MiniMax H3 vs Gemini Omni Flash: Google vince la partita per 5 punti. Poi il cliente chiede una modifica.

Ho fissato per dieci minuti tre classifiche di Artificial Analysis cercando di capire chi avesse effettivamente vinto.

Da testo a video: Gemini Omni Flash per 5 punti. Da immagine a video: Gemini per 2 punti. Montaggio video: MiniMax H3 per 9 punti.

Poi ho guardato la colonna dell'intervallo di confidenza. Più o meno 7. Più o meno 9. Più o meno 10.

Tre classifiche, tre distacchi, tutti all'interno del proprio margine d'errore. Nel voto cieco, questi due modelli sono lo stesso modello.

Così ho chiuso le classifiche e ho aperto i menu a discesa. Quel distacco non è di 5 punti. Quel distacco è un intero livello di risoluzione.

Punti chiave

• Tutti e tre i distacchi di Artificial Analysis (+5, +2, +9, snapshot preso il 6 agosto 2026) cadono all'interno degli intervalli di confidenza da ±7 a ±10. Sulla qualità grezza è un pareggio, non una vittoria.
• H3 produce 2K, fino a 15 secondi e sei rapporti d'aspetto. L'API di Gemini Omni Flash è limitata a 720p, 10 secondi e due rapporti d'aspetto. Sono valori di enumerazione, non opinioni.
• H3 accetta audio come input. Gemini no. Gemini ha seed e thinking_level. H3 non ha nessuno dei due.
• Gemini ha un endpoint dedicato video-edit che modifica il tuo clip sorgente. Il percorso di revisione di H3 è reference-to-video, che rigenera usando il tuo clip come riferimento. Non sono la stessa operazione, e il secondo round lo dimostra.
• Solo uno dei due ha pesi scaricabili, e non è quello di Google.

---

Round uno del test MiniMax H3 vs Gemini Omni Flash, entrambi i modelli animano lo stesso primo fotogramma, mostrati affiancati

Round uno: stesso primo fotogramma, stesso prompt, stessa durata. A sinistra MiniMax H3 a 2K, a destra Gemini Omni Flash a 720p. Mostrato qui come GIF muta; entrambi i file consegnati hanno audio nativo e sono incorporati più avanti come video riproducibili. Questo è il problema. Sono entrambi validi.

---

Perché il distacco sulla classifica tra MiniMax H3 e Gemini Omni Flash viene interpretato male

Quasi tutti i post su MiniMax H3 vs Gemini Omni Flash che troverai citano una classifica e un prezzo. Entrambe le abitudini portano alla risposta sbagliata.

Ecco tutte e tre le classifiche di Artificial Analysis, con la colonna che tutti saltano.

Tabella A: MiniMax H3 vs Gemini Omni Flash su tre classifiche di Artificial Analysis (con audio), snapshot 6 agosto 2026

MiniMax H3 è uno degli oltre 30 modelli video che puoi eseguire fianco a fianco con lo stesso prompt nel confronto modelli di Atlas Cloud — con il costo al secondo mostrato prima di generare.

Punteggi Elo tratti dall'Artificial Analysis Video Arena (Artificial Analysis, agosto 2026). La classifica da immagine a video è guidata da Dreamina Seedance 2.0 720p con 1.197, quindi nessuno dei due detiene quel titolo. Sono punteggi basati su voti popolari in continua evoluzione, ed è esattamente per questo che un distacco di 5 punti non è un verdetto.

Un vantaggio di 5 punti con un intervallo di ±9 significa che la classifica potrebbe ribaltarsi la settimana prossima solo per il rumore dei voti. Non è "Gemini è migliore nel testo-a-video". È un lancio di moneta con un tabellone attaccato.

Altre tre cose che la gente sbaglia:

La colonna dollaro-al-minuto non è ciò che paghi. Artificial Analysis elenca $6,00/min per Gemini e $7,80/min per H3. Quella colonna normalizza il costo di un minuto di 1080p con impostazioni predefinite. Gemini Omni Flash non può produrre 1080p affatto. Quindi il numero è una stima modellistica, non una fattura. Confronta i prodotti finiti consegnabili, non i secondi.

