MiniMax H3 2K vs 768P: 同じプロンプトを2回実行したら、2つの異なる映像ができた

同じコールドブリューボトルのショットを2枚プリントしたもの。カフェのカウンターに置かれ、一方はソフト、もう一方はシャープ。間にレシートが挟まれている。

Two prints of the same shot, one soft and one sharp. On MiniMax H3 that gap is not a quality slider. Generated with openai/gpt-image-2/text-to-image.

同じプロンプトを2回送信した。変えたのはドロップダウン1つだけ。768P、次に2K。

最初の実行は0.40ドル、130秒で返ってきた。2回目は0.56ドル、181秒かかった。そして2つのフレームを並べてみて、何かがおかしいと感じた。ボトルはまだそこにあった。ラベルもまだあった。細かい印刷も含めて。しかし、カウンターは暖かい木材から淡い石に変わっており、バリスタの後ろの背景に棚が現れ、ガラス瓶の結露が突然あちこちに現れ、光の色も変わっていた。

下書きでお金を節約したわけではなかった。私は2本の異なるフィルムを撮影していたのだ。

これはバグではない。これこそがH3における「2K」の本当の意味であり、それを理解すれば、誰もが口にする「まずは安く下書き、後で高く仕上げる」という標準的なアドバイスが静かに崩れ去る。以下に、そのテストのすべての数値と、安価な下書きを機能させるための1つの変更点を示す。

主なポイント（すべての数値はAtlas Cloud、2026年8月5日測定）

• 768Pは 1344x768、2Kは16:9のリクエストで 2560x1440 を提供。これは3.6倍のピクセル数、3.6倍のビデオビットレート。
• 4秒のクリップの請求額は 0.40ドル vs 0.56ドル。つまり 0.10ドル/秒 vs 0.14ドル/秒。768Pは1秒あたり29%安いが、半額ではない。
• 768Pはテキスト動画生成ペアで 28%高速（130秒 vs 181秒）、画像動画生成ペアでは17%高速（194秒 vs 234秒）。
• 同じプロンプトでの768Pと2Kのテキスト動画生成は、1つのテイクの2つのクオリティではなく、2つの異なるテイク を生成した。裸の768Pの下書きは、2Kの最終版をプレビューしない。
• 画像動画生成で最初のフレームを固定すると、ドリフトは止まる。同じセット、同じフレーミング、同じラベル位置。そして2Kは余分なピクセルをまさにMiniMaxが主張する場所、つまり細かい文字に費やす。
• 768Pはゲートされていない。 2026年8月5日現在、両方のティアが解像度のenumに存在し、ドロップダウンで選択可能。古いまとめ記事で何と言われていようと。

MiniMax H3 2K vs 768P：768Pはまだクローズドベータなのか？

いいえ、これは早めに否定しておく価値がある。なぜなら、ローンチ直後の数日間に書かれたほとんどの価格比較記事で今でも繰り返されているからだ。

本日、3つのH3エンドポイントすべてのライブ入力スキーマを取得した。resolution フィールドは enum: ["768P", "2K"] で、default: "2K" がテキスト動画生成、画像動画生成、参照動画生成のすべてに設定されており、duration はすべてのエンドポイントで4から15までの1秒刻みで実行される。フラグもゲートも問い合わせフォームもない。そして、2つの異なるエンドポイントで768Pのジョブを送信したところ、どちらも低いレートで完了し、請求された。768Pについて問い合わせるように書かれているページがあれば、それは今週の話ではなく、ローンチの最初の週の話である。

MiniMax H3 2K vs 768P、同一プロンプト、比較

左が768P、右が2K。同一プロンプト、同一の duration=4、同一の ratio=16:9 を連続して minimax/h3/text-to-video に送信。

MiniMax H3 2K vs 768P スプリットスクリーン。同じテキスト動画生成プロンプトから。解像度、価格、実時間が埋め込まれている。

Same prompt, two runs. Left: 768P, 1344x768, $0.40, 130s. Right: 2K, 2560x1440, $0.56, 181s. Shown as a silent GIF; both delivered files carry 32 kHz stereo audio. Measured on Atlas Cloud, 2026-08-05.

