MiniMax H3 gegen Gemini Omni Flash: Google gewinnt das Brett mit 5 Punkten. Dann bittet der Kunde um eine Änderung.

Ich starrte zehn Minuten lang auf drei Artificial-Analysis-Ranglisten, um herauszufinden, wer eigentlich gewonnen hat.

Text-to-video: Gemini Omni Flash mit 5 Punkten. Image-to-video: Gemini mit 2 Punkten. Videobearbeitung: MiniMax H3 mit 9 Punkten.

Dann schaute ich auf die Spalte mit den Konfidenzintervallen. Plus oder minus 7. Plus oder minus 9. Plus oder minus 10.

Drei Ranglisten, drei Abstände, jeder innerhalb seines eigenen Fehlerbalkens. Bei Blindabstimmung sind diese beiden Modelle ein und dasselbe Modell.

Also schloss ich die Ranglisten und öffnete stattdessen die Dropdown-Menüs. Dieser Abstand ist keine 5 Punkte. Dieser Abstand ist eine ganze Auflösungsstufe.

Die wichtigsten Erkenntnisse

• Alle drei Artificial-Analysis-Abstände (+5, +2, +9, Stand 6. August 2026) liegen innerhalb der Konfidenzintervalle von ±7 bis ±10. Bei der Rohqualität ist das ein Unentschieden, kein Sieg.
• H3 liefert 2K, bis zu 15 Sekunden und sechs Seitenverhältnisse. Die API von Gemini Omni Flash ist auf 720p, 10 Sekunden und zwei Seitenverhältnisse begrenzt. Das sind Enum-Werte, keine Meinungen.
• H3 akzeptiert Audio als Eingabe. Gemini nicht. Gemini hat seed und thinking_level. H3 hat beides nicht.
• Gemini hat einen dedizierten video-edit-Endpunkt, der deinen Quellclip verändert. H3s Revisionspfad ist reference-to-video, der mit deinem Clip als Referenz neu generiert. Es sind nicht dieselben Operationen, und Runde zwei zeigt das.
• Nur eines der beiden hat herunterladbare Gewichte, und es ist nicht das von Google.

---

Runde eins des MiniMax-H3-vs.-Gemini-Omni-Flash-Tests: Beide Modelle animieren denselben ersten Frame, nebeneinander gezeigt

Runde eins: gleicher erster Frame, gleicher Prompt, gleiche Dauer. Links MiniMax H3 in 2K, rechts Gemini Omni Flash in 720p. Hier als stummes GIF gezeigt; beide gelieferten Dateien haben nativen Ton und sind weiter unten als abspielbare Videos eingebettet. Genau das ist das Problem: Sie sind beide gut.

---

Warum der Ranglistenabstand zwischen MiniMax H3 und Gemini Omni Flash falsch gelesen wird

Fast jeder Beitrag über MiniMax H3 vs. Gemini Omni Flash, den du findest, zitiert eine Rangliste und einen Preis. Beide Gewohnheiten führen zur falschen Antwort.

Hier sind alle drei Artificial-Analysis-Ranglisten, mit der Spalte, die alle überspringen.

Tabelle A: MiniMax H3 vs. Gemini Omni Flash auf drei Artificial-Analysis-Ranglisten (mit Audio), Stand 6. August 2026

Elo-Zahlen von der Artificial Analysis Video Arena (Artificial Analysis, August 2026). Image-to-video wird von Dreamina Seedance 2.0 720p bei 1.197 angeführt, also hält keiner der beiden diese Krone. Es handelt sich um fortlaufende Publikumsabstimmungswerte, die sich bewegen, und genau deshalb ist ein Abstand von 5 Punkten kein Urteil.

Eine 5-Punkte-Führung mit einem ±9-Intervall bedeutet, dass sich die Platzierung allein durch Abstimmungsrauschen nächste Woche umdrehen kann. Das ist nicht „Gemini ist besser bei Text-to-video“. Das ist ein Münzwurf mit angeschlossener Anzeigetafel.

