Un clip Veo 3.1 de 8 secondes coûte trois fois plus cher que les mêmes 8 secondes sur MiniMax H3. Sur le classement des votes à l'aveugle d'Artificial Analysis, il se situe 145 Elo derrière. Cela devrait être la fin de l'article.
Sauf que l'API de Veo 3.1 livre la génération audio désactivée. Le paramètre est generate_audio, sa valeur par défaut dans le schéma est false, et rien dans la réponse ne vous indique que le clip est revenu silencieux. MiniMax H3 n'a pas d'interrupteur de ce type, car H3 génère l'image et le son stéréo 32kHz dans la même passe et l'a toujours fait. Ainsi, une grande partie des avis "Veo a l'air meilleur" qui circulent ont été construits en plaçant un clip Google muet à côté d'un modèle chinois qui apparaissait avec une bande sonore.
Je voulais voir à quoi ressemble réellement cet écart de 145 points. J'ai donc pris le format le plus viral jamais produit par Veo, le montage ASMR de fruits en verre, j'ai écrit un prompt, et je l'ai exécuté sur les deux modèles avec tous les réglages poussés au maximum possible pour chacun. Audio activé. Rien de réduit.
Ensuite, j'ai continué jusqu'à trouver les trois endroits où Google gagne encore, car ils existent et personne n'écrivant ces comparaisons ne semble les mentionner.
Points clés à retenir
- Sur le test text-to-video avec audio d'Artificial Analysis, MiniMax H3 obtient 1 238 Elo contre 1 093 pour Veo 3.1. C'est un écart de 145 points sur les votes à l'aveugle (instantané, 2026-08-06).
- Le paramètre
generate_audiode Veo 3.1 est par défaut àfalsedans le schéma de l'API. Si vous appelez l'API sans jamais le définir, vous comparez un clip Veo silencieux à un clip H3 qui livre le son stéréo par défaut.- H3 accepte n'importe quelle seconde entière de 4 à 15. Veo 3.1 accepte 4, 6 ou 8 secondes. C'est un plafond structurel, pas un réglage.
- Veo 3.1 n'apparaît pas du tout sur le classement d'édition vidéo d'Artificial Analysis. H3 est numéro un sur ce classement.
- Veo 3.1 gagne toujours sur la sortie 4K, sur la reproductibilité avec
seedetnegative_prompt, et Veo 3.1 Lite est vraiment moins cher que tout ce que propose H3 si la 720p vous suffit.
MiniMax H3 vs Veo 3.1, un Prompt, Trois Prises Consécutives
laLbhPPVt_g
Un prompt, trois prises, dans l'ordre : MiniMax H3 en 2K, Veo 3.1 en 1080p avec audio explicitement activé, Veo 3.1 Lite en 720p. Chaque segment conserve sa propre piste audio native, alors activez le son. Regardez la dernière seconde de chaque prise, et regardez ce que le modèle le moins cher fait aux bords de son image finale.
Un plateau de film macro avec une pastèque en verre cristal sur de l'ardoise humide et deux moniteurs de production diffusant la même prise de coupe_Le décor de cet article : un spot produit ASMR, deux modèles, une clé API. Généré avec openai/gpt-image-2/text-to-image._
Pourquoi MiniMax H3 vs Veo 3.1 est soudainement la seule comparaison qui vaille la peine
MiniMax H3 est arrivé en juillet 2026 et a fait ce qu'aucun autre modèle sur le tableau n'avait fait. Il s'est classé dans le top trois des trois arènes vidéo d'Artificial Analysis en quelques semaines, et il l'a fait en étant la seule entrée en poids ouverts proche du sommet.
Voici où les deux modèles se situent réellement, extraits en direct plutôt que cités d'un communiqué de presse (Artificial Analysis, août 2026) :
Tableau A : Arena vidéo Artificial Analysis, instantané 2026-08-06
| Classement | MiniMax H3 | Veo 3.1 | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|---|
| Texte vers vidéo (avec audio) | 1 238 (bande de rang 1-2, 6 830 votes) | 1 093 (bande 11-15, 8 536 votes) | 1 091 | 1 089 |
| Image vers vidéo | 1 189 (bande 1-3) | 1 084 (bande 8-12) | 1 077 | 1 065 |
| Édition vidéo | 1 132 (rang 1) | pas sur le tableau | pas sur le tableau | pas sur le tableau |
| Prix catalogue du fournisseur, par minute de 1080p | 7,80 $ | 24,00 $ | 9,00 $ | 4,80 $ |
| Poids ouverts | Oui | Non | Non | Non |
Trois choses dans ce tableau méritent plus d'attention qu'elles n'en reçoivent.
