Un clip de 8 segundos de Veo 3.1 cuesta el triple que los mismos 8 segundos en MiniMax H3. En la tabla de clasificación de votación ciega de Artificial Analysis, está 145 Elo por detrás. Eso debería ser el final del artículo.
Excepto que la API de Veo 3.1 viene con la generación de audio desactivada. El parámetro es generate_audio, su valor predeterminado en el esquema es false, y nada en la respuesta te indica que el clip llegó en silencio. MiniMax H3 no tiene ese interruptor, porque H3 genera imagen y audio estéreo de 32 kHz en la misma pasada y siempre lo ha hecho. Así que una gran parte de las opiniones de "Veo se ve mejor" que circulan se construyeron poniendo un clip mudo de Google junto a un modelo chino que apareció con banda sonora.
Quería saber cómo se ve realmente esa brecha de 145 puntos. Así que cogí el formato más viral que Veo haya producido, el corte ASMR de fruta de vidrio, escribí un prompt y lo ejecuté en ambos modelos con todas las opciones al máximo que cada uno permite. Audio activado. Nada recortado.
Luego seguí hasta encontrar los tres lugares donde Google aún gana, porque existen y nadie que escribe estas comparaciones parece mencionarlos.
Conclusiones clave
- En la conversión de texto a video con audio de Artificial Analysis, MiniMax H3 puntúa 1.238 Elo frente a los 1.093 de Veo 3.1. Es una brecha de 145 puntos en votos ciegos (instantánea, 2026-08-06).
- El parámetro
generate_audiode Veo 3.1 tiene por defectofalseen el esquema de la API. Si llamas a la API y nunca lo tocas, estás comparando un clip silencioso de Veo con un clip de H3 que entrega estéreo por defecto.- H3 acepta cualquier segundo entero de 4 a 15. Veo 3.1 acepta 4, 6 u 8. Eso es un límite estructural, no una configuración.
- Veo 3.1 no aparece en la tabla de clasificación de edición de video de Artificial Analysis. H3 es el número uno en ella.
- Veo 3.1 aún gana en salida 4K, en reproducibilidad con
seedmásnegative_prompt, y Veo 3.1 Lite es genuinamente más barato que cualquier cosa que ofrezca H3 si 720p te basta.
MiniMax H3 vs Veo 3.1, un Prompt, tres Tomas Seguidas
Un prompt, tres tomas, en orden: MiniMax H3 a 2K, Veo 3.1 a 1080p con audio explícitamente activado, Veo 3.1 Lite a 720p. Cada segmento mantiene su propia pista de audio nativa, así que sube el volumen. Observa el último segundo de cada toma y mira lo que el modelo más barato hace con los bordes de su fotograma final.
Un set de macrofilmación con una sandía de vidrio cristal sobre pizarra mojada y dos monitores de producción mostrando la misma toma de rodaja_La configuración que realmente se usó en este artículo: un spot de producto ASMR, dos modelos, una clave de API. Generado con openai/gpt-image-2/text-to-image._
Por qué MiniMax H3 vs Veo 3.1 es de repente la única comparación que vale la pena
MiniMax H3 llegó en julio de 2026 e hizo algo que ningún otro modelo en el tablero ha logrado. Aterrizó en los tres primeros puestos de las tres arenas de video de Artificial Analysis en cuestión de semanas, y lo hizo como la única entrada de pesos abiertos cerca de la cima.
Aquí está dónde están realmente los dos modelos, extraídos en vivo en lugar de citados de un comunicado de prensa (Artificial Analysis, agosto de 2026):
Tabla A: Arena de Video de Artificial Analysis, instantánea 2026-08-06
| Tabla de clasificación | MiniMax H3 | Veo 3.1 | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|---|
| Texto a video (con audio) | 1.238 (banda de rango 1-2, 6.830 votos) | 1.093 (banda 11-15, 8.536 votos) | 1.091 | 1.089 |
| Imagen a video | 1.189 (banda 1-3) | 1.084 (banda 8-12) | 1.077 | 1.065 |
| Edición de video | 1.132 (rango 1) | no está en la tabla | no está en la tabla | no está en la tabla |
| Precio de lista del proveedor, por minuto de 1080p | $7.80 | $24.00 | $9.00 | $4.80 |
| Pesos abiertos | Sí | No | No | No |
Tres cosas en esa tabla merecen más atención de la que reciben.