Drei weitere Dinge, die Leute falsch verstehen:

Die Dollar-pro-Minute-Spalte ist nicht das, was du zahlst. Artificial Analysis listet $6.00/min für Gemini und $7.80/min für H3. Diese Spalte normalisiert auf die Kosten einer Minute 1080p bei Standardeinstellungen. Gemini Omni Flash kann überhaupt kein 1080p erzeugen. Die Zahl ist also eine Modellschätzung, keine Rechnung. Vergleiche fertige Lieferobjekte, nicht Sekunden.

Eine Rangliste ist nicht das Modell. H3 liegt auf den drei Ranglisten auf Platz zwei, drei und eins. Gemini auf Platz eins, zwei und zwei. Zitiert man nur eine davon, kann man beweisen, was man ohnehin schon glaubte.

„Omni“ bedeutet nicht „frisst alles“. Es ist ein guter Name und ein irreführender. Eines dieser beiden nimmt Audiodateien als Eingabe. Es ist nicht das mit „omni“ im Namen.

Das MiniMax-H3-vs.-Gemini-Omni-Flash-Datenblatt, das niemand veröffentlicht

Wenn die Elo-Werte sie nicht trennen können, schaffen es die Einschränkungstabellen. Ich habe die Live-Eingabeschemata beider Modelle direkt abgerufen, statt irgendeinem Startbeitrag zu vertrauen, und die Unterschiede sind nicht subtil.

Tabelle B: MiniMax H3 vs. Gemini Omni Flash – harte Einschränkungen, aus den Live-API-Schemata vom 6. August 2026

Liest man diese Tabelle ehrlich, gewinnt Gemini drei Zeilen eindeutig. Reproduzierbare Seeds sind wichtig, wenn du eine Pipeline baust, die denselben Frame zweimal rendern muss. Ein echter video-edit-Endpunkt ist ein grundlegend anderes Werkzeug als referenzbedingte Neugenerierung. Und thinking_level gibt dir einen Qualitätsregler, den H3 schlicht nicht freigibt.

H3 gewinnt fünf Zeilen, und das sind genau die Zeilen, die entscheiden, ob du die Datei liefern kannst, die der Kunde bestellt hat.

Ich habe alles unten auf Atlas Cloud ausgeführt, weil dort beide Modelle hinter demselben /api/v1/model/generateVideo-Endpunkt liegen, was für den gesamten Test eine einzige Polling-Schleife und einen Auth-Header bedeutete. Der Wechsel des Modells war eine Änderung am model-String. Genau dieses Detail ist der Grund, warum „nutze beide“ eine realistische Antwort ist und keine Ausrede.

Tabelle C: Was jeder Endpunkt in diesem Test kostet, geprüft anhand der Live-Preisliste vom 6. August 2026

Keines der beiden Modelle hat in diesem Monat einen Rabatt. Gemini bietet außerdem eine günstigere Entwicklerstufe ($0.112/s für Text-to-video und Image-to-video, $0.12/s für reference-to-video); H3 hat keine gleichwertige Stufe.

Die Offene-Gewichte-Grenze, die Gemini Omni Flash nicht überschreiten kann. H3s Gewichte sind auf Hugging Face veröffentlicht (MiniMax, August 2026): ein 33B dichter Single-Stream-Omni-Transformer, dazu der Qwen3-VL-32B-Text-Encoder, ein visueller VAE und ein Audio-VAE. Zwei Einschränkungen sind wichtiger als die Downloadgröße. Erstens läuft das, was du selbst hostest, auf einer kurzen Seite von 768 Pixeln; die Context-IR-Vorverarbeitungsstufe und das Regenerate-2K-Modul sind nicht im Release enthalten, und 2K-Ausgabe kommt von diesen beiden. Zweitens deckt die Community-Lizenz derzeit die EU, das Vereinigte Königreich, Südkorea und die USA nicht ab, und für diese Gebiete gibt es ein separates Antragsformular. Lies sie, bevor du ein Produkt darauf aufbaust. Gemini Omni Flash hat kein entsprechendes Gespräch, weil es keine Datei zum Herunterladen gibt.