L'écart de 145 points concerne le classement audio. Sur le texte vers vidéo avec audio, seul Gemini Omni Flash (1 243) devance H3, et il est dans la même bande d'égalité statistique. Veo 3.1 est onzième. Les votants qui ont écouté les deux clips ont préféré H3 à Veo par une large marge.
Veo 3.1 n'est pas sur le classement d'édition vidéo. Ce tableau compte huit modèles et H3 est premier, neuf points devant Gemini Omni Flash. Google n'a pas perdu cette comparaison, il n'y a tout simplement pas participé. Si votre flux de travail est "générer, puis modifier une chose dans le plan", cette distinction ne vous aide pas.
La propre annonce de MiniMax exagère un chiffre, alors ne le répétez pas. La communication officielle dit que H3 devance la deuxième place sur le tableau d'édition de 93 points. La deuxième place est Gemini Omni Flash à 1 123, soit 9 points derrière H3. Le chiffre de 93 points est l'écart avec Dreamina Seedance 2.0 à 1 037, qui est cinquième. Les deux chiffres sont réels, ils appartiennent simplement à des lignes différentes.
Pourquoi la plupart des confrontations se trompent
Trois modes d'échec, par ordre décroissant de fréquence observée :
- Le Veo silencieux.
generate_audioest par défaut àfalsedans le schéma de l'API de Veo 3.1. Un développeur qui ne le touche jamais obtient un clip muet et le note ensuite par rapport au mix stéréo de H3. Ce n'est pas une comparaison de modèles, c'est un bug de réglages. À noter : le playground web d'Atlas Cloud pré-active l'interrupteur pour vous, donc le piège mord les personnes qui appellent l'API directement, c'est-à-dire la plupart de ceux qui publient des benchmarks. - Résolution inadaptée. La résolution par défaut de H3 sur l'API est
2K, mais de nombreux tests l'exécutent en768Ppour la vitesse, puis placent le résultat à côté d'une image Veo en 1080p. - Limiter H3 à 8 secondes par souci d'équité. Ce n'est pas équitable, cela jette près de la moitié de la plage de durée de H3 pour le bien d'un tableau bien rangé.
Et pour être honnête, les propres points faibles de H3 sont réels : remplir les emplacements de référence a tendance à relâcher l'adhérence au prompt plutôt qu'à la renforcer, son niveau 2K est vraiment lent, et MiniMax elle-même ne le positionne pas comme un modèle de film ou d'animation. Dans cette exécution, H3 a également penché vers un style, interprétant le brief comme une photographie de produit en cristal taillé poli plutôt que l'objet hyper-réel produit par Veo.
MiniMax H3 vs Veo 3.1 : Spécifications, Comportement Audio et Ce Qu'une Seconde Achète
La méthode ici est délibérément ennuyeuse : un prompt, trois points de terminaison, une clé API, aucun montage. Les deux familles sont hébergées côte à côte sur Atlas Cloud, ce qui est la seule raison pour laquelle une exécution avec le même prompt est possible sans deux comptes de facturation séparés et deux dialectes de paramètres différents à concilier. C'est toute la mention produit. Les modèles sont le sujet.
