MiniMax H3 vs Veo 3.1: 145 Elo差、そしてほとんどの比較はミュートされたVeoをテストしていた

8秒のVeo 3.1クリップは、同じ8秒のMiniMax H3の3倍のコストがかかる。Artificial Analysisのブラインド投票リーダーボードでは、145 Elo差で後れを取っている。これで記事は終わりにすべきだ。

ただし、Veo 3.1のAPIは音声生成がオフになっている。パラメータはgenerate_audioで、スキーマのデフォルトはfalse、レスポンスにはクリップが無音で返ってきたことを示すものは何もない。MiniMax H3にはそのようなスイッチはない。なぜならH3は画像と32kHzステレオを同じパスで生成し、常にそうしているからだ。つまり、巷にあふれる「Veoの方が見た目が良い」という評価の多くは、ミュートされたGoogleのクリップと、サウンドトラックが付いてきた中国のモデルを並べることで作られていた。

私は、その145ポイントの差が実際にどのようなものか知りたかった。そこで、Veoがこれまでに生み出した最もバイラルなフォーマット、ガラスフルーツのASMRカットを取り上げ、1つのプロンプトを書き、両モデルで各設定を可能な限り最大限に押し上げて実行した。音声オン。何も削らない。

そして、Googleがまだ勝っている3つのポイントを見つけるまで続けた。それらは存在し、これらの比較記事を書いている誰も言及していないからだ。

主なポイント

• Artificial Analysisの音声付きテキスト動画で、MiniMax H3は1,238 Elo、Veo 3.1は1,093 Elo。これはブラインド投票での145ポイント差（スナップショット、2026-08-06）。
• Veo 3.1のgenerate_audioパラメータはAPIスキーマでデフォルトがfalse。APIを呼び出して設定しなければ、無音のVeoクリップとデフォルトでステレオが付いてくるH3クリップを比較していることになる。
• H3は4〜15秒の任意の整数秒に対応。Veo 3.1は4、6、8秒のみ。これは設定ではなく構造上の上限。
• Veo 3.1はArtificial Analysisの動画編集リーダーボードにまったく登場しない。H3はそのリーダーボードで1位。
• Veo 3.1は4K出力、seedとnegative_promptによる再現性で依然として優位。Veo 3.1 Liteは720pで十分なら、H3のどのプランよりも本当に安い。

---

MiniMax H3 vs Veo 3.1、1つのプロンプト、3つのテイクを連続で

laLbhPPVt_g

1つのプロンプト、3つのテイクを順に：MiniMax H3 2K、Veo 3.1 1080p（音声明示的にオン）、Veo 3.1 Lite 720p。各セグメントは独自のネイティブ音声トラックを保持しているので、音声をオンにすること。各テイクの最後の1秒と、最も安いモデルが最終フレームの端で何をするかを注目してほしい。

2台のプロダクションモニターの前に置かれた、クリスタルガラスのスイカとナイフのマクロフィルムセット。この記事で実際に実行したセットアップ：1つのASMR製品スポット、2つのモデル、1つのAPIキー。openai/gpt-image-2/text-to-imageで生成。

---

MiniMax H3 vs Veo 3.1が、突然、唯一実行する価値のある比較になった理由

MiniMax H3は2026年7月に登場し、ボード上の他のどのモデルも成し得なかったことを成し遂げた。わずか数週間でArtificial Analysisの3つの動画アリーナすべてでトップ3に入り、しかも上位に近い唯一のオープンウェイトエントリーとしてそれを実現した。

両モデルが実際にどこに位置しているか、プレスリリースから引用するのではなく、ライブで取得したデータを以下に示す（Artificial Analysis、2026年8月）。

表A: Artificial Analysis Video Arena、2026-08-06のスナップショット

この表の中で、もっと注目に値する3つのことがある。

145ポイントの差は音声ボード上のものだ。 音声付きテキスト→動画では、Gemini Omni Flash（1,243）だけがH3より上位で、それも同じ統計的タイバンド内だ。Veo 3.1は11位。両方のクリップを聞いた投票者は、VeoよりもH3を広い差で選んだ。