Diese Offene-Gewichte-Position, gepaart mit aggressiver Preisgestaltung, ist die gesamte strategische Geschichte des Launches (South China Morning Post, August 2026).

Führe den MiniMax-H3-vs.-Gemini-Omni-Flash-Revisionstest selbst durch

Hier ist der Teil, den niemand ausgeführt hat. Jeder benchmarkt die erste Generation. Niemand benchmarkt die zweite.

Echte Arbeit ist nicht ein einzelner Prompt. Echte Arbeit ist ein Clip, der dir schon gefällt, plus ein Kunde, der zurückschreibt: „Gefällt mir, kann das Schild 24H sagen und ihre Schürze rot sein?“ Genau an diesem einzigen Satz hören diese beiden Modelle auf, austauschbar zu sein, und genau das ist die Aufgabe, die das Video-Editing-Ranking misst.

Die Szene ist bewusst grausam: ein verregneter Nudelstand bei Nacht, die Verkäuferin spricht direkt in die Linse, hinter ihr ein handgemaltes Schild mit lesbaren Worten, Dampf von der Brühe, Regen auf dem Vordach. Ein Frame, der Lippen-Sync, Textstabilität im Bild, flüssige Bewegung und geschichtete Umgebungsgeräusche gleichzeitig fordert.

Beide Modelle erhalten denselben ersten Frame, denselben Prompt und dieselbe Revisionsanweisung. Jeder Lauf unten dauert 10 Sekunden, das ist die Obergrenze von Gemini Omni Flash und für H3 kein Problem.

Schritt 1: Lege den ersten Frame mit GPT Image 2 fest

Beide Modelle müssen vom selben Bild ausgehen, sonst misst Runde eins das Kompositionsglück und nicht das Modell. Öffne den GPT-Image-2-Playground, setze Qualität auf high und Seitenverhältnis auf 16:9, und füge Folgendes ein:

plaintextCopy
1Photoreal night street-food stall in heavy rain, shot on a 35mm lens at f/2.0. A woman in her late thirties in an indigo canvas apron stands behind a steaming noodle counter, looking straight into the lens, mid-sentence. Behind her a hand-painted tin light-box sign glows warm amber with the words "OPEN LATE" in clean bold sans-serif capitals. Rain streaks through the sodium streetlight, steam rises off the broth pot, wet asphalt reflects red and green neon from across the street. Shallow depth of field, practical lighting only, slight lens haze, natural skin texture, no text anywhere else in the frame. 16:9.

GPT-Image-2-Playground auf Atlas Cloud: links der Nudelstand-Prompt, im Ausgabefenster der generierte erste Frame

GPT Image 2 auf Atlas Cloud: links der Prompt, in OUTPUT der gemeinsame erste Frame. Kosten für diesen Schritt: $0.009.

Der generierte erste Frame: eine Frau in einer Indigo-Schürze hinter einem dampfenden Nudelstand bei Nacht im Regen, hinter ihr leuchtet ein handgemaltes OPEN-LATE-Schild

Der einzige Input, den beide Modelle erhielten. Beachte die zwei Dinge, auf die die Revision abzielen wird: das „OPEN LATE“-Schild und die Indigo-Schürze. Generiert mit openai/gpt-image-2/text-to-image.