Tableau B : matrice de capacités, d'après les schémas d'API en direct
| MiniMax H3 | Veo 3.1 | Veo 3.1 Lite | |
|---|---|---|---|
| Durée | Toute seconde entière, 4 à 15 | 4, 6 ou 8 | 4, 6 ou 8 (1080p force 8) |
| Résolution | 768P ou 2K | 720p, 1080p, 4k | 720p, 1080p |
| Format d'image | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 | 16:9 ou 9:16 uniquement | 16:9 ou 9:16 uniquement |
| Audio | Natif, toujours activé, stéréo 32kHz, aucun interrupteur et aucun supplément | generate_audio, par défaut false | Toujours activé, pas d'interrupteur |
| Entrées de référence | refers[] : tout mélange d'images, vidéos et audio, 4 à 15 secondes | images : 1 à 3, et durée verrouillée à 8 | Aucune |
| seed | Non | Oui | Oui |
| negative_prompt | Non | Oui | Non |
| Poids ouverts | Oui, sur Hugging Face | Non | Non |
| Prix sur Atlas Cloud, par seconde | 0,14 $ en 2K, 0,10 $ en 768P | 0,20 $ silencieux, 0,40 $ avec audio | 0,05 $, audio inclus |
Lisez les deux dernières lignes ensemble et vous obtenez la ligne la plus nette de toute cette comparaison :
MiniMax H3 avec le son activé est moins cher que Veo 3.1 avec le son désactivé. 0,14 $ par seconde contre 0,20 $.
La propre grille tarifaire de Google est d'accord sur le plafond. Veo 3.1 est à 0,40 $ par seconde en 720p et 1080p avec l'audio inclus comme tarif par défaut, passant à 0,60 $ en 4K (docs API Google Gemini, août 2026). Atlas divise cela en un palier silencieux à 0,20 $ et un palier audio à 0,40 $, donc dès que vous passez generate_audio à true, votre coût par seconde double. H3 n'a pas de levier équivalent, car il n'y a rien à activer.
Une autre asymétrie à signaler avant l'exécution : resolution et duration de H3 sont tous deux des champs obligatoires sur ses trois points de terminaison, et son ratio de texte vers vidéo par défaut est 1:1. Envoyez un prompt nu et vous obtenez une vidéo carrée. Veo se contentera par défaut d'un clip 16:9 720p raisonnable.
MiniMax H3 vs Veo 3.1, Même Prompt, Les Deux Modèles : L'Exécution Complète
Un prompt pour les trois modèles, pas un mot changé entre eux. Il est conçu pour tester quatre choses à la fois : la physique hyper-réelle du verre, qui est le terrain de prédilection de Veo ; le bruitage natif synchronisé avec la casse ; une seule ligne de voix-off humaine ; et un carton de type tiers inférieur qui apparaît en fondu dans la dernière seconde, ce qui est l'endroit où H3 revendique un avantage.
Copiez ceci textuellement.
plaintext1Plan macro extrême ASMR, 16:9. Une pastèque hyper-réaliste sculptée dans du verre 2cristal repose sur une dalle d'ardoise noire humide. Un couteau de chef poli miroir 3appuie et tranche net à travers en un mouvement lent et continu ; le verre se 4sépare avec un craquement sonore et une gerbe de minuscules éclats translucides 5qui se dispersent et cliquettent sur l'ardoise. Lumière bleue de bordure froide 6depuis la gauche, une pratique chaude derrière. 100 mm macro, faible profondeur de 7champ, lent travelling avant. Son : le tintement clair du verre sous la lame, les 8éclats qui cliquettent sur la pierre, faible son de pièce. Une voix féminine calme 9dit : "Coupe net. À chaque fois." Dans la dernière seconde, une typographie blanche 10sans-serif nette apparaît en fondu dans le tiers inférieur, lisant CUT CLEAN.
Étape 1 : MiniMax H3 Texte vers Vidéo en 2K
Ouvrez MiniMax H3 Texte vers Vidéo, collez le prompt, puis définissez trois champs qui comptent tous :
- Résolution :
2K. Champ obligatoire. C'est le niveau supérieur, 2560x1440 livré sur une demande 16:9. - Durée :
8. Champ obligatoire. Correspond au plafond de Veo pour que la première comparaison soit comparable. - Ratio :
16:9. C'est celui que les gens oublient. La valeur par défaut est1:1, et le texte vers vidéo rejetteadaptivepurement et simplement avec une 400. Laissez-le tel quel et vous obtenez un clip carré.
Il n'y a pas de champ seed ni de champ negative prompt. Vous obtenez ce que l'échantillonneur vous donne, et votre seul contrôle est le prompt.
Facturation : 8 secondes à 0,14 $ = 1,12 $, audio inclus. Prévoyez aussi de la patience : ce travail a pris 455 secondes du début à la fin. J'ai essayé quatre fois de capturer l'exécution terminée du playground pour cette étape et la file d'attente 2K a dépassé la session du navigateur à chaque fois, donc voici directement la sortie de l'API, à 100 % sans rééchantillonnage.