実際に何が違うかを見てほしい。それはシャープネスではない。フィルムそのものだ。カウンターの素材が異なり、背景の装飾が異なり、結露の量が異なり、カメラの高さが異なり、色温度が異なり、ラベルの位置もボトル上の異なる位置にある。プロンプトではこれらの変更を何も要求していない。

さて、誰もが逆の方向に進むと思っている部分だ。以下は、両方のテイクからラベル領域をトリミングし、ネイティブファイルから同じ幅に拡大したもの。768Pのトリミングの方が2Kのトリミングよりも拡大率が大きい。

MiniMax H3 768Pと2Kのテイクのラベルトリミング比較。どちらも小さな原材料表記が読める状態。

The small line "single origin ethiopia guji / 250ml / roasted 04.08.2026" survives at 768P. It is softer and the letter spacing wobbles, but nothing is illegible. The real cost of 768P here was not mushy text, it was a different composition.

つまり、MiniMax H3 2K vs 768Pの正直なフレーミングは「シャープ vs ぼやけ」ではない。「このテイク vs 別のテイク、さらにその上に細部のパス」である。

測定されたMiniMax H3 2K vs 768Pのスペックシート

この表のすべては、ドキュメントページではなく、配信されたファイルの ffmpeg -i と完了した予測の price フィールドから得られたものである。

同じプロンプトでMiniMax H3を他の動画モデルと比較したい場合は、Atlas Cloudモデル比較 で、生成前に解像度と1秒あたりのコストを表示して並べて実行できる。

学ぶためにお金がかかった2つの脚注がある。まず、両方のティアで duration=4 のリクエストに対して4.46秒のクリップが配信され、どちらも4秒で請求された。つまり、余分な0.46秒は無料だが、その周りでカットを計画することはできない。次に、オーディオはティア間で同一である。クリップが会話や音楽の同期によって支えられている場合、2Kは重要な部分には何ももたらさない。

なぜMiniMax H3 2K vs 768Pが皆を惑わせるのか

なぜなら、H3の2Kはアップスケールステップではないからだ。それは2回目の生成である。

MiniMaxはそのメカニズムを直接説明している。「H3の2K出力では、従来の専用の超解像モジュールを使用する代わりに、H3ベースモデルが自身の低解像度出力をコンテキスト内で再生成します」。彼らはそのように構築した理由も明かしている。コンテキスト内アプローチにより、「元のマルチモーダルコンテキストを再度利用して高解像度出力を生成し、従来の超解像では「推測」するしかなく、小さなテキストや細かいディテールなど、しばしば復元できない詳細を回復できる」と（MiniMax、2026年7月）。

これをプロダクションの観点で読み直してほしい。2Kパスは元のコンテキストに戻って再生成する。コンテキストがテキストプロンプトだけの場合、「再生成」は「再びサイコロを振る」ことを意味する。私の2つのテイクがまさにそれを示している。モデルは768Pバージョンを再現するように指示されていない。なぜなら、768Pバージョンを見たことがないからだ。

実際に問題が発生する3つのケース：

1. テキスト動画生成で768Pで安い下書きを何度か行い、勝者を選び、それを2Kで再実行する。 見知らぬ人が返ってくる。プロンプトは尊重されるが、フィルムは新しい。これがこのページの上部にあるテストである。
2. 1秒あたり29%安いということは、全体で29%安いと予算を組む。 そうではない。なぜなら、ファイナルは実際のバッチの中で高価な部分であり、無駄な2Kの再実行1回で、複数の下書きで節約した分が帳消しになるからだ。
3. 安価なアップグレードパスがどこかにあると想定する。 今日Atlas Cloudの全カタログを確認した：452モデル、3つのH3エンドポイント、その中にH3再生成エンドポイントはなかった。3つの生成エンドポイントのみが公開されている場合、「このクリップを2Kにアップグレード」は、再実行するか、別のアップスケーラーを実行することを意味する。どちらもコストがかかり、同じものを買うわけではない。