Schritt 2: Runde eins auf MiniMax H3

Gehe zum MiniMax-H3-Playground, wähle die Aufgabe image-to-video, lade den Frame aus Schritt 1 hoch und setze resolution auf 2K, duration auf 10 und ratio auf adaptive (das image-to-video-Enum bietet nur adaptive). Prompt:

plaintextCopy
1The vendor looks into the lens and says, in a warm tired voice: "Broth's been on since four this morning. Sit down, it's still raining." She lifts the ladle as she speaks. Steam curls up across the frame. Rain keeps falling on the awning behind her. The camera holds still, no push, no pan. Ambient audio: rain on canvas, broth simmering, distant traffic, her voice close and dry.

MiniMax-H3-Image-to-Video-Playground auf Atlas Cloud: 2K ausgewählt, der fertige Clip läuft im Ausgabefeld

MiniMax-H3-Image-to-Video auf Atlas Cloud: 2K ausgewählt, der fertige Clip in OUTPUT. Dieser Screenshot lief mit der 8-Sekunden-Standardeinstellung des Playgrounds und kostete $1.12; die für den Vergleich verwendete 10-Sekunden-Version ist unten eingebettet und kostete $1.40.

A8bowsMJgME

MiniMax H3, Runde eins, 2K, 10 Sekunden. Ton an: Der Dialog, der Regen und die Brühe werden in einem Durchlauf erzeugt, nicht nachträglich übereinandergelegt.

Schritt 3: Runde eins auf Gemini Omni Flash, gleicher Frame, gleiche Worte

Öffne den Gemini-Omni-Flash-Playground, wähle image-to-video, lade denselben Frame aus Schritt 1 hoch und füge den Prompt aus Schritt 2 ein, ohne ein Zeichen zu ändern. Einstellungen: resolution 720p, duration 10, aspect_ratio 16:9, thinking_level default, seed -1.

Zwei Dinge solltest du in diesem Formular beachten, denn sie sind der Artikel im Miniaturformat. Das resolution-Dropdown enthält genau eine Option. Das Feld duration endet bei 10. Ich habe 720p nicht ausgewählt, weil es etwas Besseres gäbe; es gibt nichts anderes zu wählen.

Ein Hinweis, was hier fehlt: Ich konnte für keinen der beiden Gemini-Schritte einen Screenshot des abgeschlossenen Playground-Laufs erfassen. Die Staging-Umgebung, auf der ich Screenshots mache, lieferte bei allen drei Versuchen von Googles Seite 403 PERMISSION_DENIED. Die einzigen Gemini-Aufnahmen, die ich habe, zeigen also ein fehlgeschlagenes OUTPUT-Feld, und ich werde eine davon nicht als erfolgreichen Lauf ausgeben. Die Clips unten sind echt, über die Produktions-API mit den oben genannten Einstellungen erzeugt. Die beiden H3-Schritte ließen sich sauber erfassen, und diese Screenshots sind echt.

pllIxfhjUR4

Gemini Omni Flash, Runde eins, 720p, 10 Sekunden, identische Eingaben. Spiel das direkt nach dem H3-Clip oben ab und beurteile den Ton selbst.

Schritt 4: Runde zwei – Revision an Gemini Omni Flash senden

Das ist die Runde, die zählt. Wechsle auf demselben Gemini-Modell zur Aufgabe video-edit, lade den Clip, den Gemini selbst in Schritt 3 erzeugt hat, als video-Eingabe hoch, setze resolution 720p und thinking_level high (eine zweiteilige Bearbeitungsanweisung ist genau der komplexe Fall, für den dieser Regler gedacht ist). Füge diese Anweisung genau so ein, wie ein Kunde sie senden würde:

plaintextCopy
1Keep this exact shot: same camera position, same woman, same face, same rain, same lighting, same audio. Change the hand-painted sign so it reads "OPEN 24H" instead of "OPEN LATE", in the same painted style and the same amber glow. Change her apron from indigo blue to deep crimson. Change nothing else in the frame.

UKw9LEogi0I

Gemini Omni Flash nach der Revisionsanweisung. Beobachte das Schild, dann die Schürze, und prüfe dann, ob sich sonst etwas bewegt hat.