La brecha de 145 puntos está en el tablero de audio. En texto a video con audio, solo Gemini Omni Flash (1.243) está por delante de H3, y está dentro del mismo grupo de empate estadístico. Veo 3.1 es undécimo. Los votantes que escucharon ambos clips eligieron a H3 sobre Veo por un amplio margen.
Veo 3.1 no está en la tabla de clasificación de edición de video. Ese tablero tiene ocho modelos y H3 es primero, nueve puntos por delante de Gemini Omni Flash. Google no perdió esa comparación, simplemente no participó en ella. Si tu flujo de trabajo es "generar, luego cambiar una cosa en la toma", esa distinción no te ayuda.
El propio anuncio de MiniMax exagera un número, así que no lo repitas. La línea oficial dice que H3 lidera el segundo lugar en el tablero de edición por 93 puntos. El segundo lugar es Gemini Omni Flash con 1.123, que está a 9 puntos de H3. La cifra de 93 puntos es la brecha con Dreamina Seedance 2.0 con 1.037, que está en quinto lugar. Ambos números son reales, solo que pertenecen a filas diferentes.
Por qué la mayoría de los enfrentamientos directos se equivocan
Tres modos de fallo, en orden descendente de frecuencia con que los vi:
- El Veo silencioso.
generate_audiotiene por defectofalseen el esquema de la API de Veo 3.1. Un desarrollador que nunca lo toca obtiene un clip mudo y luego lo puntúa contra la mezcla estéreo de H3. Eso no es una comparación de modelos, es un error de configuración. Vale la pena saberlo: el playground web de Atlas Cloud activa el interruptor por ti, así que la trampa afecta a quienes llaman a la API directamente, que es la mayoría de los que publican evaluaciones comparativas. - Resolución no coincidente. La resolución predeterminada de H3 en la API es
2K, pero muchas pruebas lo ejecutan a768Ppor velocidad y luego colocan el resultado junto a un fotograma de Veo a 1080p. - Limitar H3 a 8 segundos para ser justos. No es justo, descarta casi la mitad del rango de duración de H3 por el bien de una tabla ordenada.
Y para ser honestos, los propios puntos débiles de H3 son reales: llenar las ranuras de referencia tiende a aflojar la adherencia al prompt en lugar de apretarla, su nivel 2K es genuinamente lento, y el propio MiniMax no lo posiciona como un modelo de cine o animación. En esta ejecución, H3 también se inclinó hacia un estilo estilizado, interpretando el brief como fotografía de producto de cristal tallado pulido en lugar del objeto hiperrealista que produjo Veo.
MiniMax H3 vs Veo 3.1: Especificaciones, Comportamiento de Audio y lo que Compra un Segundo
El método aquí es deliberadamente aburrido: un prompt, tres endpoints, una clave de API, sin edición. Ambas familias están alojadas lado a lado en Atlas Cloud, que es la única razón por la que es posible una ejecución con el mismo prompt sin dos cuentas de facturación separadas y dos dialectos de parámetros diferentes que reconciliar. Esa es toda la mención del producto. Los modelos son el tema.
