MiniMax H3 2K vs 768P: Jag körde samma prompt två gånger och fick två olika filmer

Två utskrifter av samma cold brew-flaska på en cafédisk, en mjuk och en skarp, med ett kvitto mellan dem

Två utskrifter av samma bild, en mjuk och en skarp. På MiniMax H3 är den skillnaden ingen kvalitetsreglage. Genererad med openai/gpt-image-2/text-to-image.

Jag skickade in samma prompt två gånger. Det enda jag ändrade var en rullgardinsmeny: 768P, sedan 2K.

Den första körningen kostade 0,40 USD och kom tillbaka på 130 sekunder. Den andra kostade 0,56 USD och tog 181 sekunder. Sedan lade jag de två bilderna sida vid sida och något kändes fel. Flaskan fanns där fortfarande. Etiketten fanns där fortfarande, liten text och allt. Men disken hade ändrats från varmt trä till blek sten, en hylla hade dykt upp i bakgrunden bakom baristan, kondensen på glaset var plötsligt överallt, och ljuset hade skiftat färg.

Jag hade inte sparat pengar på ett utkast. Jag hade tagit två olika filmer.

Detta är inte en bugg. Det är vad "2K" faktiskt betyder på H3, och när du väl förstår det faller standardrådet som alla ger, "gör utkast billigt, avsluta dyrt" tyst samman. Nedan är alla siffror från det testet, plus den enda ändringen som gör billiga utkast fungerande.

Viktiga slutsatser (alla siffror uppmätta på Atlas Cloud, 2026-08-05)

• 768P levererade 1344x768, 2K levererade 2560x1440 på en 16:9-förfrågan. Det är 3,6 gånger pixlarna och 3,6 gånger videobitraten.
• Faktureringen var 0,40 USD vs 0,56 USD för ett 4-sekundersklipp, alltså 0,10 USD/s vs 0,14 USD/s. 768P är 29 % billigare per sekund, inte halva priset.
• 768P kom tillbaka 28 % snabbare på text-till-video-paret (130s vs 181s) och 17 % snabbare på bild-till-video-paret (194s vs 234s).
• Text-till-video vid 768P och 2K på samma prompt producerade två olika tagningar, inte två kvaliteter av en tagning. Ett bart 768P-utkast förhandsvisar inte din 2K-final.
• Lås den första bildrutan med bild-till-video och driftstoppet upphör. Samma miljö, samma komposition, samma etikettposition, och 2K använder sina extra pixlar precis där MiniMax säger: den lilla texten.
• 768P är inte låst. Båda nivåerna är aktiva i upplösningsenumet och valbara i rullgardinsmenyn från och med 2026-08-05, oavsett vad äldre sammanfattningar fortfarande säger.

MiniMax H3 2K vs 768P: Är 768P fortfarande i sluten beta?

Nej, och det här är värt att slå hål på tidigt eftersom det fortfarande upprepas i de flesta prissammanfattningar som skrevs dagarna efter lanseringen.

Jag drog in det aktuella inmatningsschemat för alla tre H3-slutpunkter idag. Fältet resolution läser enum: ["768P", "2K"] med default: "2K" på text-till-video, bild-till-video och referens-till-video, och duration kör varje hel sekund från 4 till 15 på alla tre. Ingen flagga, ingen grind, inget försäljningsformulär. Jag skickade sedan in ett 768P-jobb på två olika slutpunkter och båda slutfördes och fakturerades till den lägre taxan. Om en sida säger åt dig att kontakta försäljning för 768P, beskriver den sidan den första veckan av lanseringen, inte den här veckan.

MiniMax H3 2K vs 768P, samma prompt, sida vid sida

Vänster är 768P. Höger är 2K. Identisk prompt, identisk duration=4, identisk ratio=16:9, inskickade efter varandra till minimax/h3/text-to-video.

MiniMax H3 2K vs 768P delad skärm från samma text-till-video-prompt, med upplösning, pris och väggklocka inbrända

Samma prompt, två körningar. Vänster: 768P, 1344x768, 0,40 USD, 130s. Höger: 2K, 2560x1440, 0,56 USD, 181s. Visas som en tyst GIF; båda levererade filerna har 32 kHz stereo-ljud. Uppmätt på Atlas Cloud, 2026-08-05.