Schritt 5: Runde zwei – dieselbe Revision an MiniMax H3 senden

Hier ist der ehrliche strukturelle Unterschied, und du solltest ihn kennen, bevor du das Ergebnis liest. H3 hat keinen video-edit-Endpunkt. Sein Revisionspfad ist reference-to-video: Du gibst ihm den Originalclip als Referenz, und er generiert ein neues Video, das auf dieser Referenz basiert. Er bearbeitet deine Datei nicht. Er erstellt eine neue, die wie deine aussehen soll.

Wähle auf der MiniMax-H3-Seite die Aufgabe reference-to-video, füge den Clip, den H3 in Schritt 2 erzeugt hat, als Video-Referenz zu refers hinzu und setze dann resolution 2K, duration 10, ratio adaptive. Füge den Prompt aus Schritt 4 ohne jede Änderung ein.

Auch dieser Schritt hat keinen Playground-Screenshot, aus einem anderen und langweiligeren Grund: Der Headless-Browser, mit dem ich aufnehme, ist beim Laden einer Video-Referenz dreimal am Referenz-Uploader abgestürzt. Der Lauf selbst lief ohne Beschwerden durch die API.

TKIThp6r_oU

MiniMax H3 nach derselben Revisionsanweisung, per reference-to-video in 2K.

Side-by-Side-Vergleich von Runde zwei: das video-edit-Ergebnis von Gemini Omni Flash neben dem reference-to-video-Ergebnis von MiniMax H3, beide von derselben Revisionsanweisung

Runde zwei nebeneinander, stummes GIF. Links Gemini Omni Flash per video-edit, rechts MiniMax H3 per reference-to-video. Beide hatten denselben Satz als Grundlage.

Was in Runde zwei tatsächlich passiert ist. Ich ging davon aus, dass H3 diese Runde verliert. Referenzbedingte Neugenerierung ist ein stumpferes Werkzeug als ein echter Edit-Endpunkt, und „den ganzen Clip neu generieren und hoffen, dass er am selben Ort landet“ ist genau der Weg zu einem anderen Gesicht, einer driftenden Kamera und einem Kunden, der fragt, was mit dem Shot passiert ist.

Das kam nicht zurück. Beide Modelle haben die Aufgabe erledigt, und beide haben sie sauber erledigt.

Geminis video-edit verhielt sich genau wie beworben. Das Schild lautet OPEN 24H in derselben handgemalten Schrift, mit demselben bernsteinfarbenen Schein und derselben Verwitterung auf dem Blech. Die Schürze ist tief karmesinrot. Alles andere ist unangetastet: dasselbe Gesicht, derselbe Ausdruck, derselbe Kellenwinkel, dieselbe Dampfform, derselbe Regen, dieselben Rücklichter im Hintergrund. Es wirkt wie die Originaldatei mit Korrekturen, die nur zwei Pixel tief gehen, weil es im Wesentlichen genau das ist.

H3s reference-to-video produzierte dieselben zwei Änderungen und hielt den Shot weit besser, als es die Architektur vermuten lässt. Schild geändert, Schürze geändert, und über alle 10 Sekunden blieben Bildausschnitt, der Schwall Brühe von der Kelle, die Dampffahne und ihr Gesicht im Vergleich zum Runde-eins-Clip konsistent. Wenn es hier Drift gibt, konnte ich sie beim Durchgehen der Frames nicht finden.

Runde zwei ist also ein drittes statistisches Unentschieden, und ich werde nicht so tun, als wäre es anders, nur um eine ordentlichere Geschichte zu erzählen. Was die beiden Ausgaben unterscheidet, ist nicht die Bearbeitungsqualität. Sondern, dass H3 2560x1440 mit einer 32-kHz-Stereospur zurücklieferte und Gemini 1280x720. Gleiche Anweisung, gleicher Erfolg, anderes Lieferergebnis.