Veo 3.1は動画編集リーダーボードに載っていない。 そのボードには8つのモデルが載っており、H3は1位で、Gemini Omni Flashを9ポイントリードしている。Googleはその比較に負けたのではなく、単にエントリーしなかったのだ。あなたのワークフローが「生成して、ショットの1つを変更する」というものであれば、その違いはあなたの助けにはならない。

MiniMax自身の発表は1つの数字を誇張しているので、それを繰り返さないこと。 公式発表では、H3が編集ボードで2位を93ポイントリードしていると述べている。2位はGemini Omni Flashで1,123、これはH3より9ポイント低い。93ポイントの数字は、5位のDreamina Seedance 2.0（1,037）との差だ。両方の数字は実際のものだが、異なる行に属している。

ほとんどの直接比較がこれを間違える理由

3つの失敗モードを、私が見た頻度の降順で示す。

1. 無音のVeo。generate_audioはVeo 3.1のAPIスキーマでデフォルトがfalse。開発者が触らなければ、ミュートクリップを取得し、それをH3のステレオミックスと比較することになる。それはモデル比較ではなく、設定のバグだ。知っておく価値がある：Atlas Cloudのウェブプレイグラウンドは事前にスイッチを有効にしてくれるので、この罠はAPIを直接呼び出す人を襲う。つまり、ベンチマークを公開している人のほとんどだ。
2. 解像度の不一致。 H3のAPIでのデフォルト解像度は2Kだが、多くのテストは速度のために768Pで実行し、その結果を1080pのVeoフレームと並べている。
3. 公平を期すためにH3を8秒に制限する。 それは公平ではない。きれいな表のためにH3の時間範囲のほぼ半分を捨てている。

正直に言うと、H3自身の弱点も現実的だ：リファレンススロットを満杯に詰め込むと、プロンプトへの忠実度が高まるどころか緩む傾向があり、2Kティアは本当に遅く、MiniMax自身もH3を映画やアニメーションモデルとして位置づけていない。また、この実行ではH3はスタイライズドに傾き、ブリーフを磨かれたカットクリスタル製品写真として読み取り、Veoが生成した超現実的なオブジェクトとは異なっていた。

---

MiniMax H3 vs Veo 3.1：仕様、音声動作、1秒で買えるもの

ここでの方法は意図的に退屈なものにしている：1つのプロンプト、3つのエンドポイント、1つのAPIキー、編集なし。両方のファミリーはAtlas Cloud上で並べてホストされている。これは、同一プロンプトの実行を、2つの別々の請求アカウントと調整すべき2つの異なるパラメータ方言なしで可能にする唯一の理由だ。それが製品言及のすべてだ。モデルが主題である。

表B: 機能マトリックス、ライブAPIスキーマから

最後の2行を一緒に読むと、この比較全体で最も明確な線が得られる：

音声をオンにしたMiniMax H3は、音声をオフにしたVeo 3.1よりも安い。 1秒あたり$0.14対$0.20。

Google自身の価格表も上限で同意している。Veo 3.1は720pおよび1080pで音声込みのデフォルトレートとして1秒あたり$0.40、4Kでは$0.60に上昇する（Google Gemini API ドキュメント、2026年8月）。Atlasはそれを無音ティア$0.20と音声ティア$0.40に分割しているので、generate_audioをtrueに切り替えた瞬間に1秒あたりのコストが2倍になる。H3には同等のレバーはない。オンにするものがないからだ。

実行前にもう1つ注目すべき非対称性：H3のresolutionとdurationは、3つのエンドポイントすべてで必須フィールドであり、テキスト→動画のratioはデフォルトで1:1。ベアなプロンプトを送信すると、正方形の動画が返ってくる。Veoは喜んで妥当な16:9 720pクリップにデフォルト設定される。