Titta på vad som faktiskt skiljer sig. Det är inte skärpa. Det är filmen. Olika diskbänksmaterial, olika bakgrundsdekoration, olika mängd kondens, olika kamerahöjd, olika färgtemperatur, och etiketten sitter på en annan punkt på flaskan. Ingenting i prompten bad om att något av detta skulle ändras.

Nu den del som alla antar går åt andra hållet. Här är etikettområdet från båda tagningarna, beskuret från originalfilerna och förstorat till samma bredd, så att 768P-beskärningen är mer förstorad än 2K-beskärningen.

Etikettjämförelse mellan MiniMax H3 768P- och 2K-tagningarna, båda visar den lilla ingrediensraden som läsbar

Den lilla raden "single origin ethiopia guji / 250ml / roasted 04.08.2026" överlever vid 768P. Den är mjukare och bokstavsavståndet vacklar, men ingenting är oläsligt. Den verkliga kostnaden för 768P här var inte mosig text, utan en annan komposition.

Så den ärliga inramningen av MiniMax H3 2K vs 768P är inte "skarp mot suddig". Det är "denna tagning mot en annan tagning, plus en detaljpassning ovanpå".

MiniMax H3 2K vs 768P-specifikationsbladet, uppmätt

Allt i denna tabell kom från ffmpeg -i på de levererade filerna och från fältet price på den färdiga förutsägelsen, inte från en dokumentsida.

Två fotnoter som kostade mig pengar att lära mig. För det första levererade båda nivåerna 4,46 sekunder för en duration=4-förfrågan och båda fakturerade 4 sekunder, så du får de extra 0,46s gratis men du kan inte planera en klippning runt det. För det andra är ljudet identiskt över nivåerna. Om ditt klipp bärs av dialog eller en musiksynk, köper 2K dig ingenting på det som spelar roll.

Varför MiniMax H3 2K vs 768P lurar alla

För att 2K på H3 inte är ett uppskalningssteg. Det är en andra generation.

MiniMax beskriver mekanismen direkt: "För H3:s 2K-utdata, istället för att använda en konventionell dedikerad superupplösningsmodul, låter vi H3-basmodellen regenerera sin egen lågupplösta utdata i kontext." De förklarar också varför de byggde det så: metoden i kontext "låter den dra nytta av den ursprungliga multimodala kontexten igen för att producera högupplöst utdata, och återställa detaljer som traditionell superupplösning bara kan 'gissa' och ofta inte kan återställa, som liten text och fina detaljer" (MiniMax, juli 2026).

Läs det igen med en produktionshatt på. 2K-passningen går tillbaka till din ursprungliga kontext och genererar igen. När din kontext bara är en textprompt, betyder "generera igen" "slå tärningen igen". Det är precis vad mina två tagningar visar. Modellen fick aldrig order om att reproducera 768P-versionen, eftersom den aldrig såg 768P-versionen.

Tre sätt som detta biter i praktiken:

1. Du rullar billiga utkast vid 768P på text-till-video, väljer en vinnare, kör sedan om den vid 2K. Du får tillbaka en främling. Prompten respekteras, filmen är ny. Det är testet högst upp på denna sida.
2. Du budgeterar som om 29 % billigare per sekund betyder 29 % billigare. Det gör det inte, eftersom finalerna är den dyra delen av varje riktig batch, och en bortkastad 2K-omrullning raderar besparingen på flera utkast.
3. Du antar att den billiga uppgraderingsvägen finns där någonstans. Jag kollade hela katalogen på Atlas Cloud idag: 452 modeller, tre H3-slutpunkter, och ingen H3-regenereringsslutpunkt bland dem. När bara de tre generationsslutpunkterna är exponerade, betyder "uppgradera detta klipp till 2K" antingen att rulla om det eller köra en separat uppskalare över det. Båda kostar pengar, och de köper inte samma sak.

Värt att säga varför det ens är värt att konstruera runt denna modell snarare än att byta. Huvuderbjudandet vid lanseringen var video "i upp till 2K-upplösning, i klipp på upp till 15 sekunder, med inbyggt stereo-ljud" (DataNorth AI, augusti 2026), och poängen backade upp det: H3 ligger för närvarande högst på Artificial Analysis videoredigering Elo-tavla vid 1 130, före Gemini Omni Flash vid 1 122 och 93 poäng före Dreamina Seedance 2.0 720p vid 1 037 (Artificial Analysis, augusti 2026). Kvaliteten är värd ett arbetsflöde. Arbetsflödet måste bara respektera hur 2K produceras.