Tabla B: matriz de capacidades, de los esquemas de API en vivo
| MiniMax H3 | Veo 3.1 | Veo 3.1 Lite | |
|---|---|---|---|
| Duración | Cualquier segundo entero, de 4 a 15 | 4, 6 u 8 | 4, 6 u 8 (1080p fuerza 8) |
| Resolución | 768P o 2K | 720p, 1080p, 4k | 720p, 1080p |
| Relación de aspecto | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 | Solo 16:9 o 9:16 | Solo 16:9 o 9:16 |
| Audio | Nativo, siempre activo, estéreo 32 kHz, sin interruptor y sin recargo | generate_audio, por defecto false | Siempre activo, sin interruptor |
| Entradas de referencia | refers[]: cualquier mezcla de imágenes, video y audio, de 4 a 15 segundos | images: 1 a 3, y duración bloqueada a 8 | Ninguna |
| seed | No | Sí | Sí |
| negative_prompt | No | Sí | No |
| Pesos abiertos | Sí, en Hugging Face | No | No |
| Precio en Atlas Cloud, por segundo | $0.14 a 2K, $0.10 a 768P | $0.20 silencioso, $0.40 con audio | $0.05, audio incluido |
Lee las dos últimas filas juntas y obtienes la línea más nítida de toda esta comparación:
MiniMax H3 con el sonido activado es más barato que Veo 3.1 con el sonido desactivado. $0.14 por segundo frente a $0.20.
La propia lista de precios de Google coincide en el techo. Veo 3.1 cuesta $0.40 por segundo a 720p y 1080p con audio incluido como tarifa predeterminada, subiendo a $0.60 a 4K (Documentos de precios de la API de Gemini de Google, agosto de 2026). Atlas lo divide en un nivel silencioso a $0.20 y un nivel de audio a $0.40, por lo que en el momento en que cambias generate_audio a true, tu costo por segundo se duplica. H3 no tiene una palanca equivalente, porque no hay nada que activar.
Una asimetría más que vale la pena señalar antes de la ejecución: tanto resolution como duration de H3 son campos obligatorios en sus tres endpoints, y su ratio de texto a video tiene por defecto 1:1. Envía un prompt simple y obtienes un video cuadrado. Veo establecerá por defecto de forma útil un clip 16:9 a 720p razonable.
MiniMax H3 vs Veo 3.1, Mismo Prompt, Ambos Modelos: La Ejecución Completa
Un prompt para los tres modelos, ni una palabra cambiada entre ellos. Está construido para estresar cuatro cosas a la vez: física de vidrio hiperrealista, que es el territorio natal de Veo; foley nativo sincronizado con la rotura; una sola línea de voz en off humana; y un cartel de tipo tercio inferior que aparece en el último segundo, que es donde H3 afirma tener una ventaja.
Copia esto textualmente.
Plain1Toma ASMR macro extrema, 16:9. Una sandía hiperrealista tallada en vidrio cristal 2claro descansa sobre una losa de pizarra negra mojada. Un cuchillo de chef con 3pulido espejo presiona y corta limpiamente a través de ella en un movimiento lento 4y continuo; el vidrio se separa con un crujido resonante y un rocío de pequeños 5fragmentos translúcidos que se dispersan y tintinean sobre la pizarra. Luz de borde 6azul fría desde la izquierda, una luz práctica cálida detrás. Macro 100 mm, 7profundidad de campo reducida, avance lento. Sonido: el crujido nítido del vidrio 8bajo la hoja, fragmentos que tintinean sobre la piedra, tono de sala bajo. Una voz 9femenina tranquila dice: "Corte limpio. Cada vez." En el último segundo, un tipo 10sin serifa blanco nítido aparece en la parte inferior tercera leyendo CORTE LIMPIO.
Paso 1: MiniMax H3 Texto a Video a 2K
Abre MiniMax H3 Texto a Video, pega el prompt, luego configura tres campos que importan:
- Resolución:
2K. Campo obligatorio. Este es el nivel superior, 2560x1440 entregado en una solicitud 16:9. - Duración:
8. Campo obligatorio. Igualado al techo de Veo para que la primera comparación sea comparable. - Relación:
16:9. Este es el que la gente se salta. El valor predeterminado es1:1, y texto a video rechazaadaptivedirectamente con un 400. Si lo dejas, obtienes un clip cuadrado.
No hay campo de semilla ni campo de prompt negativo. Obtienes lo que el muestreador te da, y tu único control es el prompt.