---

MiniMax H3 vs Veo 3.1、同一プロンプト、両モデル：完全実行

3つのモデルすべてに1つのプロンプト、その間で一言も変更しない。これは4つのことを同時にストレスチェックするように構築されている：超現実的なガラス物理（Veoの得意分野）、ブレークに同期したネイティブフォーリー、1行の人間の声のナレーション、そして最後の1秒にフェードインするローワーサードタイプカード（H3が優位を主張する部分）。

これを逐語的にコピーする。

plaintextCopy
1極限マクロASMRショット、16:9。鮮やかでリアルなスイカが透明なクリスタルガラスから彫られ、濡れた黒い石板の上に置かれている。鏡面研磨されたシェフナイフがゆっくりと連続した動きで押し下げられ、きれいに切り裂く。ガラスは明るい甲高いひび割れ音とともに分かれ、小さな半透明の破片が飛び散り、石板の上にカチカチと散らばる。左から冷たいブルーのリムライト、背後に1つの温かい実用的なライト。100mmマクロ、浅い被写界深度、スロープッシュイン。音：刃の下のガラスの澄んだ音、石に当たる破片のチリチリ音、低い室内トーン。落ち着いた女性の声が言う：「クリーンにカット。毎回必ず。」最後の1秒で、鮮明な白いサンセリフ体のタイプがローワーサードに「CUT CLEAN」とフェードインする。

ステップ1: MiniMax H3 テキスト→動画 2K

MiniMax H3 Text-to-Videoを開き、プロンプトを貼り付け、次に重要な3つのフィールドを設定する：

• 解像度:2K。 必須フィールド。これが最上位ティアで、16:9リクエストで2560x1440が配信される。
• 時間:8。 必須フィールド。Veoの上限に合わせて、最初の比較を同等にする。
• 比率:16:9。 これを見逃す人が多い。デフォルトは1:1で、テキスト→動画はadaptiveをまっすぐに400で拒否する。そのままにすると正方形のクリップになる。

シードフィールドもネガティブプロンプトフィールドもない。サンプラーが提供するものを取得し、唯一の制御はプロンプトだけである。

請求額：8秒 x $0.14 = $1.12、音声込み。忍耐も予算に入れること：このジョブはエンドツーエンドで455秒かかった。このステップの完成したプレイグラウンド実行をキャプチャしようと4回試みたが、2Kキューがブラウザセッションを毎回上回ったため、代わりにAPI出力自体を100％で、リサンプリングなしで示す。

MiniMax H3 2K出力の100％クロップ。鮮明なローワーサードタイプと解像されたガラスのファセットが表示されている。MiniMax H3、2K、8秒、16:9、配信された2560x1440フレームから1:1にクロップ。タイプのエッジはきれいで、スレート上の個々のガラスの破片はファセットを保持しており、リーダーボードの投票が行われたのはこのティアである。

ステップ2: Veo 3.1 テキスト→動画、音声オン

Veo 3.1 Text-to-Videoを開き、同一のプロンプトを貼り付ける。設定：

• 解像度:1080p。 Veoのenumには4kもあり、H3はまったく一致できない。知っておくと便利：720pと1080pは同じレートで請求されるため、1080pは無料のアップサイドである。
• 時間:8。 最大値。
• アスペクト比:16:9。 ここでは16:9と9:16のみ。
• generate_audio:true。 これがインターネットがスキップするステップである。スキーマのデフォルトはfalseで、無音の戻りはエラーのように見えない。
• negative_prompt:blurry, warped text, extra fingers, motion blur on type。H3では提供されない無料の追加制御。
• seed:12345。 これもH3にはない。Googleは再現性のハンドルを提供する。