Una classifica non è il modello. H3 è secondo, terzo e primo nelle tre classifiche. Gemini è primo, secondo e secondo. Cita solo una di esse e puoi dimostrare qualunque cosa già credessi.

"Omni" non significa "mangia qualsiasi cosa." È un buon nome, ma fuorviante. Uno di questi due accetta file audio come input. Non è quello con "omni" nel nome.

La scheda tecnica di MiniMax H3 vs Gemini Omni Flash che nessuno stampa

Se i punteggi Elo non riescono a separarli, lo fanno le tabelle dei vincoli. Ho estratto gli schemi di input live di entrambi i modelli invece di fidarmi di qualsiasi post di lancio, e le differenze non sono sottili.

Tabella B: Vincoli fissi di MiniMax H3 vs Gemini Omni Flash, letti dagli schemi API live il 6 agosto 2026

Leggi onestamente quella tabella: Gemini vince su tre righe in modo netto. I seed riproducibili contano se stai costruendo una pipeline che deve renderizzare due volte lo stesso fotogramma. Un vero endpoint video-edit è uno strumento genuinamente diverso dalla rigenerazione condizionata da riferimento. E thinking_level ti dà una manopola di qualità che H3 semplicemente non espone.

H3 vince su cinque righe, e sono le righe che decidono se puoi consegnare il file che il cliente ha richiesto.

Ho eseguito tutto ciò che segue su Atlas Cloud perché entrambi i modelli sono dietro lo stesso endpoint /api/v1/model/generateVideo lì, il che significava un unico ciclo di polling e un unico header di autenticazione per tutto il test. Cambiare modello era una modifica alla stringa model. Questo dettaglio è l'intera ragione per cui "usa entrambi" è una risposta realistica piuttosto che una scappatoia.

Tabella C: cosa costa ciascun endpoint in questo test, verificato sul listino prezzi live del 6 agosto 2026

Nessuno dei due modelli ha sconti questo mese. Gemini offre anche un livello sviluppatore più economico ($0,112/s per text-to-video e image-to-video, $0,12/s per reference-to-video); H3 non ha un livello equivalente.

La linea dei pesi aperti che Gemini Omni Flash non può superare. I pesi di H3 sono pubblicati su Hugging Face (MiniMax, agosto 2026): un Omni Transformer denso a 33B a flusso singolo, più il codificatore di testo Qwen3-VL-32B, un VAE visivo e un VAE audio. Due avvertenze contano più della dimensione del download. Primo, ciò che ospiti da solo gira con un lato corto di 768 pixel; la fase di pre-elaborazione Context-IR e il modulo Regenerate-2K non sono inclusi nella release, e l'output 2K proviene da questi due. Secondo, la licenza comunitaria attualmente non copre UE, Regno Unito, Corea del Sud o Stati Uniti, ed esiste un modulo di richiesta separato per questi territori. Leggila prima di costruirci un prodotto sopra. Gemini Omni Flash non ha una conversazione equivalente, perché non c'è nessun file da scaricare.

Questa posizione di pesi aperti, abbinata a prezzi aggressivi, è l'intera storia strategica del lancio (South China Morning Post, agosto 2026).

Esegui tu stesso il test di revisione tra MiniMax H3 e Gemini Omni Flash

Ecco la parte che nessuno ha eseguito. Tutti fanno benchmark sulla prima generazione. Nessuno fa benchmark sulla seconda.

Il lavoro reale non è un solo prompt. Il lavoro reale è un clip che già ti piace, più un cliente che risponde "mi piace, puoi far sì che l'insegna dica 24H e che il suo grembiule sia rosso". Quella singola frase è il punto in cui questi due modelli smettono di essere intercambiabili, e capita che sia esattamente il compito che misura la classifica del montaggio video.