Facturación: 8 segundos a $0.14 = $1.12, audio incluido. Presupuesta también paciencia: este trabajo tomó 455 segundos de principio a fin. Intenté cuatro veces capturar la ejecución del playground terminada para este paso y la cola de 2K superó la sesión del navegador cada vez, así que aquí está la salida de la API en su lugar, al 100% sin re-muestreo.
Un recorte al 100% de la salida 2K de MiniMax H3 que muestra un tipo nítido en el tercio inferior y facetas de vidrio resueltas_MiniMax H3, 2K, 8s, 16:9, recortado 1:1 del fotograma 2560x1440 entregado. Los bordes del tipo están limpios, los fragmentos de vidrio individuales sobre la pizarra mantienen sus facetas, y este es el nivel en el que se emitieron los votos de la tabla de clasificación._
Paso 2: Veo 3.1 Texto a Video, con Audio Activado
Abre Veo 3.1 Texto a Video y pega el prompt idéntico. Configuraciones:
- Resolución:
1080p. La enumeración de Veo también ofrece4k, que H3 no puede igualar. Es útil saberlo: 720p y 1080p facturan a la misma tarifa, así que 1080p es una mejora gratuita. - Duración:
8. El máximo. - Relación de aspecto:
16:9. Solo existen 16:9 y 9:16 aquí. generate_audio:true. Este es el paso que internet se salta. El valor predeterminado del esquema esfalse, y un retorno silencioso no parece un error.negative_prompt:borroso, texto distorsionado, dedos extras, desenfoque de movimiento en el tipo. Control adicional gratuito que H3 no ofrece.seed:12345. También sin H3. Google te da un mango de repetibilidad.
Facturación: 8 segundos a $0.40 = $3.20 con audio activado. Si dejas generate_audio desactivado, el mismo clip cuesta $1.60 y es silencioso.
Playground de Veo 3.1 texto a video en Atlas Cloud con el interruptor Generar Audio activado y el clip terminado reproduciéndose en el panel de salida_Veo 3.1, ejecución completada. El interruptor Generar Audio está activado y el botón Ejecutar muestra $3.2, que son 8 segundos a la tarifa de audio. Esta captura se dejó en el valor predeterminado de la página de 720p, que factura de manera idéntica a 1080p; el clip de 1080p en este artículo provino del mismo prompt a través de la API. Observa los dos campos vacíos, Prompt Negativo y Semilla, para los que MiniMax H3 no tiene equivalente._
Paso 3: Veo 3.1 Lite, el Asiento Barato
Abre Veo 3.1 Lite Texto a Video, el mismo prompt de nuevo. Configuraciones: 720p, 8 segundos, 16:9, seed 12345.
Observa lo que falta en esta página: no hay interruptor de audio, porque Lite siempre genera audio. Observa también la única trampa en su esquema: 1080p en Lite fuerza la duración a 8, por lo que un clip Lite de 4 segundos a 1080p no existe.
Facturación: 8 segundos a $0.05 = $0.40. Ese es el clip terminado más barato con sonido en todo este artículo, incluido H3.
Playground de Veo 3.1 Lite en Atlas Cloud a 720p sin control de alternancia de audio presente, clip terminado en el panel de salida_Veo 3.1 Lite a 720p. No hay ningún control generate_audio en esta página, que es el punto._
Paso 4: Puntuación de MiniMax H3 vs Veo 3.1 en Cinco Ejes
Sin llamadas de modelo en este paso, sin costo. Para ser exactos sobre lo que es esto: una toma por modelo, primer intento, sin repeticiones. Es una lectura comparable de tres clips, no un estudio de tasa de retención.