請求額：8秒 x $0.40 = $3.20（音声オン）。generate_audioをオフにすると、同じクリップは$1.60で無音になる。

Atlas Cloud上のVeo 3.1テキスト→動画プレイグラウンド。Generate Audioスイッチがオンで、出力パネルで完成したクリップが再生されている。Veo 3.1、実行完了。Generate Audioスイッチがオンで、Runボタンには$3.2と表示されている。これは8秒の音声レートである。このキャプチャはページのデフォルト720pのままにしたが、1080pと同じ請求である。この記事の1080pクリップは、同じプロンプトからAPIを通じて得られた。MiniMax H3には同等のものがない2つの空のフィールド、Negative PromptとSeedに注目。

ステップ3: Veo 3.1 Lite、格安席

Veo 3.1 Lite Text-to-Videoを開き、同じプロンプトを再度貼り付ける。設定：720p、8秒、16:9、seed 12345。

このページに欠けているものに注意：音声スイッチはない。Liteは常に音声を生成するからだ。また、スキーマの1つの罠にも注意：Liteで1080pにすると時間が8に強制されるため、4秒の1080p Liteクリップは存在しない。

請求額：8秒 x $0.05 = $0.40。これは、H3を含むこの記事全体で最も安い、音声付きの完成クリップである。

Atlas Cloud上のVeo 3.1 Liteプレイグラウンド。720pで、音声トグルは存在しない。出力パネルに完成したクリップが表示されている。Veo 3.1 Lite 720p。このページにはgenerate_audioコントロールがまったくない。それがポイントである。

ステップ4: MiniMax H3 vs Veo 3.1を5つの軸で評価

このステップではモデル呼び出しなし、コストなし。これが何であるかを正確に言うと：モデルごとに1テイク、最初の試行、リロールなし。これは3つのクリップの同条件比較であり、キープレートスタディではない。

表D: 実際に返ってきたもの、各1テイク

ローワーサードタイプがフェードインする瞬間のMiniMax H3とVeo 3.1のテイクの一致フレーム

両方のテイクで同じビート、CUT CLEANがフェードインするフレーム。左：MiniMax H3 2K、右：Veo 3.1 1080p音声オン。Veoのガラスは写真に撮られたオブジェクトのように読める。H3のタイプはより鮮明で正しく配置されている。

音声軸は聴覚判断なので、上のリールで判断してほしい。測定可能なこと：3つすべてが0.6秒を超えるデッドパッチのない連続ステレオトラックを返した。H3は32kHzステレオを配信し、ホットにミックスされ、平均レベルは約-18 dB、ピークは0 dBFSに達する。Veo 3.1は48kHzステレオを保守的な平均約-31 dBで配信する。H3のトラックは約13 dB大きく、モデルから出てすぐにより完成されたミックスのように聞こえ、グレーディングのヘッドルームもはるかに少ない。

ステップ5: Veo 3.1が構造的にできない15秒テイク

ステップ1と同じページ、同じプロンプト、2つのフィールドを変更：時間 15、解像度 768P、比率は依然として16:9。新しいスクリーンショットはない。同じプレイグラウンドである。

これがVeoに相当するものがないステップである。Veo 3.1のduration enumは、すべてのエンドポイントで[4, 6, 8]であり、それを引き上げるプラン、ティア、フラグはない。Google自身の、より長いものを求める答えは、別の動画拡張機能（Google video generation docs、2026年8月）であり、つまり8秒ブロックを生成して結合することを意味し、継ぎ目でグレードと音声を一致させる必要がある。H3は1つの連続テイクと1つの連続音声ベッドを与える。

請求額：15秒 x $0.10 = $1.50。これは、音声付きの単一の8秒Veo 3.1クリップの半分以下のコストである。

VNmboe6k4M4

MiniMax H3、768P、15秒、1つの途切れないテイクと1つの途切れない音声ベッド。音声オン。Veo 3.1にはこのファイルを生成する設定はない。H3が刃に沿って発明した彫刻に注意：指定されたタイプはきれいにレンダリングされるが、発明されたタイプはナンセンスである。

