MiniMax H3 2K vs 768P: Eu executei o mesmo prompt duas vezes e obtive dois filmes diferentes

Duas impressões da mesma foto de garrafa de cold brew sobre um balcão de café, uma suave e uma nítida, com um recibo entre elas

Duas impressões da mesma foto, uma suave e uma nítida. No MiniMax H3, essa diferença não é um controle deslizante de qualidade. Gerado com openai/gpt-image-2/text-to-image.

Eu enviei o mesmo prompt duas vezes. A única coisa que mudei foi um menu suspenso: 768P, depois 2K.

A primeira execução custou $0,40 e voltou em 130 segundos. A segunda custou $0,56 e levou 181 segundos. Então coloquei os dois quadros lado a lado e algo pareceu errado. A garrafa ainda estava lá. O rótulo ainda estava lá, letras miúdas e tudo. Mas o balcão havia mudado de madeira quente para pedra clara, uma prateleira havia aparecido no fundo atrás do barista, a condensação no vidro estava de repente por toda parte, e a luz havia mudado de cor.

Eu não tinha economizado dinheiro num rascunho. Eu tinha filmado dois filmes diferentes.

Isso não é um bug. É o que "2K" realmente significa no H3, e quando você entende, o conselho padrão que todo mundo dá, "rascunhe barato, depois finalize caro", silenciosamente desmorona. Abaixo estão todos os números desse teste, mais a única mudança que faz o rascunho barato funcionar.

Principais conclusões (todos os valores medidos na Atlas Cloud, 2026-08-05)

• 768P entregou 1344x768, 2K entregou 2560x1440 em uma solicitação 16:9. Isso é 3,6x os pixels e 3,6x a taxa de bits do vídeo.
• A cobrança foi de $0,40 vs $0,56 para um clipe de 4 segundos, então $0,10/s vs $0,14/s. 768P é 29% mais barato por segundo, não metade do preço.
• 768P voltou 28% mais rápido no par texto-para-vídeo (130s vs 181s) e 17% mais rápido no par imagem-para-vídeo (194s vs 234s).
• Texto-para-vídeo em 768P e 2K com o mesmo prompt produziu duas tomadas diferentes, não duas qualidades de uma tomada. Um rascunho simples em 768P não prevê seu final em 2K.
• Trave o primeiro quadro com imagem-para-vídeo e a deriva para. Mesmo cenário, mesmo enquadramento, mesma posição do rótulo, e o 2K gasta seus pixels extras exatamente onde a MiniMax diz: nas letras miúdas.
• 768P não está bloqueado. Ambos os níveis estão ativos na enumeração de resolução e selecionáveis no menu suspenso a partir de 2026-08-05, independentemente do que os resumos antigos ainda dizem.

MiniMax H3 2K vs 768P: O 768P ainda está em beta fechado?

Não, e vale a pena esclarecer isso logo porque ainda é repetido na maioria dos resumos de preços escritos nos dias após o lançamento.

Eu puxei o esquema de entrada ativo para todos os três endpoints H3 hoje. O campo resolution lê enum: ["768P", "2K"] com default: "2K" em texto-para-vídeo, imagem-para-vídeo e referência-para-vídeo, e duration roda a cada segundo inteiro de 4 a 15 em todos os três. Nenhuma bandeira, nenhum bloqueio, nenhum formulário de vendas. Então enviei um trabalho 768P em dois endpoints diferentes e ambos foram concluídos e cobrados pela taxa mais baixa. Se uma página diz para você entrar em contato com vendas para 768P, essa página está descrevendo a primeira semana do lançamento, não esta semana.

MiniMax H3 2K vs 768P, mesmo prompt, lado a lado

Esquerda é 768P. Direita é 2K. Prompt idêntico, duration=4 idêntico, ratio=16:9 idêntico, enviados consecutivamente para minimax/h3/text-to-video.