このモデルを回避するのではなく、回避するためのエンジニアリングを行う価値がある理由を述べておく価値はある。ローンチ時の見出しは「最大2K解像度、最大15秒のクリップ、ネイティブステレオオーディオ」の動画（DataNorth AI、2026年8月）であり、スコアもそれを裏付けていた。H3は現在、Artificial Analysisの動画編集Eloボードで1,130とトップに位置し、Gemini Omni Flashの1,122、Dreamina Seedance 2.0 720pの1,037を93ポイント上回っている（Artificial Analysis、2026年8月）。品質はワークフローを構築する価値がある。ワークフローは、2Kがどのように生成されるかを尊重するだけでよい。

このMiniMax H3 2K vs 768Pテストの背後にある4つのモデル、1つのタブで

テスト全体は4つのモデル、1つのAPIキー、1つの請求書である。画像モデル、2つのH3エンドポイント、アップスケーラーの間を行き来するのは、そうでなければ月末に3つのアカウントと3つの請求書を調整する必要があるため、Atlas Cloud で実行した。

数字をコピーする前に2つの注意点。H3エンドポイントはすべて単一の見出しレート0.14ドル/秒を公開しており、これは2Kティアである。768Pのレートはリストではなく請求書に表示されるので、自分で一度測定すること。そして、これらの4つのモデルは現在割引されていない。フレーム固定ステップを削減したい場合、2026年8月時点で openai/gpt-image-2-developer/text-to-image が50%オフ（0.009ドルから0.004ドル）で実行されており、同じファミリーで同じ仕事をする。

MiniMax H3 2K vs 768Pテストを自分で実行する方法

5つのステップ、2.21ドルのクレジット、約15分の実時間。以下のすべてのプロンプトは、私が送信した正確な文字列である。

最初に3つのパラメータ注意事項。それぞれが静かに実行を無駄にする可能性がある。

• テキスト動画生成では、フィールドは ratio であり、aspect_ratio ではない。デフォルトは 1:1 で、enumに adaptive オプションはない。自分で 16:9 を渡さなければ、正方形のクリップになる。画像動画生成では、enumは adaptive のみ。最初のフレームが形状を決定するためだ。
• 文書化されたデフォルト（8）を信頼するのではなく、常に duration を明示的に送信すること。請求されるのは、想定したものではなく、配信されたものに従う。
• すべてのH3ジョブは通常のインラインタイムアウトを超えるため、非同期で送信し、ポーリングすること。price フィールドも遅れて入力される。status が completed に変わっても、空のままであることが多く、実際の数値を取得するには予測IDをもう一度ポーリングする必要がある。その2回目のポーリングがなければ、正直なコスト表を作成することはできない。

ステップ1：GPT Image 2でフレームを固定する

このステップにより、下書きが宝くじではなくプレビューになる。完成した構図を静止画として生成し、それが両方の動画実行の不動の部分となる。

textCopy
1Macro product photograph of a matte black cold-brew coffee bottle standing on a wet slate slab, morning window light raking across it from the right. A cream paper label wraps the bottle, sharply legible: bold uppercase title "NORTHBOUND COLD BREW" on one line, and directly beneath it in small type "single origin ethiopia guji / 250ml / roasted 04.08.2026". Condensation beads on the glass, an espresso machine and a barista in a denim shirt softly out of focus in the background. Cinematic, shallow depth of field, warm neutral grade, photoreal, 16:9.
2

設定：品質 high、サイズ 2048x1152。ここで節約してはいけない。2Kパスで保護したい細部はすべて、このフレームに最初に存在していなければならない。

GPT Image 2で2048x1152で生成された固定された最初のフレーム。コールドブリューボトルと判読可能な小さな文字が写っている。

Generated with openai/gpt-image-2/text-to-image, quality high, 2048x1152. Billed $0.1745, back in 146s.

Atlas Cloud上のGPT Image 2プレイグラウンド。フレームプロンプトが入力され、生成されたボトルが出力パネルに表示されている。

GPT Image 2 on Atlas Cloud: quality set to high, 16:9, the locked frame rendered on the right.