このテイクに関する2つの正直なメモ。実行時間は485秒で、この記事で最も遅いジョブであり、その音声ベッドは8秒バージョンよりも著しくまばらで、3秒と11秒のマーク付近に実際のギャップがある。長くは可能だが、長くは結果が伴わない。

4つのチュートリアルステップの総支出：$1.12 + $3.20 + $0.40 + $1.50 = $6.22、モデルごとに1回の試行、リロールなし。次のセクションで使用した追加の768P 8秒実行は$0.80を追加し、プレイグラウンドキャプチャはその上に別の有料実行であった。

---

MiniMax H3 vs Veo 3.1：H3がGoogleの許容範囲を超えるところ

H3側のテーブルにある4つの能力は、Veo機能の低速版や安価版ではなく、Veoがまったく公開していないものである。

21:9シネマスコープ。 H3のratio enumには、通常のペアに加えて21:9、4:3、1:1、3:4が含まれている。Veo 3.1とLiteは両方とも16:9または9:16のみを提供し、それ以外はない。劇場用フォーマットのティーザーをカットする場合、これらのモデルの1つはネイティブでフレーミングでき、もう1つはクロップが必要である。

画像だけではないリファレンス。 H3のreference-to-videoエンドポイントは、画像、動画、および音声リファレンスを混在させてルックを固定するrefers[]配列を受け取り、その間も4〜15秒の全範囲を維持する。Veo 3.1のreference-to-videoは、最大3エントリのimages配列を受け取り、そのduration enumは[8]に縮小されるため、リファレンスは8秒に固定される。経験からの注意：H3のリファレンススロットを容量までロードすると、出力がプロンプトに向かうのではなく、むしろ遠ざかる傾向があるので、徐々に構築すること。

2Kは再レンダリングであり、アップスケールではない。 これは私を驚かせたもので、どこにも書かれているのを見たことがない。H3テキスト→動画で同一のプロンプトを768Pと2Kで実行すると、同じフィルムが2つのサイズで得られるわけではない。異なる2つのフィルムが得られる。この実行では、768Pテイクはメロンを丸ごと直立させ、背後にキャンドルが燃えている状態で、タイプを4秒の時点でフレームの中央に叩きつけた。2Kテイクはメロンを3つに割り、背景光を動かし、タイプを書かれたとおりに最後の1秒にローワーサードに小さく配置した。同じプロンプト、同じ比率、同じシードレスのサンプラー。

同じプロンプトを768Pと2Kで実行した、サイドバイサイドのフレーム。同じショットが2つのサイズで表示されるのではなく、異なるセットドレッシングが表示されている。同じプロンプト、同じモデル、同じ比率、左が768P、右が2K、両方とも同じタイムスタンプ。異なるステージング、異なる光、異なるタイプ処理。ティア間で構図を維持する必要がある場合は、代わりにimage-to-videoで最初のフレームをロックすること。

音声の追加料金は決してない。 予算の立て方に影響するため、はっきりと述べる：無音であることで安くなるH3クリップのバージョンはなく、無音の価格で音声が付くVeo 3.1クリップのバージョンもない。

正直に帳簿を付けるために、Googleが真に勝ち、H3が答えを持たない3つの場所：

• 4K。 Veo 3.1の解像度enumには4kが含まれている。H3は最高で2K。クライアント契約が4Kマスターを要求する場合、この比較はここで終わる。
• seedとnegative_prompt。 Veoは再現性を微調整し、障害モードを明示的に禁止できる。H3はどちらも提供しない。ニアミスをリロールする必要があり、全体のルックを失いたくない撮影では、そのギャップが痛い。
• 速度、ある程度。 Veo 3.1のモデルドキュメントは、8秒の1080pクリップで約2〜3分と見積もっている。この実行では、同時に送信した場合、H3 2Kは455秒、Veo 3.1 1080pは462秒かかり、実質的に同程度で、両方とも見積もり値を大幅に超えていた。Veo 3.1 Liteは237秒で完了し、どちらよりも半分以下だった。クライアントの前でライブで反復する場合、Liteは3つの中で唯一追いつくものであり、これは1秒あたりの価格が示さない本当の利点である。