MiniMax H3 2K vs 768P em tela dividida a partir do mesmo prompt de texto-para-vídeo, com resolução, preço e tempo real gravados

Mesmo prompt, duas execuções. Esquerda: 768P, 1344x768, $0,40, 130s. Direita: 2K, 2560x1440, $0,56, 181s. Exibido como um GIF silencioso; ambos os arquivos entregues carregam áudio estéreo de 32 kHz. Medido na Atlas Cloud, 2026-08-05.

Observe o que realmente difere. Não é a nitidez. É o filme. Material do balcão diferente, decoração de fundo diferente, quantidade de condensação diferente, altura da câmera diferente, temperatura de cor diferente, e o rótulo está em um ponto diferente na garrafa. Nada no prompt pediu que nada disso mudasse.

Agora a parte que todo mundo assume que é o contrário. Aqui está a área do rótulo de ambas as tomadas, recortada dos arquivos nativos e ampliada para a mesma largura, então o recorte 768P está mais ampliado que o recorte 2K.

Comparação de recorte do rótulo entre as tomadas MiniMax H3 768P e 2K, ambas mostrando a linha de ingredientes pequena como legível

A linha pequena "single origin ethiopia guji / 250ml / roasted 04.08.2026" sobrevive em 768P. Está mais suave e o espaçamento das letras oscila, mas nada é ilegível. O custo real do 768P aqui não foi texto borrado, foi uma composição diferente.

Portanto, o enquadramento honesto do MiniMax H3 2K vs 768P não é "nítido versus borrado". É "esta tomada versus uma tomada diferente, mais um passe de detalhes por cima".

A ficha técnica do MiniMax H3 2K vs 768P, medida

Tudo nesta tabela veio do ffmpeg -i nos arquivos entregues e do campo price na previsão finalizada, não de uma página de documentação.

Duas notas de rodapé que me custaram dinheiro para aprender. Primeiro, ambos os níveis entregaram 4,46 segundos para uma solicitação duration=4 e ambos cobraram 4 segundos, então você ganha os 0,46s extras de graça, mas não pode planejar um corte em torno disso. Segundo, o áudio é idêntico entre os níveis. Se seu clipe é carregado por diálogo ou sincronia musical, o 2K não compra nada na coisa que importa.

Por que MiniMax H3 2K vs 768P engana todo mundo

Porque 2K no H3 não é uma etapa de upscale. É uma segunda geração.

A MiniMax descreve o mecanismo diretamente: "Para a saída 2K do H3, em vez de usar um módulo de super-resolução dedicado convencional, fazemos o modelo base H3 regenerar sua própria saída de baixa resolução no contexto." Eles explicam por que construíram assim também: a abordagem no contexto "permite que ele recorra ao contexto multimodal original novamente para produzir saída de alta resolução, recuperando detalhes que a super-resolução tradicional só pode 'adivinhar' e muitas vezes não pode restaurar, como texto pequeno e detalhes finos" (MiniMax, julho de 2026).

Leia isso novamente com uma mentalidade de produção. O passe 2K volta ao seu contexto original e gera novamente. Quando seu contexto é apenas um prompt de texto, "gerar novamente" significa "rolar os dados novamente". Isso é exatamente o que minhas duas tomadas mostram. O modelo nunca foi instruído a reproduzir a versão 768P, porque nunca viu a versão 768P.

Três maneiras como isso morde na prática:

1. Você faz rascunhos baratos em 768P com texto-para-vídeo, escolhe um vencedor e depois executa novamente em 2K. Você recebe um estranho de volta. O prompt é honrado, o filme é novo. Esse é o teste no topo desta página.
2. Você faz o orçamento como se 29% mais barato por segundo significasse 29% mais barato. Não significa, porque os finais são a parte cara de qualquer lote real, e um 2K desperdiçado apaga a economia de vários rascunhos.
3. Você assume que o caminho de upgrade barato está em algum lugar. Verifiquei o catálogo completo na Atlas Cloud hoje: 452 modelos, três endpoints H3 e nenhum endpoint de regeneração H3 entre eles. Onde apenas os três endpoints de geração estão expostos, "atualizar este clipe para 2K" significa ou executá-lo novamente ou executar um upscaler separado sobre ele. Ambos custam dinheiro e não compram a mesma coisa.