ステップ2：768Pで下書きする

ファイナルと同じエンドポイントを使用する。このステップとステップ4を区別するのは解像度だけである。

textCopy
1Slow macro dolly-in on the bottle. Condensation beads slide down the glass. The label stays perfectly still and legible. In the soft background the barista wipes the counter once. Natural cafe room tone, a faint espresso machine hiss. No camera shake.
2

minimax/h3/image-to-video の設定：最初のフレーム = ステップ1の出力、resolution=768P、duration=4、ratio=adaptive。

MiniMax H3 768Pの下書きクリップ。コールドブリューボトルへのスローマクロドリーイン。

The 768P draft: 1344x768, billed $0.40, back in 194s. Shown as a silent GIF; the file itself carries 32 kHz stereo. Note the four heavy drip streaks smeared down the label.

Atlas Cloud上のMiniMax H3画像動画生成プレイグラウンド。固定フレームがアップロードされ、プロンプトが入力され、完成したクリップが出力パネルに表示されている。

The image-to-video form with the locked frame loaded. Resolution and Duration are the only two fields that separate this step from step 4, and both tiers sit in the same list with nothing gating either one. This capture was left on the 2K and 8 second defaults, which is why the Run button quotes $1.12; switch Resolution to 768P and Duration to 4 and that quote drops to $0.40.

ステップ3：MiniMax H3 2K vs 768Pの下書きを正しい点で評価する

下書きはリハーサルであり、証明ではない。私の2組のペアから、下書きが確実に教えてくれることと、そうでないことを以下に示す。

信頼できる点：プロンプトの文言、動きが全く読めるかどうか、カメラの動きの量、4秒間のペース、オーディオベッド。これらはすべてクリーンに転送された。

信頼できない点：細かい表面のテクスチャ、製品上の最も小さいタイプ、または下書きが作り出すアーティファクト。私の768Pの下書きでは、ラベルに4本の太い茶色の滴りが生じたが、2Kの実行では発生しなかった。また、小さな原材料行は判読不能な状態に崩れた。もしその下書きが汚く見えたからといって拒否していたら、機能しているプロンプトを拒否していたことになる。

これが本当の分業である。768Pは「これは正しいショットか」という問いに答え、2Kは「これは納品可能か」という問いに答える。

ステップ4：1つのフィールドを切り替えて2Kで仕上げる

同じエンドポイント、同じ最初のフレーム、同じプロンプト文字列。resolution を 2K に変更し、それ以外は何も変えない。

同じ固定された最初のフレームからのMiniMax H3 2Kファイナルクリップ。クリーンなラベルと判読可能な小さな文字。

The 2K final: 2560x1440, billed $0.56, back in 234s. Same slab, same espresso machine, same plant, same barista, same label position as the draft.

これが、この記事全体がテストするために作られた質問への答えであり、良い方向に進んだ。最初のフレームを固定することで、ドリフトは止まった。セット、フレーミング、カメラの高さ、タイポグラフィの位置はすべて、768Pの下書きと2Kのファイナルの間で維持された。違いは細部に限定されていた。2Kパスは、にじんだ滴りを1本の細い流れにきれいにし、紙の質感を解像し、小さな原材料行をノイズから文字に戻した。これはまさにMiniMaxがコンテキスト内再生成に主張する動作であり、このテストで2Kが再ロールではなく品質階層のように見えた最初の瞬間である。

対照的に、制御グループ。これは、このページの上部で見知らぬ人を生み出した、裸のテキスト動画生成の2K実行である。同じプロンプト内容、最初のフレームなし、したがって構図を固定するものは何もない。

MiniMax H3テキスト動画生成プレイグラウンド、2K。完成した制御クリップが出力パネルに表示されている。

MiniMax H3 text-to-video on Atlas Cloud: no first frame, Resolution 2K, Aspect Ratio 16:9, and the finished clip in the output panel. Nothing was wrong with this generation. It just is not the same film the 768P run produced.