---

MiniMax H3 vs Veo 3.1で完成した1本の広告のコスト

1秒あたりの価格は、実際に費やす額ではない。費やすのは、1秒あたりの価格に、捨てたクリップの数を掛けたものだ。以下の30秒の列は、3:1のキープ率（使用可能なテイクにつき3世代）を適用している。これは、この実行で測定されたものではなく、通常の制作慣行からの作業仮定である。ベンチマークではなく、スケーリングファクターとして扱うこと。

表C: 配信されるスポットあたりの実費、2026年8月現在のAtlas Cloud価格、アクティブな割引なし

2つの結論。そして2つ目は、私が書くことを予想していたものではない。

2Kが必要な場合、または8秒より長い場合、または16:9と9:16以外の比率が必要な場合、または追加料金なしのネイティブ音声が必要な場合、H3はコストで大きく勝つ。 H3の最上位ティアでの30秒のスポットは、音声付きの同じスポットのVeo 3.1の約3分の1になる。

720pと8秒で本当に十分なら、Veo 3.1 Liteがここで最も安く、それに近いものはない。 1秒あたり$0.05はH3の最安ティアの半分であり、音声は含まれていて忘れるスイッチはなく、両方のフラッグシップの2倍の速さだった。H3が無条件に安い選択肢だと誰かに言われたら、Liteの行を見ていないことになる。Googleはまた、その中間にVeo 3.1 Fastをリストしており、独自の価格表では720pで1秒あたり$0.10だが、Atlasのカタログとそのモデルページはそのティアに対して異なる数値を引用しているため、Fastの正確な数字は未確定として扱う。

割引が買うものの落とし穴はこれである。これは最初の試行でLiteが返した最後のフレームである：

Veo 3.1 Liteテイクの最終フレーム。フレームの両端に、2つの同一の幻覚の女性のポートレートカットアウトが表示されている。Veo 3.1 Lite、最終フレーム、最初のテイク。プロンプトは女性の声に言及した。Liteは彼女を表示することに決め、2回、一致するカットアウトで。また、3つのモデルの中で最良の緑の皮と種をメロンに与えた。それが、これを単に悪いのではなく、フラストレーションがたまるものにしている理由である。

それが安いティアの正直な姿である。それはオブジェクトを両方のフラッグシップよりも良く読み、その後、ポストで修正できない方法でショットを壊した。失敗率が動く場合、1秒あたりの安さは使用可能なクリップあたりの安さではない。したがって、Liteを選ぶなら、ステッカー価格を想定するのではなく、リロールの予算を組むこと。

---

オープンウェイト、除外地域、そして誰も読まない部分

ウェイトは実際に公開されている。Hugging Face上のMiniMaxAI/MiniMax-H3は、BF16の33Bパラメータ高密度単一ストリームオムニトランスフォーマーで、2つの準備済みチェックポイント、完全なQwen3-VL-32Bテキストエンコーダ、および2つのオートエンコーダを同梱している。すべてをプルすると、約499 GBになる。これは引退バージョンではなく現在のフラッグシップであり、すべてのArtificial Analysisビデオボードの上位ランクの中で、唯一のオープンウェイトエントリーである。

そして、ライセンスを読むと、「オープンウェイト」が示唆する以上に多くのことを行っている（Hugging Face、2026年8月）：

• §I.5は除外地域を欧州連合、英国、大韓民国、およびアメリカ合衆国と定義している。許諾は世界のそれ以外の地域に適用される。
• §V.4はデプロイメントよりもさらに進んでいる。適用地域外で、著作物またはその出力のいずれかを使用、複製、修正、配布、または表示してはならない。
• §IV.1は、年間収益が2000万ドルを超える商用製品には、個別の事前書面による許可が必要とする。
• §IV.2は、その上に構築された商用製品のUIに「MiniMax H3」を目立つように表示することを要求する。