Tabla D: lo que realmente regresó, una toma cada uno
| Eje | MiniMax H3 2K | Veo 3.1 1080p | Veo 3.1 Lite 720p | Qué lo decidió |
|---|---|---|---|---|
| Física y realismo del vidrio | Limpio pero estilizado | Mejor | Medio | Veo produjo un objeto de vidrio creíble con un plano de corte real y polvo sobre la pizarra. H3 representó un adorno de cristal tallado facetado, más cercano a CGI de producto que a una cosa fotografiada. |
| Lectura literal del brief | Medio | Medio | Mejor en el objeto | Solo Lite le dio a la sandía de vidrio una cáscara verde y semillas oscuras. H3 y Veo omitieron la lectura de sandía e hicieron una esfera de cristal genérica. |
| Tipo en pantalla | Mejor | Bueno | Pobre | Los tres representaron CORTE LIMPIO de forma legible, que es más raro de lo que parece. Solo H3 a 2K lo puso en el tercio inferior en el último segundo como se pidió. Lite lo amplió en medio del fotograma y lo trajo temprano. |
| Adherencia general al prompt | Mejor | Medio | Peor | El brief decía macro extrema, sin personas. H3 se mantuvo limpio. Veo añadió una mano no solicitada. Lite inventó dos mujeres idénticas en recortes de retrato a juego en ambos bordes del fotograma final. |
| Utilizable en el primer intento | Sí | Sí | No | El fotograma de Lite arriba no se puede arreglar en postproducción. |
Fotogramas emparejados de las tomas de MiniMax H3 y Veo 3.1 en el momento en que aparece el tipo en el tercio inferior
El mismo momento en ambas tomas, el fotograma donde aparece CORTE LIMPIO. Izquierda MiniMax H3 a 2K, derecha Veo 3.1 a 1080p con audio activado. El vidrio de Veo se lee más como un objeto fotografiado; el tipo de H3 es más nítido y está colocado correctamente.
El eje de audio es una cuestión de escucha, así que el reel de arriba es donde lo juzgas. Lo que es medible: los tres devolvieron una pista estéreo continua sin parches muertos de más de 0,6 segundos. H3 entrega estéreo de 32 kHz y mezcla fuerte, nivel medio cerca de -18 dB con picos que tocan 0 dBFS. Veo 3.1 entrega estéreo de 48 kHz a una media conservadora alrededor de -31 dB. La pista de H3 es aproximadamente 13 dB más fuerte, lo que suena como una mezcla más acabada directamente del modelo y también te deja mucho menos espacio de cabeza para graduar.
Paso 5: La Toma de 15 Segundos que Veo 3.1 Estructuralmente No Puede Hacer
Misma página que el Paso 1, mismo prompt, dos campos cambiados: Duración 15, Resolución 768P, relación sigue siendo 16:9. Sin nueva captura de pantalla, es el mismo playground.
Este es el paso que no tiene contraparte en Veo. La enumeración duration de Veo 3.1 es [4, 6, 8] en cada uno de sus endpoints, y no hay ningún plan, nivel o bandera que lo aumente. La propia respuesta de Google para querer más es una función separada de extensión de video (Documentos de generación de video de Google, agosto de 2026), lo que significa generar bloques de 8 segundos y unirlos, lo que implica igualar la graduación y el audio a través de las costuras. H3 te da una toma continua con una cama de audio continua.
Facturación: 15 segundos a $0.10 = $1.50, que es menos de la mitad del costo de un solo clip de 8 segundos de Veo 3.1 con audio.
MiniMax H3, 768P, 15 segundos, una toma ininterrumpida con una cama de audio ininterrumpida. Sonido activado. Veo 3.1 no tiene ninguna configuración que produzca este archivo. Observa el grabado que H3 inventa a lo largo de la hoja: el tipo especificado lo renderiza limpiamente, el tipo inventado es un sinsentido.
Dos notas honestas sobre esta toma. Se ejecutó en 485 segundos, el trabajo más lento del artículo, y su cama de audio es notablemente más escasa que la versión de 8 segundos, con vacíos reales alrededor de las marcas de tres y once segundos. Más largo está disponible, pero más largo no está libre de consecuencias.
Gasto total para los cuatro pasos del tutorial: $1.12 + $3.20 + $0.40 + $1.50 = $6.22, un solo intento por modelo, sin repeticiones. La ejecución adicional de 8 segundos a 768P utilizada en la siguiente sección añadió $0.80, y las capturas del playground fueron ejecuciones pagadas separadas además de eso.