Vale a pena dizer por que vale a pena projetar em torno deste modelo em vez de trocar. A oferta principal no lançamento foi vídeo "em até 2K de resolução, em clipes de até 15 segundos, com áudio estéreo nativo" (DataNorth AI, agosto de 2026), e as pontuações comprovaram: o H3 atualmente está no topo do quadro de Elo de edição de vídeo do Artificial Analysis com 1.130, à frente do Gemini Omni Flash com 1.122 e 93 pontos à frente do Dreamina Seedance 2.0 720p com 1.037 (Artificial Analysis, agosto de 2026). A qualidade vale um fluxo de trabalho. O fluxo de trabalho só precisa respeitar como o 2K é produzido.

Os quatro modelos por trás deste teste MiniMax H3 2K vs 768P, em uma guia

O teste inteiro são quatro modelos, uma chave de API, uma conta. Eu executei na Atlas Cloud porque alternar entre um modelo de imagem, dois endpoints H3 e um upscaler significaria três contas e três faturas para reconciliar no final do mês.

Duas notas antes de copiar os números. Os endpoints H3 publicam uma taxa principal única de $0,14/s, que é o nível 2K; a taxa 768P aparece na fatura, não na listagem, então meça você mesmo uma vez. E nenhum desses quatro modelos está com desconto agora. Se você quiser reduzir a etapa de travamento do quadro, openai/gpt-image-2-developer/text-to-image está com 50% de desconto ($0,004 de $0,009) em agosto de 2026, e é a mesma família fazendo o mesmo trabalho.

Como executar o teste MiniMax H3 2K vs 768P você mesmo

Cinco etapas, $2,21 de crédito e cerca de 15 minutos de tempo total. Cada prompt abaixo é a string exata que enviei.

Três notas sobre parâmetros primeiro, porque cada uma pode silenciosamente custar uma execução:

• Em texto-para-vídeo, o campo é ratio, não aspect_ratio, seu padrão é 1:1, e sua enumeração não tem opção adaptive. Passe 16:9 você mesmo ou receberá um clipe quadrado. Em imagem-para-vídeo, a enumeração é apenas adaptive, porque seu primeiro quadro decide a forma.
• Sempre envie duration explicitamente em vez de confiar no padrão documentado de 8. O que é cobrado segue o que é entregue, não o que você assumiu.
• Cada trabalho H3 ultrapassa um tempo limite normal inline, então envie de forma assíncrona e consulte. O campo price também é preenchido tarde: quando status muda para completed, muitas vezes ainda está vazio, e você precisa consultar o id da previsão mais uma vez para obter o número real. Sem essa segunda consulta, você não pode construir uma tabela de custos honesta.

Etapa 1: Trave o quadro com GPT Image 2

Esta é a etapa que transforma um rascunho em uma prévia em vez de um bilhete de loteria. Gere a composição finalizada como uma imagem estática, e ela se torna a parte imóvel de ambas as execuções de vídeo.

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

Configurações: qualidade alta, tamanho 2048x1152. Não economize aqui. Cada detalhe que você deseja que o passe 2K proteja precisa existir neste quadro primeiro.

O primeiro quadro travado gerado com GPT Image 2 em 2048x1152, mostrando a garrafa de cold brew e suas letras miúdas legíveis

Gerado com openai/gpt-image-2/text-to-image, qualidade alta, 2048x1152. Cobrado $0,1745, de volta em 146s.

Playground do GPT Image 2 na Atlas Cloud com o prompt do quadro preenchido e a garrafa gerada no painel de saída

GPT Image 2 na Atlas Cloud: qualidade definida como alta, 16:9, o quadro travado renderizado à direita.

Etapa 2: Rascunhe em 768P

Mesmo endpoint que você usará para o final. Apenas a resolução difere entre esta etapa e a etapa 4.

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

Configurações em minimax/h3/image-to-video: primeiro quadro = sua saída da etapa 1, resolution=768P, duration=4, ratio=adaptive.