Un recadrage à 100 % de la sortie MiniMax H3 2K montrant une typographie nette dans le tiers inférieur et des facettes de verre résolues_MiniMax H3, 2K, 8s, 16:9, recadré 1:1 à partir de l'image 2560x1440 livrée. Les bords de la typographie sont nets, les éclats de verre individuels sur l'ardoise conservent leurs facettes, et c'est le niveau pour lequel les votes du classement ont été émis._
Étape 2 : Veo 3.1 Texte vers Vidéo, Avec Audio Activé
Ouvrez Veo 3.1 Texte vers Vidéo et collez le prompt identique. Réglages :
- Résolution :
1080p. L'énumération de Veo propose également4k, ce que H3 ne peut pas du tout égaler. Utile à savoir : la 720p et la 1080p sont facturées au même tarif, donc la 1080p est un gain gratuit. - Durée :
8. Le maximum. - Format d'image :
16:9. Seuls 16:9 et 9:16 existent ici. generate_audio:true. C'est l'étape qu'Internet saute. La valeur par défaut du schéma estfalse, et un retour silencieux ne ressemble pas à une erreur.negative_prompt:flou, texte déformé, doigts supplémentaires, flou de mouvement sur la typographie. Contrôle supplémentaire gratuit que H3 n'offre pas.seed:12345. Également absent de H3. Google vous donne une poignée de reproductibilité.
Facturation : 8 secondes à 0,40 $ = 3,20 $ avec l'audio activé. Laissez generate_audio désactivé et le même clip coûte 1,60 $ et est silencieux.
Playground Veo 3.1 texte vers vidéo sur Atlas Cloud avec l'interrupteur Générer l'audio activé et le clip terminé jouant dans le panneau de sortie_Veo 3.1, exécution terminée. L'interrupteur Générer l'audio est activé et le bouton Exécuter indique 3,2 $, soit 8 secondes au tarif audio. Cette capture a été laissée sur la 720p par défaut de la page, qui est facturée à l'identique de la 1080p ; le clip 1080p de cet article provient du même prompt via l'API. Notez les deux champs vides, Negative Prompt et Seed, pour lesquels MiniMax H3 n'a pas d'équivalent._
Étape 3 : Veo 3.1 Lite, le Siège Bon Marché
Ouvrez Veo 3.1 Lite Texte vers Vidéo, même prompt à nouveau. Réglages : 720p, 8 secondes, 16:9, seed 12345.
Notez ce qui manque sur cette page : il n'y a pas d'interrupteur audio, car Lite génère toujours l'audio. Notez également le seul piège dans son schéma : la 1080p sur Lite force la durée à 8, donc un clip Lite 1080p de 4 secondes n'existe pas.
Facturation : 8 secondes à 0,05 $ = 0,40 $. C'est le clip fini le moins cher avec son dans tout cet article, H3 inclus.
Playground Veo 3.1 Lite sur Atlas Cloud en 720p sans bascule audio présente, clip terminé dans le panneau de sortie_Veo 3.1 Lite en 720p. Il n'y a aucun contrôle_ generateaudio sur cette page, ce qui est le but.
Étape 4 : Notation de MiniMax H3 vs Veo 3.1 sur Cinq Axes
Aucun appel de modèle dans cette étape, aucun coût. Pour être précis sur ce que c'est : une prise par modèle, première tentative, pas de nouvelles générations. C'est une lecture comparable de trois clips, pas une étude du taux de conservation.