Ein ehrlicher methodischer Vorbehalt: Das ist eine einzelne Revision an einem einzelnen Shot, keine kontrollierte Studie. Eine zweiteilige Änderung an einem Schild und einem Kleidungsstück ist eine ziemlich freundliche Bearbeitung. Schwierigere Fälle (ein Objekt entfernen, an dem die Kamera vorbeizieht, etwas ändern, das das Subjekt verdeckt, vier Runden Notizen, die aufeinander aufbauen) sind der Punkt, an dem ein dedizierter Edit-Endpunkt sich absetzen sollte und an dem die Neugenerierung zu wackeln beginnen sollte. Führe deine eigenen Tests durch, bevor du entscheidest.

Drei weitere MiniMax-H3-vs.-Gemini-Omni-Flash-Unterschiede, die sich zu testen lohnen

Runde zwei ist der Unterschied, der eine Lieferung verändert. Drei weitere sind zwanzig Minuten deines eigenen Guthabens wert.

Gib ihr eine Audiodatei. H3s reference-to-video akzeptiert bis zu drei Audioclips von je 2 bis 15 Sekunden, solange mindestens eine Bild- oder Videoreferenz mitgeliefert wird. Das bedeutet, du kannst ihr eine echte Sprachaufnahme geben und die Figur sie performen lassen. Gemini Omni Flash hat auf keinem seiner vier Endpunkte ein Audioeingabefeld, daher kann dieser Vergleich überhaupt nicht durchgeführt werden. Das ist kein Punktverlust für Google; es ist eine Fähigkeit, die schlicht fehlt.

Verlange 21:9. Das ratio-Enum von H3s reference-to-video enthält 21:9, 16:9, 4:3, 1:1, 3:4 und 9:16. Das aspect_ratio-Enum von Gemini enthält 16:9 und 9:16. Wenn dein Liefergegenstand eine Widescreen-Titelsequenz oder ein 1:1-Social-Cut ist, ist eines dieser beiden Modelle nicht im Gespräch.

Einen Seed festlegen und erneut ausführen. Dieser Punkt geht in die andere Richtung. Gemini legt seed offen; H3 tut das auf keinem Endpunkt. Wenn du eine Pipeline baust, bei der dieselbe Anfrage am Dienstag dieselben Frames zurückgeben muss wie am Montag, gibt dir Gemini ein Werkzeug und H3 nichts. Für Regressionstests, A/B-Textvarianten oder jede automatisierte Renderfarm ist das ein echter Vorteil, und er gehört auf die Google-Seite der Bilanz.

Was ein MiniMax-H3-vs.-Gemini-Omni-Flash-Test tatsächlich kostet

Das gesamte Experiment oben – vier Video-Generierungen und ein Bild – belief sich auf etwa $5.51. Ein erster Frame für $0.009, zwei 10-Sekunden-Clips aus Runde eins für $1.40 und $1.30, zwei 10-Sekunden-Clips aus Runde zwei für je $1.40.

Pro Sekunde ist Gemini günstiger: $0.125 bis $0.14 gegenüber pauschal $0.14 für H3, also je nach Endpunkt etwa 7 bis 11 Prozent weniger. Diese Zahl ist wahr und für sich genommen fast nutzlos.

Hier ist der Grund. Angenommen, das Lieferobjekt ist ein 15-sekündiger 21:9-Kino-Opener in 2K. H3 rendert ihn als einen Clip. Gemini kann ihn überhaupt nicht rendern: nicht die Auflösung, nicht die Dauer, nicht das Seitenverhältnis. Du müsstest einen 10-Sekunden- und einen 5-Sekunden-16:9-Clip zusammennähen, das Bild zuschneiden, um das Widescreen vorzutäuschen, und 720p liefern. Der Sekundenpreis einer Sache, die du nicht liefern kannst, ist keine Ersparnis.