MiniMax H3 vs Veo 3.1: Donde H3 Supera lo que Google Permite
Cuatro capacidades en el lado de H3 de la tabla que no son versiones más lentas o más baratas de las funciones de Veo, sino cosas que Veo no expone en absoluto.
21:9 scope. La enumeración ratio de H3 incluye 21:9, 4:3, 1:1 y 3:4 junto con el par habitual. Veo 3.1 y Lite ofrecen 16:9 o 9:16 y nada más. Si estás cortando un teaser en formato teatral, uno de estos modelos puede encuadrarlo de forma nativa y el otro necesita un recorte.
Referencias que no son solo imágenes. El endpoint de reference-to-video de H3 toma un array refers[] que mezcla referencias de imagen, video y audio para anclar un aspecto, y mantiene el rango completo de 4 a 15 segundos mientras lo hace. El reference-to-video de Veo 3.1 toma un array images limitado a 3 entradas y su enumeración duration se reduce a [8], por lo que hacer referencia te bloquea a ocho segundos. Una precaución de la experiencia: cargar las ranuras de referencia de H3 al máximo tiende a alejar la salida del prompt en lugar de acercarla, así que construye gradualmente.
2K es un re-renderizado, no un upscale. Esto me sorprendió y no lo he visto escrito en ninguna parte. Ejecuta el prompt idéntico en H3 texto a video a 768P y a 2K y no obtienes la misma película en dos tamaños. Obtienes dos películas diferentes. En esta ejecución, la toma a 768P dejó la sandía entera y erguida con una vela ardiendo detrás y puso el tipo en medio del fotograma en la marca de cuatro segundos. La toma a 2K partió la sandía en tres pedazos, movió la luz de fondo y colocó el tipo pequeño en el tercio inferior en el último segundo, como estaba escrito. Mismo prompt, misma relación, mismo muestreador sin semilla.
Fotogramas lado a lado de la misma ejecución de prompt a 768P y a 2K en MiniMax H3, mostrando diferente escenografía en lugar de la misma toma en dos tamaños_Mismo prompt, mismo modelo, misma relación, 768P a la izquierda y 2K a la derecha, ambos en la misma marca de tiempo. Diferente puesta en escena, diferente luz, diferente tratamiento del tipo. Si necesitas que la composición sobreviva entre niveles, bloquea el primer fotograma con image-to-video en su lugar._
Sin recargo de audio, nunca. Dicho claramente porque cambia la forma en que presupuestas: no existe una versión de un clip de H3 que cueste menos por ser silencioso, y no existe una versión de un clip de Veo 3.1 que tenga sonido al precio silencioso.
Para mantener el libro de contabilidad honesto, tres lugares donde Google realmente gana y H3 no tiene respuesta:
- 4K. La enumeración de resolución de Veo 3.1 incluye
4k. H3 tiene un máximo de 2K. Si un contrato de cliente dice máster 4K, esta comparación termina aquí. seedynegative_prompt. Veo te permite ajustar la repetibilidad y prohibir explícitamente modos de fallo. H3 no te da ninguna de las dos. En una sesión donde necesitas repetir un casi acierto sin perder todo el aspecto, esa brecha duele.- Velocidad, más o menos. La documentación del modelo de Veo 3.1 cita aproximadamente 2 a 3 minutos para un clip de 8 segundos a 1080p. En esta ejecución, enviados de forma concurrente, H3 a 2K tomó 455 segundos y Veo 3.1 a 1080p tomó 462 segundos, por lo que estuvieron efectivamente empatados y ambos muy por encima de la cifra citada. Veo 3.1 Lite terminó en 237 segundos, menos de la mitad de cualquiera. Si estás iterando en vivo frente a un cliente, Lite es el único de los tres que sigue el ritmo, y esa es una ventaja real que el precio por segundo no muestra.
Lo que Cuesta un Anuncio Terminado en MiniMax H3 vs Veo 3.1
Los precios por segundo no son lo que gastas. Lo que gastas es el precio por segundo multiplicado por los clips que desechaste. La columna de 30 segundos a continuación aplica una relación de retención de 3:1, tres generaciones por toma utilizable, que es una suposición de trabajo de la práctica de producción normal en lugar de algo medido en esta ejecución. Trátalo como un factor de escala, no como un punto de referencia.