Tableau D : ce qui est réellement revenu, une prise chacun
| Axe | MiniMax H3 2K | Veo 3.1 1080p | Veo 3.1 Lite 720p | Ce qui a tranché |
|---|---|---|---|---|
| Physique et réalisme du verre | Propre mais stylisé | Meilleur | Moyen | Veo a produit un objet en verre crédible avec un vrai plan de cisaillement et de la poussière sur l'ardoise. H3 a rendu un ornement en cristal taillé, plus proche de la CGI produit que d'une chose photographiée. |
| Lecture littérale du brief | Moyen | Moyen | Meilleur sur l'objet | Seul Lite a donné à la pastèque en verre une écorce verte et des pépins foncés. H3 et Veo ont tous deux abandonné la lecture de la pastèque et ont fait une sphère de cristal générique. |
| Typographie à l'écran | Meilleur | Bon | Médiocre | Les trois ont rendu CUT CLEAN lisiblement, ce qui est plus rare qu'il n'y paraît. Seul H3 en 2K l'a placée dans le tiers inférieur dans la dernière seconde comme demandé. Lite l'a fait exploser au milieu du cadre et l'a fait apparaître tôt. |
| Adhérence globale au prompt | Meilleur | Moyen | Pire | Le brief demandait un plan macro extrême, pas de personnes. H3 est resté propre. Veo a ajouté une main non demandée. Lite a inventé deux femmes identiques dans des découpes portrait assorties sur les deux bords de l'image finale. |
| Utilisable dès la première prise | Oui | Oui | Non | L'image Lite ci-dessus n'est pas réparable en post-production. |
Images correspondantes des prises MiniMax H3 et Veo 3.1 au moment où la typographie du tiers inférieur apparaît en fondu
Le même instant dans les deux prises, l'image où CUT CLEAN apparaît en fondu. À gauche MiniMax H3 en 2K, à droite Veo 3.1 en 1080p avec audio activé. Le verre de Veo ressemble plus à un objet photographié ; la typographie de H3 est plus nette et correctement placée.
L'axe audio est un appel à l'écoute, donc la bande ci-dessus est l'endroit où vous jugez. Ce qui est mesurable : les trois sont revenus avec une piste stéréo continue sans zones mortes de plus de 0,6 seconde. H3 délivre du stéréo 32kHz et mixe chaud, niveau moyen proche de -18 dB avec des pics touchant 0 dBFS. Veo 3.1 délivre du stéréo 48kHz à un niveau moyen prudent autour de -31 dB. La piste de H3 est environ 13 dB plus forte, ce qui ressemble à un mix plus fini directement sorti du modèle et vous laisse également beaucoup moins de marge pour étalonner.
Étape 5 : La Prise de 15 Secondes que Veo 3.1 ne Peut Pas Faire Structurellement
Même page que l'étape 1, même prompt, deux champs modifiés : Durée 15, Résolution 768P, ratio toujours 16:9. Pas de nouvelle capture d'écran, c'est le même playground.
C'est l'étape qui n'a pas d'équivalent chez Veo. L'énumération duration de Veo 3.1 est [4, 6, 8] sur chacun de ses points de terminaison, et il n'y a aucun plan, niveau ou drapeau qui l'augmente. La propre réponse de Google pour vouloir plus est une fonctionnalité d'extension vidéo séparée (docs Google génération vidéo, août 2026), ce qui signifie générer des blocs de 8 secondes et les assembler, ce qui signifie faire correspondre l'étalonnage et l'audio sur les raccords. H3 vous donne une prise continue avec une seule nappe audio continue.
Facturation : 15 secondes à 0,10 $ = 1,50 $, soit moins de la moitié du coût d'un seul clip Veo 3.1 de 8 secondes avec audio.
VNmboe6k4M4
MiniMax H3, 768P, 15 secondes, une prise ininterrompue avec une seule nappe audio ininterrompue. Son activé. Veo 3.1 n'a aucun réglage qui produit ce fichier. Notez la gravure que H3 invente le long de la lame : la typographie spécifiée qu'il rend proprement, la typographie inventée est un non-sens.
Deux notes honnêtes sur cette prise. Elle a duré 485 secondes, le travail le plus lent de l'article, et sa nappe audio est nettement plus clairsemée que la version de 8 secondes, avec de véritables lacunes autour des marques de trois et onze secondes. Plus long est disponible, mais plus long n'est pas sans conséquences.
Dépense totale pour les quatre étapes du tutoriel : 1,12 $ + 3,20 $ + 0,40 $ + 1,50 $ = 6,22 $, une seule tentative par modèle, pas de nouvelles générations. L'exécution supplémentaire de 8 secondes en 768P utilisée dans la section suivante a ajouté 0,80 $, et les captures du playground étaient des exécutions payantes séparées en plus de cela.
MiniMax H3 vs Veo 3.1 : Là Où H3 Va Plus Loin Que Ce Que Google Permet
Quatre capacités du côté de H3 dans le tableau qui ne sont pas des versions plus lentes ou moins chères des fonctionnalités de Veo, ce sont des choses que Veo n'expose pas du tout.