O clipe de rascunho MiniMax H3 768P, um dolly-in macro lento na garrafa de cold brew

O rascunho 768P: 1344x768, cobrado $0,40, de volta em 194s. Exibido como um GIF silencioso; o arquivo em si carrega áudio estéreo de 32 kHz. Observe as quatro listras grossas de gotejamento espalhadas pelo rótulo.

Playground do MiniMax H3 imagem-para-vídeo na Atlas Cloud com o quadro travado carregado, o prompt digitado e um clipe finalizado no painel de saída

O formulário de imagem-para-vídeo com o quadro travado carregado. Resolução e Duração são os únicos dois campos que separam esta etapa da etapa 4, e ambos os níveis estão na mesma lista sem nada bloqueando nenhum dos dois. Esta captura foi deixada nos padrões 2K e 8 segundos, e é por isso que o botão Executar cita $1,12; mude Resolução para 768P e Duração para 4 e essa cotação cai para $0,40.

Etapa 3: Julgue o rascunho MiniMax H3 2K vs 768P nas coisas certas

O rascunho é um ensaio, não uma prova. Dos meus dois pares, aqui está o que ele informa de forma confiável e o que não informa.

Confie para: redação do prompt, se o movimento se lê, a quantidade de movimento da câmera, ritmo ao longo dos quatro segundos e a base de áudio. Tudo isso foi transferido limpo.

Não confie para: textura fina da superfície, o menor tipo no seu produto, ou qualquer artefato que ele invente. No meu rascunho 768P, o rótulo ganhou quatro gotas grossas marrons que a execução 2K não produziu, e a linha de ingredientes pequena desabou em borrão. Se eu tivesse rejeitado aquele rascunho por parecer sujo, teria rejeitado um prompt que estava funcionando.

Essa é a verdadeira divisão de trabalho. 768P responde "este é o take certo", 2K responde "isto é entregável".

Etapa 4: Inverta um campo e finalize em 2K

Mesmo endpoint, mesmo primeiro quadro, mesma string de prompt. Altere resolution para 2K e nada mais.

O clipe final MiniMax H3 2K a partir do mesmo primeiro quadro travado, com rótulo limpo e letras miúdas legíveis

O final 2K: 2560x1440, cobrado $0,56, de volta em 234s. Mesma laje, mesma máquina de espresso, mesma planta, mesmo barista, mesma posição do rótulo que o rascunho.

Aqui está a resposta para a pergunta que este artigo inteiro foi construído para testar, e foi na direção boa. Com o primeiro quadro travado, a deriva parou. O cenário, o enquadramento, a altura da câmera e a posição da tipografia permaneceram entre o rascunho 768P e o final 2K. As diferenças se limitaram a detalhes: o passe 2K limpou as gotas borradas para um único filete fino, resolveu a textura do papel e transformou a linha de ingredientes pequena de ruído de volta em palavras. Esse é exatamente o comportamento que a MiniMax reivindica para a regeneração no contexto, e é a primeira vez neste teste que o 2K pareceu um nível de qualidade em vez de uma regeneração.

Para contraste, o grupo de controle. Esta é a execução simples de texto-para-vídeo em 2K, a que produziu o estranho no topo desta página. Mesmo conteúdo de prompt, nenhum primeiro quadro, então nada prende a composição.

Playground do MiniMax H3 texto-para-vídeo em 2K com o clipe de controle finalizado no painel de saída

MiniMax H3 texto-para-vídeo na Atlas Cloud: sem primeiro quadro, Resolução 2K, Proporção 16:9, e o clipe finalizado no painel de saída. Nada estava errado com esta geração. Só não é o mesmo filme que a execução 768P produziu.

Etapa 5: Ou pule a regeneração MiniMax H3 2K vs 768P e faça upscale

Às vezes o take 768P já é o certo. A performance acertou, o timing está certo, e você não quer uma regeneração que possa sair diferente. Então não regenere. Empurre o arquivo exato através de um upscaler.

Configurações em atlascloud/video-upscaler: video = URL da sua saída 768P, target_resolution=2k. A entrada tem limite de 2K de 23 segundos e 690 quadros, e o fps de entrada deve ser 30 ou inferior, então os clipes de 24 fps do H3 passam confortavelmente.