De fyra modellerna bakom detta MiniMax H3 2K vs 768P-test, i en flik

Hela testet är fyra modeller, en API-nyckel, en faktura. Jag körde det på Atlas Cloud för att växla mellan en bildmodell, två H3-slutpunkter och en uppskalare annars innebär tre konton och tre fakturor att stämma av i slutet av månaden.

Två anteckningar innan du kopierar siffrorna. H3-slutpunkterna publicerar alla en enda rubrikavgift på 0,14 USD/s, vilket är 2K-nivån; 768P-avgiften visas på fakturan, inte i listningen, så mät den själv en gång. Och ingen av dessa fyra modeller är rabatterad just nu. Om du vill trimma steget med bildlåsning, körs openai/gpt-image-2-developer/text-to-image med 50 % rabatt (0,004 USD från 0,009 USD) från och med augusti 2026, och det är samma familj som gör samma jobb.

Hur du kör MiniMax H3 2K vs 768P-testet själv

Fem steg, 2,21 USD i kredit och cirka 15 minuters total väggklocka. Varje prompt nedan är den exakta strängen jag skickade.

Tre parameteranteckningar först, eftersom var och en tyst kan kosta dig en körning:

• På text-till-video är fältet ratio, inte aspect_ratio, dess standard är 1:1, och dess enum har inget adaptive-alternativ. Skicka 16:9 själv annars får du ett fyrkantigt klipp. På bild-till-video är enumen bara adaptive, eftersom din första bildruta bestämmer formen.
• Skicka alltid duration explicit istället för att lita på den dokumenterade standarden 8. Det du faktureras följer det som levereras, inte det du antog.
• Varje H3-jobb överlever en normal inline-timeout, så skicka asynkront och polla. Fältet price fylls också i sent: när status växlar till completed är det ofta fortfarande tomt, och du måste polla förutsägelse-id:t en gång till för att få det verkliga numret. Utan den andra pollningen kan du inte bygga en ärlig kostnadstabell.

Steg 1: Lås bildrutan med GPT Image 2

Detta är steget som förvandlar ett utkast till en förhandsvisning istället för en lottsedel. Generera den färdiga kompositionen som en stillbild, och den blir den orörliga delen av båda videokörningarna.

textCopy
1Makro produktfoto av en matt svart cold brew-kaffeflaska som står på en våt skifferplatta, morgonljus från ett fönster som strålar över den från höger. En krämfärgad pappersetikett omsluter flaskan, skarpt läsbar: fet versal titel "NORTHBOUND COLD BREW" på en rad, och direkt under den i liten text "single origin ethiopia guji / 250ml / roasted 04.08.2026". Kondensdroppar på glaset, en espressomaskin och en barista i en denimskjorta suddigt i bakgrunden. Filmisk, kort skärpedjup, varm neutral färgstämning, fotorealistisk, 16:9.
2

Inställningar: kvalitet hög, storlek 2048x1152. Snåla inte här. Varje detalj du vill att 2K-passningen ska skydda måste finnas i denna bildruta först.

Den låsta första bildrutan genererad med GPT Image 2 vid 2048x1152, som visar cold brew-flaskan och dess läsbara lilla text

Genererad med openai/gpt-image-2/text-to-image, kvalitet hög, 2048x1152. Fakturerad 0,1745 USD, tillbaka på 146s.

GPT Image 2-lekplatsen på Atlas Cloud med bildrute-prompten ifylld och den genererade flaskan i utdatapanelen

GPT Image 2 på Atlas Cloud: kvalitet inställd på hög, 16:9, den låsta bildrutan renderad till höger.

Steg 2: Gör utkast vid 768P

Samma slutpunkt som du kommer att använda för finalen. Endast upplösningen skiljer sig mellan detta steg och steg 4.

textCopy
1Långsam makro inkörning på flaskan. Kondensdroppar glider nerför glaset. Etiketten förblir helt stilla och läsbar. I den mjuka bakgrunden torkar baristan disken en gång. Naturligt caférumston, ett svagt espressomaskinsväsande. Ingen kameraskakning.
2

Inställningar på minimax/h3/image-to-video: första bildruta = din utdata från steg 1, resolution=768P, duration=4, ratio=adaptive.