Dreh es um. Angenommen, das Lieferobjekt ist ein 16:9-Social-Cut, der durch vier Runden Kundenanmerkungen geht und in drei Wochen byte-identisch zurückkommen muss, wenn die Rechtsabteilung ein erneutes Rendern verlangt. Geminis video-edit plus seed ist genau für diesen Kreislauf gebaut und kostet dabei pro Sekunde weniger.

Tabelle D: Welcher MiniMax-H3-vs.-Gemini-Omni-Flash-Auftrag wohin gehört

Das Fazit dieses Artikels ist diese Tabelle, keine Punktzahl. Wenn ein Benchmark zwei Modelle nicht um mehr als seinen eigenen Fehlerbalken trennen kann, hat der Benchmark dir alles gesagt, was er weiß, und das Datenblatt übernimmt von dort an.

Für einen breiteren Blick darauf, wo H3 im Vergleich zum restlichen Feld steht, behandelt der MiniMax-H3-Alternativen-Überblick die Modelle, die es auf den Ranglisten schlagen, die es nicht anführt.

Häufig gestellte Fragen

Ist MiniMax H3 besser als Gemini Omni Flash?

Blindabstimmung kann sie nicht trennen. Auf drei Artificial-Analysis-Ranglisten betragen die Abstände 5, 2 und 9 Elo-Punkte, und jeder liegt innerhalb eines Konfidenzintervalls von ±7 bis ±10. Entscheide nach Spezifikationen, nicht nach Platzierung. Die Auflösungsobergrenze, das Dauerlimit und die Liste der Seitenverhältnisse verändern dein Lieferobjekt; 5 Elo-Punkte nicht.

Was ist günstiger, MiniMax H3 oder Gemini Omni Flash?

Pro Sekunde ist es Gemini. Auf Atlas Cloud kostet es $0.125 bis $0.14 pro Sekunde gegenüber pauschal $0.14 bei H3, mit einer Entwicklerstufe von $0.112 pro Sekunde, zu der H3 kein Äquivalent hat. Aber Gemini ist auf 720p, 10 Sekunden und zwei Seitenverhältnisse begrenzt, sodass du bei vielen Lieferobjekten nicht dasselbe Produkt vergleichst. Kalkuliere den fertigen Cut, nicht die Sekunde.

Kann Gemini Omni Flash 1080p, 2K oder 15-Sekunden-Videos erzeugen?

Nein. Der API-Parameter resolution hat genau einen gültigen Wert, 720p, und duration akzeptiert 3 bis 10 Sekunden. MiniMax H3 bietet 768P oder 2K und 4 bis 15 Sekunden. Das sind Enum-Einschränkungen, die am 6. August 2026 aus dem Live-Schema gelesen wurden, keine redaktionelle Meinung, und Google kann sie später aufheben.

Kann ich Gemini Omni Flash so selbst hosten wie MiniMax H3?

Nein. H3s Gewichte liegen auf Hugging Face und laufen lokal mit einer kurzen Seite von 768 Pixeln. Die Context-IR-Stufe und das Regenerate-2K-Modul, die die 2K-Ausgabe erzeugen, sind nicht im Release enthalten und bleiben auf der API-Seite. Überprüfe außerdem die Lizenz: Sie deckt derzeit die EU, das Vereinigte Königreich, Südkorea und die USA nicht ab, außer mit einem separaten Antrag.

Muss ich mich für nur eines entscheiden?

Nein, und die Tabelle mit der Aufteilung nach Aufgabe oben ist die bessere Antwort. Beide Modelle liegen hinter demselben generateVideo-Endpunkt auf Atlas Cloud, sodass der Betrieb beider eine Polling-Schleife und einen anderen model-String bedeutet, nicht zwei Integrationen. Nach Lieferobjekt zu routen ist besser, als auf eine Rangliste zu setzen, die sich jede Woche bewegt.