Tabla C: costo real por spot entregado, precios de Atlas Cloud a agosto de 2026, sin descuentos activos
| Endpoint y nivel | $/segundo | Un clip de 8s | Spot de 30s con relación de retención 3:1 | Audio |
|---|---|---|---|---|
| MiniMax H3, 2K | $0.14 | $1.12 | $12.60 | Siempre activo |
| MiniMax H3, 768P | $0.10 | $0.80 | $9.00 | Siempre activo |
| Veo 3.1, silencioso | $0.20 | $1.60 | $18.00 | Desactivado |
| Veo 3.1, audio activado | $0.40 | $3.20 | $36.00 | Activado |
| Veo 3.1 Lite, 720p | $0.05 | $0.40 | $4.50 | Siempre activo |
Dos conclusiones, y la segunda no es la que esperaba escribir.
Si necesitas 2K, o más de 8 segundos, o una relación de aspecto que no sea 16:9 y 9:16, o audio nativo sin recargo, H3 gana en costo por un amplio margen. Un spot de 30 segundos en el nivel superior de H3 termina cerca de un tercio del mismo spot en Veo 3.1 con sonido.
Si 720p y 8 segundos son genuinamente suficientes, Veo 3.1 Lite es lo más barato aquí, y no está cerca. A $0.05 por segundo es la mitad del nivel más barato de H3, el audio está incluido sin interruptor que olvidar, y fue el doble de rápido que cualquiera de los buques insignia. Cualquiera que te diga que H3 es incondicionalmente la opción barata no ha mirado la fila de Lite. Google también lista Veo 3.1 Fast en el medio, a $0.10 por segundo a 720p en su propia lista de precios, aunque el catálogo de Atlas y su página de modelo citan cifras diferentes para ese nivel, así que trata el número exacto de Fast como no resuelto.
La trampa es lo que compras con el descuento. Este es el último fotograma que Lite devolvió en el primer intento:
Fotograma final de la toma de Veo 3.1 Lite, con dos mujeres alucinadas idénticas en recortes de retrato en ambos bordes del fotograma_Veo 3.1 Lite, fotograma final, primer intento. El prompt mencionaba una voz femenina; Lite decidió mostrarla, dos veces, en recortes a juego. También le dio a la sandía la mejor cáscara verde y semillas de los tres modelos, que es lo que hace que esto sea frustrante en lugar de simplemente malo._
Esa es la forma honesta del nivel barato. Leyó el objeto mejor que cualquiera de los buques insignia y luego rompió la toma de una manera que no puedes arreglar en postproducción. Barato por segundo no es barato por clip utilizable si la tasa de fallos se mueve, así que si optas por Lite, presupuesta repeticiones en lugar de asumir el precio de etiqueta.
Pesos Abiertos, Territorios Excluidos y la Parte que Nadie Lee
Los pesos están realmente publicados. MiniMaxAI/MiniMax-H3 en Hugging Face es un Transformer omni denso de flujo único de 33B parámetros en BF16, que viene con dos puntos de control listos, el codificador de texto completo Qwen3-VL-32B y dos autoencoders. Si descargas todo, son aproximadamente 499 GB. Es el buque insignia actual, no una versión retirada, y entre los primeros puestos de cada tabla de video de Artificial Analysis, es la única entrada de pesos abiertos.
Luego lees la licencia, y está haciendo más trabajo de lo que sugiere "pesos abiertos" (Hugging Face, agosto de 2026):
- §I.5 define Territorios Excluidos como la Unión Europea, el Reino Unido, la República de Corea y los Estados Unidos de América. La concesión se aplica en todo el mundo excepto allí.
- §V.4 va más allá del despliegue. No puedes usar, reproducir, modificar, distribuir o mostrar las obras o cualquiera de sus Salidas fuera del Territorio Aplicable.
- §IV.1 requiere autorización previa por escrito separada si tus productos comerciales superan los $20 millones de ingresos anuales.