21:9 scope. L'énumération ratio de H3 inclut 21:9, 4:3, 1:1 et 3:4 en plus de la paire habituelle. Veo 3.1 et Lite offrent tous deux du 16:9 ou du 9:16 et rien d'autre. Si vous montez un teaser au format cinéma, l'un de ces modèles peut le cadrer nativement et l'autre a besoin d'un recadrage.
Des références qui ne sont pas seulement des images. Le point de terminaison reference-to-video de H3 prend un tableau refers[] qui mélange des références d'image, de vidéo et d'audio pour ancrer un look, et il conserve la plage complète de 4 à 15 secondes ce faisant. Le reference-to-video de Veo 3.1 prend un tableau d'images limité à 3 entrées et son énumération duration se réduit à [8], donc la référence vous verrouille à huit secondes. Une mise en garde d'expérience : charger les emplacements de référence de H3 à pleine capacité a tendance à éloigner la sortie du prompt plutôt qu'à la rapprocher, donc augmentez progressivement.
La 2K est un nouveau rendu, pas une mise à l'échelle. Celui-ci m'a surpris et je ne l'ai vu écrit nulle part. Exécutez le prompt identique sur H3 texte vers vidéo en 768P et en 2K et vous n'obtenez pas le même film à deux tailles. Vous obtenez deux films différents. Dans cette exécution, la prise en 768P a laissé le melon entier et debout avec une bougie allumée derrière lui et a plaqué la typographie au milieu du cadre à la marque des quatre secondes. La prise en 2K a cassé le melon en trois morceaux, a déplacé la lumière d'arrière-plan et a placé la typographie petite dans le tiers inférieur dans la dernière seconde, comme écrit. Même prompt, même ratio, même échantillonneur sans seed.
Images côte à côte de la même exécution de prompt en 768P et en 2K sur MiniMax H3, montrant un décor différent plutôt que le même plan à deux tailles_Même prompt, même modèle, même ratio, 768P à gauche et 2K à droite, tous deux au même timestamp. Mise en scène différente, lumière différente, traitement de la typographie différent. Si vous avez besoin que la composition survive entre les paliers, verrouillez la première image avec_ image-to-video à la place.
Aucun supplément audio, jamais. Dit clairement car cela change la façon dont vous budgétez : il n'existe aucune version d'un clip H3 qui coûte moins cher en étant silencieux, et aucune version d'un clip Veo 3.1 qui a du son au prix du silencieux.
Pour tenir le grand livre honnête, trois endroits où Google gagne vraiment et H3 n'a pas de réponse :
- 4K. L'énumération de résolution de Veo 3.1 inclut
4k. H3 plafonne à 2K. Si un contrat client exige une master 4K, cette comparaison s'arrête ici. seedetnegative_prompt. Veo vous permet de peaufiner la reproductibilité et d'interdire explicitement les modes d'échec. H3 ne vous donne ni l'un ni l'autre. Sur un tournage où vous devez refaire une tentative presque réussie sans perdre tout le look, cet écart fait mal.- Vitesse, en quelque sorte. La documentation du modèle Veo 3.1 cite environ 2 à 3 minutes pour un clip 1080p de 8 secondes. Dans cette exécution, soumise simultanément, H3 en 2K a pris 455 secondes et Veo 3.1 en 1080p a pris 462 secondes, donc ils étaient effectivement à égalité et tous deux bien au-dessus du chiffre cité. Veo 3.1 Lite a terminé en 237 secondes, moins de la moitié de l'un ou l'autre. Si vous itérez en direct devant un client, Lite est le seul des trois qui suit le rythme, et c'est un véritable avantage que le prix par seconde ne montre pas.
Ce Que Coûte Une Publicité Finie sur MiniMax H3 vs Veo 3.1
Les prix par seconde ne sont pas ce que vous dépensez. Ce que vous dépensez, c'est le prix par seconde multiplié par les clips que vous avez jetés. La colonne de 30 secondes ci-dessous applique un ratio de conservation de 3:1, trois générations par prise utilisable, ce qui est une hypothèse de travail issue de la pratique de production normale plutôt que quelque chose mesuré dans cette exécution. Traitez-la comme un facteur d'échelle, pas un benchmark.
