kann MiniMax H3 längere Clips als Veo 3.1s 8 Sekunden machen?

Ja. H3 akzeptiert jede ganze Sekunde von 4 bis 15 als einen einzigen durchgehenden Take, beide Felder sind in der Anfrage erforderlich. Veo 3.1s Daueraufzählung ist [4, 6, 8], fest. Länger zu gehen auf Veo bedeutet, 8-Sekunden-Blöcke zu generieren und sie zu erweitern oder zusammenzufügen, dann Grad und Audio über die Verbindungen hinweg anzugleichen.

MiniMax H3 hat offene Gewichte. Macht das alles kostenlos?

Nicht so, wie die meisten Leute es meinen. Der vollständige Download umfasst etwa 499 GB, selbst gehostetes H3-Base rendert mit einer kurzen Kante von 768 Pixeln, und 2K benötigt die API-seitige Regenerationsstufe. Die Community-Lizenz schließt auch die EU, das Vereinigte Königreich, Südkorea und die USA aus, und diese Einschränkung betrifft Ausgaben, nicht nur die Bereitstellung, mit einem formellen Genehmigungskanal für diese Regionen.

Welches ist günstiger für eine fertige 30-Sekunden-Werbung, MiniMax H3 oder Veo 3.1?

H3 bei 2K kostet etwa 12,60 $ für einen 30-Sekunden-Spot bei einem 3:1-Keeper-Verhältnis, gegenüber etwa 36,00 $ für Veo 3.1 mit eingeschaltetem Audio. Aber Veo 3.1 Lite schlägt beide mit etwa 4,50 $, wenn 720p und 8-Sekunden-Blöcke akzeptabel sind. H3s Kostenvorteil ist an Bedingungen geknüpft: 2K, längere Takes, breitere Seitenverhältniswahl oder kostenloses Audio.

Macht MiniMax H3 4K wie Veo 3.1?

Nein. H3s Auflösungsaufzählung ist nur 768P und 2K. Veo 3.1s enthält 4k, zu 0,60 $ pro Sekunde in Googles eigener Preisgestaltung, und Veo 3.1 Lite unterstützt explizit auch kein 4K. Wenn ein 4K-Master vertraglich vereinbart ist, ist Veo 3.1 Standard das einzige dieser drei, das es liefert.