ステップ5：または、MiniMax H3 2K vs 768Pの再ロールをスキップして、代わりにアップスケールする

768Pのテイクがすでに正解である場合もある。パフォーマンスが決まり、タイミングも適切で、異なる結果になる可能性のある再生成を望まない場合。その場合は、再ロールせずに、正確なファイルをアップスケーラーに通す。

atlascloud/video-upscaler の設定：video = 768P出力URL、target_resolution=2k。2Kでの入力上限は23秒、690フレーム、入力fpsは30以下。H3の24fpsクリップは問題なく通過する。

768PのテイクをAtlas Cloud動画アップスケーラーで2Kにアップスケール。同じ映像、より高い解像度。

The upscaled take: 2540x1452, billed $0.12, back in 40s. Same four drips, same everything. This is the same film, not a new one.

Atlas Cloud動画アップスケーラープレイグラウンド。768Pクリップが読み込まれ、2K結果が出力パネルに表示されている。

The video upscaler on Atlas Cloud with the 768P H3 clip loaded and the upscaled result playing on the right. This capture ran on the 1080p default, which the Run button prices at $0.09 for anything under the 5 second minimum. Switch Target Resolution to 2k and you are on the $0.024/s tier, which is the $0.12 I was billed for my own run.

そして、誰もが見逃してはならない判断、同じ固定フレームからの3つのラベルクロップを同じ拡大率で。

3方向ラベルクロップ比較：ネイティブ768P、そのクリップを2Kにアップスケール、ネイティブ2K。ネイティブ2Kのみが小さな文字を回復する。

Native 768P, the same clip upscaled, and native 2K. The upscaler sharpens the paper grain and the big title beautifully, and it keeps the exact take. What it cannot do is put the small line back, because that information was never in the 768P file. The regeneration pass can, because it goes back to the context instead of to the pixels.

つまり、2つのルートは競合するものではない。異なる質問に答える。アップスケーリングはパフォーマンスを保持する。再生成は細部を回復する。クリップが失うわけにはいかないものに応じて選択する。

MiniMax H3 2K vs 768Pでテストする価値のあるバリエーション

• 縦型。 私の16:9テストでは1344x768が返ってきたため、ティアが固定するのは短辺である。9:16のリクエストでは、同じロジックで768x1344になるはずだが、その前提で縦型バッチを構築する前に一度測定すること。画像動画生成では、adaptive enumと戦うのではなく、最初のフレームで形状を設定する。
• トーキングヘッド。 これは私が下書きを完全にスキップして、直接2Kに行くケースだ。顔、歯、アイラインは、まさに再生成パスが存在する理由である小さな細部のクラスであり、768Pの下書きはこれらすべてについて誤った情報を提供する。
• 長いクリップ。 15秒では、差は1.50ドル対2.10ドルに広がり、実時間もそれに伴って伸びる。予算だけでなく、キューも計画する。
• 製品テキストと多言語作業。 H3の安定したフレーム内タイプとネイティブ多言語オーディオは、人々がそもそも商業用パッケージにこのモデルを選ぶ理由である。どちらも768Pで維持されるため、768Pはリハーサルルームだけでなく、ソーシャルクロップのための真に使用可能な配信ティアとなる。

MiniMax H3 2K vs 768Pが実際に使用可能なクリップあたりにかかるコスト

まず、2Kの成果物を得るための3つのルート、それぞれ8秒のクリップ、実際に請求されたレートで。

次に、あなたの月を決める数字。現実的なミックスを考える。ショットを見つけるために10回の4秒の下書きロール、その後2つの完成した8秒のクリップ。

真ん中の行を正直に読んでほしい。1秒あたりの節約は29%だが、バッチあたりの節約は18%である。なぜなら、ファイナルは依然としてファイナルだからだ。節約は、下書きが支配的になるにつれて29%に近づく。20回の8秒の下書きロール（短いものの代わりに）の場合、ルート2はすべて2Kより約25%低くなる。そして、そのすべてのセントは固定フレームに依存している。なぜなら、それがなければ、それらの10回の安いロールは、あなたが出荷しない10本のフィルムになるからだ。