Tableau C : coût réel par spot livré, tarifs Atlas Cloud en août 2026, sans remises actives
| Point de terminaison et palier | $/seconde | Un clip de 8s | Spot de 30s avec un ratio de conservation 3:1 | Audio |
|---|---|---|---|---|
| MiniMax H3, 2K | 0,14 $ | 1,12 $ | 12,60 $ | Toujours activé |
| MiniMax H3, 768P | 0,10 $ | 0,80 $ | 9,00 $ | Toujours activé |
| Veo 3.1, silencieux | 0,20 $ | 1,60 $ | 18,00 $ | Désactivé |
| Veo 3.1, audio activé | 0,40 $ | 3,20 $ | 36,00 $ | Activé |
| Veo 3.1 Lite, 720p | 0,05 $ | 0,40 $ | 4,50 $ | Toujours activé |
Deux conclusions, et la seconde n'est pas celle que je m'attendais à écrire.
Si vous avez besoin de 2K, ou de plus de 8 secondes, ou d'un format autre que 16:9 et 9:16, ou d'audio natif sans supplément, H3 gagne sur le coût avec une large marge. Un spot de 30 secondes au niveau supérieur de H3 atterrit près d'un tiers du même spot sur Veo 3.1 avec son.
Si la 720p et 8 secondes sont vraiment suffisants, Veo 3.1 Lite est l'option la moins chère ici, et ce n'est pas proche. À 0,05 $ par seconde, c'est la moitié du palier le moins cher de H3, l'audio est inclus sans interrupteur à oublier, et il était deux fois plus rapide que l'un ou l'autre des modèles phares. Quiconque vous dit que H3 est inconditionnellement l'option bon marché n'a pas regardé la ligne Lite. Google répertorie également Veo 3.1 Fast entre les deux, à 0,10 $ par seconde en 720p dans sa propre grille tarifaire, bien que le catalogue d'Atlas et sa page de modèle citent des chiffres différents pour ce palier, donc traitez le chiffre exact de Fast comme non définitif.
Le hic, c'est ce que la remise vous achète. Voici la dernière image que Lite a renvoyée lors de la première tentative :
Image finale de la prise Veo 3.1 Lite, avec deux femmes hallucinées identiques dans des découpes portrait sur les deux bords du cadre_Veo 3.1 Lite, image finale, première prise. Le prompt mentionnait une voix féminine ; Lite a décidé de la montrer, deux fois, dans des découpes assorties. Il a également donné au melon la meilleure écorce verte et les meilleurs pépins des trois modèles, ce qui rend cette situation frustrante plutôt que simplement mauvaise._
Voilà la forme honnête du palier bon marché. Il a mieux lu l'objet que les deux modèles phares, puis a cassé le plan d'une manière que vous ne pouvez pas réparer en post-production. Pas cher par seconde ne signifie pas pas cher par clip utilisable si le taux d'échec bouge, donc si vous optez pour Lite, prévoyez des nouvelles générations plutôt que de supposer le prix d'étiquette.
Poids Ouverts, Territoires Exclus et la Partie Que Personne Ne Lit
Les poids sont véritablement publiés. MiniMaxAI/MiniMax-H3 sur Hugging Face est un transformateur omni dense à flux unique de 33B paramètres en BF16, livré avec deux checkpoints prêts, l'encodeur de texte complet Qwen3-VL-32B et deux autoencodeurs. Tout télécharger représente environ 499 Go. C'est le modèle phare actuel, pas une version retirée, et parmi les premiers rangs de chaque tableau vidéo Artificial Analysis, c'est la seule entrée en poids ouverts.
Ensuite, vous lisez la licence, et elle fait plus de travail que "poids ouverts" ne le suggère (Hugging Face, août 2026) :
- §I.5 définit les Territoires Exclus comme l'Union européenne, le Royaume-Uni, la République de Corée et les États-Unis d'Amérique. La concession s'applique dans le monde entier sauf là.
- §V.4 va plus loin que le déploiement. Vous ne pouvez pas utiliser, reproduire, modifier, distribuer ou afficher les œuvres ou l'un de leurs Résultats en dehors du Territoire Applicable.
- §IV.1 nécessite une autorisation écrite préalable distincte si vos produits commerciaux dépassent 20 millions de dollars de revenus annuels.