MiniMaxはそれを宙ぶらりんにしているわけではない。リポジトリにはライセンスQ&Aと申請フォームが同梱されており、ライセンスは同社がそれらの法域を引き続き評価し、利害関係者を招待すると述べている。したがって、正確な枠組みは「まだ、問い合わせてください」であり、「永久に禁止」ではない。それでも、米国またはEUの製品をローカルウェイトの周りに計画する前に、法務を経由してルーティングする必要がある質問である。

そして、ローカルウェイトはAPIではない。セルフホストのH3-Baseは768ピクセルの短辺でレンダリングする。2Kパスは、API側の別の再生ステージを経由する。オープンウェイトは、あなたが制御する768pモデルを購入するのであって、それらの投票に勝った2Kモデルではない。

解決できなかったことが1つある：サードパーティAPIを通じて提供される場合、Veo 3.1の出力にSynthIDウォーターマークが付くかどうか。それは未確認として扱う。この実行のH3ファイルには、目に見えるウォーターマークはなかった。

---

よくある質問

MiniMax H3は実際にVeo 3.1より優れているのか？

音声付きのブラインド投票では、Artificial Analysisのテキスト→動画で145 Elo差で優れており、H3はVeo 3.1が登場しない動画編集ボードで1位である。また、音声オンの1秒あたりのコストは、Veoが音声オフの場合よりも安い。Veo 3.1は4K出力とseed＋negative_prompt制御で依然として優位である。

Veo 3.1の動画が無音なのはなぜか？

generate_audioがVeo 3.1とVeo 3.1 Fastでデフォルトでfalseになっているため。明示的にtrueに設定すること。これにより、Atlas Cloudで1秒あたりのコストが$0.20から$0.40に倍増することに注意。MiniMax H3にはそのようなパラメータはない。音声が画像と同じパスで生成されるためである。Veo 3.1 Liteも常に音声を生成する。

MiniMax H3はVeo 3.1の8秒より長いクリップを作れるか？

はい。H3は4〜15秒の任意の整数秒を1つの連続テイクとして受け入れ、両方のフィールドがリクエストで必須。Veo 3.1のduration enumは[4, 6, 8]で固定。Veoでより長くするには、8秒ブロックを生成して拡張または結合し、継ぎ目でグレードと音声を一致させる必要がある。

MiniMax H3はオープンウェイトだ。無料ということか？

ほとんどの人が意味するように無料ではない。完全なダウンロードは約499 GB、セルフホストのH3-Baseは768ピクセルの短辺でレンダリングし、2KはAPI側の再生ステージを必要とする。コミュニティライセンスはまた、EU、英国、韓国、米国を除外し、その制限はデプロイメントだけでなく出力も対象としており、それらの地域向けに正式な承認チャネルが開かれている。

完成した30秒の広告では、MiniMax H3とVeo 3.1のどちらが安いか？

H3 2Kは、3:1のキープ率で30秒のスポットあたり約$12.60、音声オンのVeo 3.1は約$36.00。ただし、720pと8秒ブロックが許容できる場合、Veo 3.1 Liteは約$4.50で両方を上回る。H3のコスト優位性は、2K、より長いテイク、より広い比率の選択、または無料の音声を望む場合に条件付きである。

MiniMax H3はVeo 3.1のように4Kに対応しているか？

いいえ。H3の解像度enumは768Pと2Kのみ。Veo 3.1は4kを含み、Google自身の価格設定では1秒あたり$0.60、Veo 3.1 Liteは明示的に4Kをサポートしていない。4Kマスターが契約上の条件である場合、Veo 3.1標準のみがこれら3つのうちでそれを提供する。