La scena è volutamente crudele: una bancarella di noodle notturna bagnata dalla pioggia, la venditrice che parla direttamente nell'obiettivo, un'insegna dipinta a mano con parole leggibili dietro di lei, vapore dal brodo, pioggia sulla tenda. Un fotogramma che mette alla prova il sincronismo labiale, la stabilità del testo a schermo, il movimento fluido e l'audio ambientale stratificato tutto insieme.

Entrambi i modelli ricevono lo stesso identico primo fotogramma, lo stesso identico prompt e la stessa identica nota di revisione. Ogni esecuzione qui sotto è di 10 secondi, che è il limite massimo di Gemini Omni Flash e ben all'interno di quello di H3.

Passaggio 1: Blocca il primo fotogramma con GPT Image 2

Entrambi i modelli devono partire dalla stessa immagine, altrimenti il primo round misura la fortuna della composizione piuttosto che il modello. Apri il playground di GPT Image 2, imposta la qualità su high e il rapporto su 16:9, e incolla questo:

PlainCopy
1Scena notturna fotorealistica di bancarella di noodle sotto la pioggia battente, girata con un obiettivo 35mm a f/2.0. Una donna sulla trentina con un grembiule di tela indaco sta dietro un bancone fumante di noodle, guardando dritta nell'obiettivo, a metà di una frase. Dietro di lei un'insegna in lamiera dipinta a mano illuminata di un caldo ambra con le parole "OPEN LATE" in pulite lettere maiuscole sans-serif in grassetto. La pioggia scroscia attraverso la luce al sodio della strada, il vapore sale dalla pentola del brodo, l'asfalto bagnato riflette neon rossi e verdi dall'altra parte della strada. Profondità di campo ridotta, solo illuminazione pratica, leggera foschia dell'obiettivo, texture della pelle naturale, nessun testo altrove nell'inquadratura. 16:9.

Playground di GPT Image 2 su Atlas Cloud con il prompt della bancarella di noodle a sinistra e il primo fotogramma generato nel pannello di output

GPT Image 2 su Atlas Cloud: il prompt a sinistra, il primo fotogramma condiviso in OUTPUT. Costo per questo passaggio , $0,009.

Il primo fotogramma generato: una donna con un grembiule indaco dietro un bancone di noodle fumante di notte sotto la pioggia, con un'insegna "OPEN LATE" dipinta a mano che brilla dietro di lei

Il singolo input ricevuto da entrambi i modelli. Nota le due cose su cui interverrà la revisione: l'insegna "OPEN LATE" e il grembiule indaco. Generato con openai/gpt-image-2/text-to-image.

Passaggio 2: Round uno su MiniMax H3

Vai al playground di MiniMax H3, scegli il task image-to-video, carica il fotogramma del Passaggio 1 e imposta resolution su 2K, duration su 10, ratio su adaptive (l'enum di image-to-video offre solo adaptive). Prompt:

PlainCopy
1La venditrice guarda nell'obiettivo e dice, con voce calda e stanca: "Il brodo è in cottura dalle quattro di stamattina. Siediti, sta ancora piovendo." Solleva il mestolo mentre parla. Il vapore sale attraverso l'inquadratura. La pioggia continua a cadere sulla tenda dietro di lei. La camera resta ferma, nessuna spinta, nessuna panoramica. Audio ambientale: pioggia sulla tela, brodo che sobbollisce, traffico in lontananza, la sua voce vicina e secca.

Playground di MiniMax H3 image-to-video su Atlas Cloud con risoluzione 2K selezionata e il clip finito che viene riprodotto nel pannello di output

MiniMax H3 image-to-video su Atlas Cloud: 2K selezionato, il clip finito in OUTPUT. Questa cattura è stata eseguita con il default di 8 secondi del playground e costava $1,12; la versione da 10 secondi usata per il confronto è incorporata sotto e costa $1,40.

MiniMax H3, round uno, 2K, 10 secondi. Accendi l'audio: il dialogo, la pioggia e il brodo sono tutti generati nello stesso passaggio, non aggiunti dopo.