- §IV.2 vous oblige à afficher "MiniMax H3" en évidence dans l'interface de tout produit commercial construit dessus.
MiniMax n'a pas laissé cela en suspens. Le référentiel contient une FAQ sur les licences et un formulaire de demande, et la licence indique que l'entreprise continuera d'évaluer ces juridictions et invite les parties intéressées à postuler. Donc, le cadrage précis est "pas encore, demandez-nous", pas "interdit pour toujours". C'est toujours une question à faire passer par le service juridique avant de planifier un produit américain ou européen autour des poids locaux.
Et les poids locaux ne sont pas l'API. Le H3-Base auto-hébergé rend avec un petit côté de 768 pixels ; le chemin 2K passe par une étape de régénération séparée du côté de l'API. Les poids ouverts vous achètent un modèle 768p que vous contrôlez, pas le modèle 2K qui a remporté ces votes.
Une chose que je n'ai pas pu régler : savoir si la sortie de Veo 3.1 porte un filigrane SynthID lorsqu'elle est servie via une API tierce. Traitez cela comme non vérifié. Les fichiers H3 dans cette exécution ne portaient aucun filigrane visible.
Foire Aux Questions
MiniMax H3 est-il vraiment meilleur que Veo 3.1 ?
Sur les votes à l'aveugle avec audio, oui, par 145 Elo sur le texte vers vidéo d'Artificial Analysis, et H3 est premier sur le tableau d'édition vidéo où Veo 3.1 n'apparaît pas. Il coûte également moins cher par seconde avec le son activé que Veo avec le son désactivé. Veo 3.1 gagne encore sur la sortie 4K et sur le contrôle avec seed et negative_prompt.
Pourquoi ma vidéo Veo 3.1 est-elle silencieuse ?
Parce que generate_audio est par défaut à false sur Veo 3.1 et Veo 3.1 Fast. Définissez-le explicitement à true. Soyez conscient que cela double votre coût par seconde, passant de 0,20 $ à 0,40 $ sur Atlas Cloud. MiniMax H3 n'a pas de paramètre de ce type, car l'audio est généré dans la même passe que l'image. Veo 3.1 Lite génère également toujours l'audio.
MiniMax H3 peut-il faire des clips plus longs que les 8 secondes de Veo 3.1 ?
Oui. H3 accepte n'importe quelle seconde entière de 4 à 15 comme une seule prise continue, les deux champs sont obligatoires dans la requête. L'énumération de durée de Veo 3.1 est [4, 6, 8], fixe. Pour aller plus longtemps sur Veo, il faut générer des blocs de 8 secondes et les étendre ou les assembler, puis faire correspondre l'étalonnage et l'audio sur les raccords.
MiniMax H3 a des poids ouverts. Est-ce que cela le rend gratuit ?
Pas dans le sens où la plupart des gens l'entendent. Le téléchargement complet pèse environ 499 Go, le H3-Base auto-hébergé rend avec un petit côté de 768 pixels, et la 2K nécessite l'étape de régénération côté API. La licence communautaire exclut également l'UE, le Royaume-Uni, la Corée du Sud et les États-Unis, et cette restriction couvre les résultats, pas seulement le déploiement, avec un canal d'autorisation formel ouvert pour ces régions.
Lequel est le moins cher pour une publicité finie de 30 secondes, MiniMax H3 ou Veo 3.1 ?
H3 en 2K revient à environ 12,60 $ pour un spot de 30 secondes avec un ratio de conservation de 3:1, contre environ 36,00 $ pour Veo 3.1 avec audio activé. Mais Veo 3.1 Lite bat les deux à environ 4,50 $ si la 720p et les blocs de 8 secondes sont acceptables. L'avantage de coût de H3 est conditionnel au fait de vouloir de la 2K, des prises plus longues, un choix de format plus large ou de l'audio gratuit.
MiniMax H3 fait-il de la 4K comme Veo 3.1 ?
Non. L'énumération de résolution de H3 est uniquement 768P et 2K. Celle de Veo 3.1 inclut 4k, à 0,60 $ par seconde dans la propre tarification de Google, et Veo 3.1 Lite ne prend explicitement pas non plus en charge la 4K. Si une master 4K est contractuelle, Veo 3.1 standard est le seul de ces trois à la livrer.