O take 768P empurrado através do upscaler de vídeo da Atlas Cloud para 2K, o mesmo material em resolução mais alta

O take com upscale: 2540x1452, cobrado $0,12, de volta em 40s. Mesmas quatro gotas, mesma coisa. Este é o mesmo filme, não um novo.

Playground do upscaler de vídeo da Atlas Cloud com o clipe 768P carregado e o resultado 2K no painel de saída

O upscaler de vídeo na Atlas Cloud com o clipe H3 768P carregado e o resultado com upscale tocando à direita. Esta captura foi executada no padrão 1080p, que o botão Executar precifica em $0,09 para qualquer coisa abaixo do mínimo de 5 segundos. Mude Resolução Alvo para 2k e você estará no nível $0,024/s, que é o $0,12 que fui cobrado na minha própria execução.

E aqui está o veredito que ninguém deve pular, todos os três recortes de rótulo do mesmo quadro travado na mesma ampliação.

Comparação de recorte de rótulo em três vias: 768P nativo, esse clipe com upscale para 2K e 2K nativo, mostrando que apenas o 2K nativo recupera as letras miúdas

768P nativo, o mesmo clipe com upscale e 2K nativo. O upscaler nitifica a textura do papel e o título grande lindamente, e mantém o take exato. O que ele não pode fazer é colocar a linha pequena de volta, porque essa informação nunca esteve no arquivo 768P. O passe de regeneração pode, porque volta ao contexto em vez dos pixels.

Portanto, as duas rotas não são concorrentes. Elas respondem a perguntas diferentes. O upscale preserva uma performance. A regeneração recupera detalhes. Escolha com base no que seu clipe não pode perder.

Variações que vale a pena testar no MiniMax H3 2K vs 768P

• Vertical. Meus testes 16:9 retornaram 1344x768, então o lado curto é o que o nível fixa. Uma solicitação 9:16 deve chegar em 768x1344 na mesma lógica, mas meça uma vez antes de construir um lote vertical com base na suposição. Em imagem-para-vídeo, você define a forma através do primeiro quadro em vez de lutar contra a enumeração adaptive.
• Cabeças falantes. Esta é a área onde eu pularia totalmente o rascunho e iria direto para 2K. Rostos, dentes e linhas dos olhos são precisamente a classe de detalhes pequenos para a qual o passe de regeneração existe, e um rascunho 768P informará mal sobre todos os três.
• Clipes longos. Em 15 segundos, a diferença aumenta para $1,50 versus $2,10, e o tempo real se estica junto. Planeje a fila, não apenas o orçamento.
• Texto de produto e trabalho multilíngue. O tipo estável no quadro do H3 e seu áudio multilíngue nativo são as razões pelas quais as pessoas o escolhem para embalagens comerciais em primeiro lugar. Ambos sobrevivem em 768P, o que torna o 768P um nível de entrega genuinamente utilizável para cortes de redes sociais, não apenas uma sala de ensaio.

Quanto o MiniMax H3 2K vs 768P realmente custa por clipe utilizável

Primeiro, as três rotas para um entregável 2K, por clipe de 8 segundos, às taxas que realmente me foram cobradas.

Agora o número que decide seu mês. Pegue uma mistura realista: dez rascunhos de 4 segundos para encontrar o take, depois dois clipes finais de 8 segundos.

Leia a linha do meio honestamente. A economia por segundo é de 29%, mas a economia por lote é de 18%, porque seus finais ainda são finais. A economia só cresce em direção a 29% quando os rascunhos dominam: em vinte rascunhos de 8 segundos em vez de dez curtos, a rota dois fica cerca de 25% abaixo de tudo em 2K. E cada centavo disso depende do quadro travado, porque sem ele, aqueles dez rascunhos baratos são dez filmes que você não vai enviar.