Passaggio 3: Round uno su Gemini Omni Flash, stesso fotogramma, stesse parole

Apri il playground di Gemini Omni Flash, scegli image-to-video, carica lo stesso fotogramma del Passaggio 1 e incolla il prompt del Passaggio 2 senza cambiare un carattere. Impostazioni: resolution 720p, duration 10, aspect_ratio 16:9, thinking_level default, seed -1.

Due cose da notare mentre sei in quel modulo, perché sono l'articolo in miniatura. Il menu a discesa resolution contiene esattamente un'opzione. Il campo duration si ferma a 10. Non ho scelto 720p invece di qualcosa di meglio; non c'è nient'altro da scegliere.

Una nota su ciò che manca qui: non sono riuscito a catturare uno screenshot del playground a esecuzione completata per nessuno dei due passaggi di Gemini. L'ambiente di staging su cui faccio screenshot ha restituito 403 PERMISSION_DENIED dal lato di Google per tutti e tre i tentativi, quindi le uniche catture di Gemini che ho mostrano un pannello OUTPUT fallito e non intendo spacciarne una per un'esecuzione riuscita. I clip qui sotto sono reali, generati tramite l'API di produzione con le impostazioni elencate sopra. I due passaggi di H3 sono stati catturati pulitamente e quegli screenshot sono autentici.

Gemini Omni Flash, round uno, 720p, 10 secondi, input identici. Riproduci questo subito dopo il clip H3 sopra e giudica tu stesso l'audio.

Passaggio 4: Round due, invia la revisione a Gemini Omni Flash

Questo è il round che conta. Passa al task video-edit sulla stessa pagina del modello Gemini, carica il clip che Gemini stesso ha prodotto nel Passaggio 3 come input video, imposta resolution 720p e thinking_level high (un'istruzione di modifica in due parti è esattamente il caso complesso per cui serve quella manopola). Incolla questa nota esattamente come la invierebbe un cliente:

PlainCopy
1Mantieni esattamente questa inquadratura: stessa posizione della camera, stessa donna, stesso volto, stessa pioggia, stessa luce, stesso audio. Cambia l'insegna dipinta a mano in modo che legga "OPEN 24H" invece di "OPEN LATE", nello stesso stile dipinto e con lo stesso bagliore ambrato. Cambia il suo grembiule da indaco a rosso cremisi. Non cambiare nient'altro nell'inquadratura.

Gemini Omni Flash dopo la nota di revisione. Guarda l'insegna, poi il grembiule, poi controlla se si è mosso qualcos'altro.

Passaggio 5: Round due, invia la revisione identica a MiniMax H3

Ecco la differenza strutturale onesta, e dovresti conoscerla prima di leggere il risultato. H3 non ha un endpoint video-edit. Il suo percorso di revisione è reference-to-video: gli dai il clip originale come riferimento e genera un nuovo video condizionato da quel riferimento. Non sta modificando il tuo file. Ne sta creando uno nuovo che dovrebbe assomigliare al tuo.

Sulla pagina di MiniMax H3, scegli il task reference-to-video, aggiungi il clip prodotto da H3 nel Passaggio 2 a refers come riferimento video, poi imposta resolution 2K, duration 10, ratio adaptive. Incolla il prompt del Passaggio 4 senza alcuna modifica.

Anche questo passaggio non ha screenshot del playground, per una ragione diversa e più noiosa: il browser headless con cui faccio gli screenshot è crashato tre volte sul caricatore di riferimenti durante il caricamento di un riferimento video. L'esecuzione stessa è passata attraverso l'API senza problemi.

MiniMax H3 dopo la nota di revisione identica, tramite reference-to-video a 2K.

Confronto affiancato del round due: il risultato di Gemini Omni Flash video-edit accanto al risultato di MiniMax H3 reference-to-video, entrambi dalla stessa nota di revisione

Round due affiancato, GIF muta. A sinistra Gemini Omni Flash tramite video-edit, a destra MiniMax H3 tramite reference-to-video. Entrambi avevano la stessa frase da cui partire.