2番目の配当は時間であり、それはより重要かもしれない。テキスト動画生成ペアでは、768Pは28%高速で返ってきて、両方のペアで一度も長くかかることはなかった。4秒のクリップでそれらの実時間では、1時間あたり約27回の下書きロールが可能で、20回の代わりになる。適切なプロンプトをまだ探しているときは、7回の追加のスイングが、節約した1.60ドルよりも重要である。

このすべてを回避するためにセルフホスティングを計画している場合の1つの法的注意事項。Hugging FaceのオープンウェイトはH3-Baseであり、768短辺で生成する。2KパスはAPI側にあるため、オープンウェイトでは下書きティアのみが得られ、仕上げティアは得られない。コミュニティライセンスには、EU、英国、韓国、米国をカバーする除外領域も含まれており、別の承認チャネルが開かれているため、ローカルチェックアウトで商用パイプラインを構築する前にライセンスを読むこと。リリースされたウェイトに含まれるものと含まれないものの詳細については、MiniMax H3レビュー を参照し、H3を現在の他の動画モデルと比較したい場合は、全モデルカタログ を参照のこと。

よくある質問

MiniMax H3 2K vs 768Pにおいて、768Pは実際にクリップあたり安いのですか？

はい。4秒の768Pクリップは0.40ドル、同じリクエストの2Kは0.56ドルと請求された。つまり、0.10ドル/秒 対 0.14ドル/秒、1秒あたり29%の節約である。ただし、その節約は、安い実行が高価な実行について何かを教えてくれる場合にのみ意味があり、そのためには最初のフレームを固定する必要がある。裸のテキスト動画生成での768P下書きは別のフィルムであり、それに費やされたお金は節約されたお金ではない。

MiniMax H3 2K vs 768Pにおいて、2Kは単に768P出力のアップスケールですか？

いいえ。MiniMaxは、専用の超解像モジュールを実行するのではなく、ベースモデルに自身の低解像度出力をコンテキスト内で再生成させる。そのため、2Kはアップスケーラーが近似するしかできない小さなテキストや細かい表面の詳細を復元できる。私の3方向ラベルクロップはまさにそれを示している。アップスケールされた768Pクリップは紙の質感をシャープにしたが、小さな原材料行は判読不能なノイズのままであり、一方、ネイティブ2Kの実行はそれを文字に戻した。

MiniMax H3 768Pの下書きは、2Kのファイナルのように見えますか？

最初のフレームを固定した場合のみ。裸のテキスト動画生成では、同じプロンプトから、2つのティアは異なるセット装飾、異なるカメラの高さ、異なる結露、異なるラベル位置を私に与えた。固定された最初のフレームを持つ画像動画生成では、構図、フレーミング、タイポグラフィはすべてティア間で保持され、変更は細部とテクスチャのみであった。

MiniMax H3 768Pを入手するために、まだ営業に連絡する必要がありますか？

いいえ、2026年8月5日時点では必要ありません。3つのH3エンドポイントすべてのライブスキーマは、resolution を enum: ["768P", "2K"] としてリストし、プレイグラウンドは両方を1つのドロップダウンに表示し、私の768Pジョブは2つの異なるエンドポイントで低いレートで完了し、請求された。クローズドベータという情報は、ローンチ後の最初の数日間に書かれた記事から来ている。

MiniMax H3 2K vs 768Pにおいて、2Kはどのくらい遅いですか？

私の4秒のペアでは、1.2倍から1.4倍遅かった。テキスト動画生成で181秒対130秒、画像動画生成で234秒対194秒（提出から完了まで）。アーキテクチャ的には、2Kは同じコンテキストに対する2回目の生成パスであるため、長いクリップでは絶対的な差が平坦ではなく広がると予想される。

再ロールせずに768Pクリップを2Kにアップグレードできますか？

動画アップスケーラーを実行することで、テイクに触れずに解像度を上げることができる。私の場合、2Kティア（0.024ドル/秒、最低5秒）で4.46秒のクリップに対して0.12ドルかかり、40秒で返ってきた。これにより、パフォーマンスはフレームごとに保持される。しかし、キャプチャされなかった詳細を回復することはできない。そのため、2Kにする目的が判読可能な小さなタイプである場合、アップスケーラーではなく再生成パスが必要である。