- §IV.2 requiere que muestres "MiniMax H3" de manera prominente en la interfaz de usuario de cualquier producto comercial construido sobre él.
MiniMax no ha dejado eso colgando. El repositorio incluye un Q&A de licencia y un formulario de solicitud, y la licencia dice que la empresa seguirá evaluando esas jurisdicciones e invita a las partes interesadas a solicitar. Así que el encuadre preciso es "todavía no, pregúntanos", no "prohibido para siempre". Sigue siendo una pregunta que pasar por el departamento legal antes de planificar un producto en EE. UU. o la UE alrededor de los pesos locales.
Y los pesos locales no son la API. H3-Base autoalojado renderiza en un borde corto de 768 píxeles; la ruta 2K pasa por una etapa de regeneración separada en el lado de la API. Los pesos abiertos te compran un modelo de 768p que controlas, no el modelo 2K que ganó esos votos.
Una cosa que no pude resolver: si la salida de Veo 3.1 lleva una marca de agua SynthID cuando se sirve a través de una API de terceros. Trátalo como no verificado. Los archivos H3 en esta ejecución no llevaban ninguna marca de agua visible.
Preguntas Frecuentes
¿Es MiniMax H3 realmente mejor que Veo 3.1?
En votos ciegos con audio, sí, por 145 Elo en texto a video de Artificial Analysis, y H3 es primero en la tabla de edición de video en la que Veo 3.1 no aparece. También cuesta menos por segundo con el sonido activado que Veo con el sonido desactivado. Veo 3.1 aún gana en salida 4K y en control de seed más negative_prompt.
¿Por qué mi video de Veo 3.1 está en silencio?
Porque generate_audio tiene por defecto false en Veo 3.1 y Veo 3.1 Fast. Ajústalo a true explícitamente. Ten en cuenta que esto duplica tu costo por segundo, de $0.20 a $0.40 en Atlas Cloud. MiniMax H3 no tiene ese parámetro, ya que el audio se genera en la misma pasada que la imagen. Veo 3.1 Lite también genera audio siempre.
¿Puede MiniMax H3 hacer clips más largos que los 8 segundos de Veo 3.1?
Sí. H3 acepta cualquier segundo entero de 4 a 15 como una sola toma continua, ambos campos obligatorios en la solicitud. La enumeración de duración de Veo 3.1 es [4, 6, 8], fijo. Para ir más allá en Veo, hay que generar bloques de 8 segundos y extenderlos o unirlos, luego igualar la graduación y el audio a través de las uniones.
MiniMax H3 tiene pesos abiertos. ¿Eso lo hace gratuito?
No en el sentido que la mayoría entiende. La descarga completa pesa unos 499 GB, H3-Base autoalojado renderiza en un borde corto de 768 píxeles, y 2K necesita la etapa de regeneración del lado de la API. La licencia comunitaria también excluye la UE, el Reino Unido, Corea del Sur y EE. UU., y esa restricción cubre las salidas, no solo el despliegue, con un canal de autorización formal abierto para esas regiones.
¿Qué es más barato para un anuncio terminado de 30 segundos, MiniMax H3 o Veo 3.1?
H3 a 2K sale alrededor de $12.60 para un spot de 30 segundos con una relación de retención de 3:1, frente a aproximadamente $36.00 para Veo 3.1 con audio activado. Pero Veo 3.1 Lite supera a ambos con alrededor de $4.50 si 720p y bloques de 8 segundos son aceptables. La ventaja de costo de H3 es condicional a querer 2K, tomas más largas, una elección más amplia de relación de aspecto o audio gratuito.
¿Hace MiniMax H3 4K como Veo 3.1?
No. La enumeración de resolución de H3 es solo 768P y 2K. La de Veo 3.1 incluye 4k, a $0.60 por segundo en los precios propios de Google, y Veo 3.1 Lite explícitamente no soporta 4K tampoco. Si un máster 4K es contractual, Veo 3.1 estándar es el único de estos tres que lo ofrece.