Cosa è successo effettivamente nel round due. Mi aspettavo che H3 perdesse questo round. La rigenerazione condizionata da riferimento è uno strumento più grossolano di un vero endpoint di modifica, e "rigenera l'intero clip sperando che atterri nello stesso punto" è esattamente il modo per ottenere un volto diverso, una camera che si sposta e un cliente che chiede cosa sia successo all'inquadratura.

Non è quello che è tornato. Entrambi i modelli hanno fatto il lavoro, e l'hanno fatto pulitamente.

Il video-edit di Gemini si è comportato esattamente come pubblicizzato. L'insegna legge OPEN 24H con la stessa lettering dipinta a mano, lo stesso bagliore ambrato e la stessa ossidazione sulla lamiera. Il grembiule è rosso cremisi. Tutto il resto è intatto: stesso volto, stessa espressione, stesso angolo del mestolo, stessa forma del vapore, stessa pioggia, stesse luci posteriori sullo sfondo. Si legge come il file originale con due correzioni profonde pochi pixel, perché è essenzialmente ciò che è.

Il reference-to-video di H3 ha prodotto gli stessi due cambiamenti e ha tenuto l'inquadratura molto meglio di quanto l'architettura suggerisca. Insegna cambiata, grembiule cambiato, e per tutti i 10 secondi l'inquadratura, il versamento del brodo dal mestolo, il pennacchio di vapore e il suo volto sono rimasti coerenti con il clip del round uno. Se c'è deriva, non sono riuscito a trovarla scorrendo i fotogrammi.

Quindi il round due è un terzo pareggio statistico, e non ho intenzione di fingere il contrario per fare una storia più ordinata. Ciò che separa i due output non è la qualità della modifica. È che H3 ha restituito 2560x1440 con una traccia stereo a 32 kHz e Gemini ha restituito 1280x720. Stessa istruzione, stesso successo, prodotto consegnabile diverso.

Un avvertimento onesto sul metodo: questa è una singola revisione su una singola inquadratura, non uno studio controllato. Un cambiamento in due parti su un'insegna e un indumento è una modifica abbastanza amichevole. Casi più difficili (rimuovere un oggetto oltre il quale la camera si muove, cambiare qualcosa che il soggetto oscura, quattro round di note accumulati l'uno sull'altro) sono dove un endpoint di modifica dedicato dovrebbe prevalere, e dove la rigenerazione dovrebbe iniziare a vacillare. Esegui le tue prima di decidere.

Altre tre differenze tra MiniMax H3 e Gemini Omni Flash che vale la pena testare

Il round due è la differenza che cambia una consegna. Altre tre meritano venti minuti del tuo credito personale.

Dagli in pasto un file audio. Il reference-to-video di H3 accetta fino a tre clip audio da 2 a 15 secondi ciascuno, purché venga fornito almeno un riferimento immagine o video. Ciò significa che puoi dargli una registrazione vocale reale e far sì che il personaggio la esegua. Gemini Omni Flash non ha un campo di input audio su nessuno dei suoi quattro endpoint, quindi questo confronto non può essere eseguito affatto. Non è una perdita di punteggio per Google; è una capacità semplicemente assente.

Chiedi 21:9. L'enum dei rapporti di reference-to-video di H3 contiene 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16. L'enum aspect_ratio di Gemini contiene 16:9 e 9:16. Se il tuo prodotto consegnabile è una sequenza di titoli widescreen o un taglio social 1:1, uno di questi due modelli non è nella conversazione.

Blocca un seed e riesegui. Questa va nell'altra direzione. Gemini espone seed; H3 non lo espone su nessun endpoint. Se stai costruendo una pipeline in cui la stessa richiesta deve restituire gli stessi fotogrammi martedì che ha restituito lunedì, Gemini ti dà una maniglia e H3 non ti dà nulla. Per test di regressione, varianti di copia A/B o qualsiasi farm di rendering automatizzato, questo è un vero vantaggio e appartiene al lato di Google del bilancio.

Cosa costa effettivamente un test tra MiniMax H3 e Gemini Omni Flash

L'intero esperimento sopra, quattro generazioni video e una immagine, è costato circa $5,51. Un primo fotogramma a $0,009, due clip del round uno da 10 secondi a $1,40 e $1,30, due clip del round due da 10 secondi a $1,40 ciascuno.