O segundo dividendo é o tempo, e pode importar mais. No par texto-para-vídeo, 768P retornou 28% mais rápido, e em ambos os pares nunca demorou mais. Em clipes de 4 segundos com esses tempos reais, isso é aproximadamente 27 rascunhos por hora em vez de 20. Quando você ainda está caçando o prompt certo, sete tentativas extras importam mais do que os $1,60 que você economizou.

Uma nota legal se você estava planejando evitar tudo isso hospedando você mesmo. Os pesos abertos no Hugging Face são H3-Base, que gera no lado curto 768. O passe 2K vive no lado da API, então pesos abertos fornecem o nível de rascunho e não o nível final. A licença da comunidade também carrega territórios excluídos cobrindo a UE, o Reino Unido, a Coreia e os EUA, com um canal de autorização separado aberto, então leia a licença antes de construir um pipeline comercial em um checkout local. Para uma visão mais ampla do que os pesos lançados incluem e não incluem, veja nossa análise do MiniMax H3, e o catálogo completo de modelos se você quiser precificar o H3 em relação ao resto do campo de vídeo atual.

Perguntas Frequentes

No MiniMax H3 2K vs 768P, o 768P é realmente mais barato por clipe?

Sim. Fui cobrado $0,40 por um clipe de 4 segundos em 768P e $0,56 pela solicitação idêntica em 2K, então $0,10/s contra $0,14/s, uma economia de 29% por segundo. A pegadinha é que a economia só conta se a execução barata te ensinar algo sobre a cara, o que exige travar o primeiro quadro. Um rascunho simples de texto-para-vídeo em 768P é um filme separado, e dinheiro gasto nele não é dinheiro economizado.

No MiniMax H3 2K vs 768P, o 2K é apenas um upscale da saída 768P?

Não. A MiniMax faz o modelo base regenerar sua própria saída de baixa resolução no contexto em vez de executar um módulo de super-resolução dedicado, e é por isso que o 2K pode restaurar texto pequeno e detalhes finos de superfície que um upscaler só pode aproximar. Meu recorte de rótulo em três vias mostra exatamente isso: o clipe 768P com upscale nitificou a textura do papel, mas deixou a linha de ingredientes pequena como ruído ilegível, enquanto a execução nativa 2K a transformou de volta em palavras.

Meu rascunho MiniMax H3 768P será parecido com meu final 2K?

Só se você travar o primeiro quadro. Em texto-para-vídeo simples, os dois níveis me deram decoração de cenário diferente, altura de câmera diferente, condensação diferente e uma posição de rótulo diferente a partir do mesmo prompt. Em imagem-para-vídeo com um primeiro quadro fixo, a composição, o enquadramento e a tipografia se mantiveram entre os níveis, e as únicas mudanças foram em detalhes e textura.

Ainda preciso entrar em contato com vendas para o MiniMax H3 768P?

Não, a partir de 2026-08-05. O esquema ativo em todos os três endpoints H3 lista resolution como enum: ["768P", "2K"], o playground mostra ambos em um menu suspenso, e meus trabalhos 768P foram concluídos e cobrados pela taxa mais baixa em dois endpoints diferentes. A linha de beta fechado vem de cobertura escrita nos primeiros dias após o lançamento.

No MiniMax H3 2K vs 768P, quanto mais lento é o 2K?

Nos meus pares de 4 segundos, 1,2x a 1,4x mais lento: 181s versus 130s em texto-para-vídeo e 234s versus 194s em imagem-para-vídeo, medido do envio à conclusão. Arquiteturalmente, o 2K é um segundo passe de geração sobre o mesmo contexto, então espere que a diferença absoluta aumente em clipes mais longos, em vez de permanecer constante.

Posso atualizar um clipe 768P para 2K sem regenerá-lo?

Você pode aumentar a resolução sem tocar no take executando-o através de um upscaler de vídeo, o que me custou $0,12 para um clipe de 4,46 segundos no nível 2K ($0,024/s com um mínimo de 5 segundos) e retornou em 40 segundos. Isso preserva a performance quadro a quadro. O que não fará é recuperar detalhes que nunca foram capturados, então se o objetivo de ir para 2K é tipo pequeno legível, você precisa do passe de regeneração, não do upscaler.