Al secondo, Gemini è più economico: da $0,125 a $0,14 contro un flat $0,14 per H3, quindi circa dal 7 all'11 percento in meno a seconda dell'endpoint. Quel numero è vero ed è anche quasi inutile da solo.

Ecco perché. Supponiamo che il prodotto consegnabile sia un'apertura cinematografica 21:9 da 15 secondi a 2K. H3 lo renderizza come un unico clip. Gemini non può renderizzarlo affatto: non la risoluzione, non la durata, non il rapporto d'aspetto. Dovresti unire un clip da 10 secondi e uno da 5 secondi in 16:9, ritagliare per simulare il widescreen e spedire 720p. Il prezzo al secondo di una cosa che non puoi consegnare non è un risparmio.

Capovolgilo. Supponiamo che il prodotto consegnabile sia un taglio social 16:9 che passerà attraverso quattro round di note del cliente e deve tornare identico byte per byte quando il team legale chiede di ri-renderizzarlo tra tre settimane. Il video-edit di Gemini più seed è costruito esattamente per quel ciclo, e costa meno al secondo mentre lo fa.

Tabella D: quale lavoro tra MiniMax H3 e Gemini Omni Flash va dove

La conclusione di questo articolo è quella tabella, non un punteggio. Se un benchmark non riesce a separare due modelli per più del proprio margine d'errore, il benchmark ti ha detto tutto ciò che sa, e la scheda tecnica prende il sopravvento.

Per una visione più ampia di dove si colloca H3 rispetto al resto del campo, la suddivisione delle alternative a MiniMax H3 copre i modelli che lo battono nelle classifiche in cui non è in testa.

Domande frequenti

MiniMax H3 è migliore di Gemini Omni Flash?

Il voto cieco non riesce a separarli. Su tre classifiche di Artificial Analysis i distacchi sono di 5, 2 e 9 punti Elo, e ciascuno cade all'interno di un intervallo di confidenza da ±7 a ±10. Scegli in base alle specifiche, non alla posizione in classifica. Il limite di risoluzione, il limite di durata e l'elenco dei rapporti d'aspetto cambieranno il tuo prodotto consegnabile; 5 punti Elo no.

Qual è più economico, MiniMax H3 o Gemini Omni Flash?

Al secondo, Gemini. Su Atlas Cloud costa da $0,125 a $0,14 al secondo contro i $0,14 flat di H3, con un livello sviluppatore a $0,112 al secondo di cui H3 non ha equivalente. Ma Gemini è limitato a 720p, 10 secondi e due rapporti d'aspetto, quindi per molti prodotti consegnabili non stai confrontando lo stesso prodotto. Prezza il taglio finito, non il secondo.

Gemini Omni Flash può generare video 1080p, 2K o da 15 secondi?

No. Il suo parametro API resolution ha un unico valore legale, 720p, e duration accetta da 3 a 10 secondi. MiniMax H3 offre 768P o 2K e da 4 a 15 secondi. Sono vincoli di enumerazione letti dallo schema live il 6 agosto 2026, non opinioni editoriali, e Google potrebbe rimuoverli in futuro.

Posso ospitare da solo Gemini Omni Flash come posso ospitare MiniMax H3?

No. I pesi di H3 sono su Hugging Face e girano localmente con un lato corto di 768 pixel. La fase Context-IR e il modulo Regenerate-2K che producono output 2K non sono nella release e rimangono lato API. Inoltre controlla la licenza: attualmente non copre UE, Regno Unito, Corea del Sud o Stati Uniti senza una richiesta separata.

Devo sceglierne solo uno?

No, e la tabella di suddivisione per lavoro sopra è la risposta migliore. Entrambi i modelli sono dietro lo stesso endpoint generateVideo su Atlas Cloud, quindi usarli entrambi significa un unico ciclo di polling e una stringa model diversa, non due integrazioni. Instradare in base al prodotto consegnabile batte scommettere su una classifica che si muove ogni settimana.