MiniMax H3 768P-utkastklippet, en långsam makro inkörning på cold brew-flaskan

768P-utkastet: 1344x768, fakturerad 0,40 USD, tillbaka på 194s. Visas som en tyst GIF; filen i sig har 32 kHz stereo. Notera de fyra tunga droppstrimmorna som smetats ner över etiketten.

MiniMax H3 bild-till-video-lekplats på Atlas Cloud med den låsta bildrutan uppladdad, prompten inskriven och ett färdigt klipp i utdatapanelen

Bild-till-video-formuläret med den låsta bildrutan laddad. Upplösning och Duration är de enda två fälten som skiljer detta steg från steg 4, och båda nivåerna sitter i samma lista utan något som låser någon av dem. Denna bild togs med standardinställningarna 2K och 8 sekunder, vilket är anledningen till att Run-knappen anger 1,12 USD; växla Resolution till 768P och Duration till 4 och den offerten sjunker till 0,40 USD.

Steg 3: Bedöm MiniMax H3 2K vs 768P-utkastet på rätt saker

Utkastet är en repetition, inte ett bevis. Från mina två par, här är vad det pålitligt berättar för dig och vad det inte gör.

Lita på det för: promptformulering, om rörelsen överhuvudtaget fungerar, mängden kamerarörelse, tempo över de fyra sekunderna och ljudbädden. Allt det överfördes rent.

Lita inte på det för: fin ytstruktur, den minsta typen på din produkt, eller någon artefakt det hittar på. I mitt 768P-utkast fick etiketten fyra tjocka bruna droppar som 2K-körningen inte producerade, och den lilla ingrediensraden kollapsade till mos. Om jag hade förkastat det utkastet för att det såg smutsigt ut, skulle jag ha förkastat en prompt som fungerade.

Det är den verkliga arbetsfördelningen. 768P svarar på "är detta rätt bild", 2K svarar på "är detta leveransbart".

Steg 4: Vänd ett fält och avsluta vid 2K

Samma slutpunkt, samma första bildruta, samma promptsträng. Ändra resolution till 2K och inget annat.

MiniMax H3 2K-finalklippet från samma låsta första bildruta, med en ren etikett och läsbar liten text

2K-finalen: 2560x1440, fakturerad 0,56 USD, tillbaka på 234s. Samma skifferplatta, samma espressomaskin, samma växt, samma barista, samma etikettposition som utkastet.

Här är svaret på frågan som hela denna artikel byggdes för att testa, och det gick åt rätt håll. Med den första bildrutan låst upphörde driftstoppet. Miljön, kompositionen, kamerahöjden och typografipositionen hölls alla mellan 768P-utkastet och 2K-finalen. Skillnaderna var begränsade till detaljer: 2K-passningen rengjorde de smetade dropparna till en tunn ränna, löste upp papperskornet och förvandlade den lilla ingrediensraden från brus tillbaka till ord. Det är exakt det beteende MiniMax hävdar för regenerering i kontext, och det är första gången i detta test som 2K såg ut som en kvalitetsnivå snarare än en omrullning.

Som kontrast, kontrollgruppen. Detta är den bara text-till-video-körningen vid 2K, den som producerade främlingen högst upp på denna sida. Samma promptinnehåll, ingen första bildruta, så inget fäster kompositionen.

MiniMax H3 text-till-video-lekplats vid 2K med det färdiga kontrollklippet i utdatapanelen

MiniMax H3 text-till-video på Atlas Cloud: ingen första bildruta, Resolution 2K, Aspect Ratio 16:9, och det färdiga klippet i utdatapanelen. Ingenting var fel med denna generation. Det är bara inte samma film som 768P-körningen producerade.

Steg 5: Eller hoppa över MiniMax H3 2K vs 768P-omrullningen och skala upp istället

Ibland är 768P-tagningen redan den rätta. Prestationen landade, timingen är rätt, och du vill inte ha en regenerering som kan landa annorlunda. Rulla då inte om den. Skicka den exakta filen genom en uppskalare.

Inställningar på atlascloud/video-upscaler: video = din 768P-utdata-URL, target_resolution=2k. Inmatningsgränserna vid 2K är 23 sekunder och 690 bildrutor, och inmatningsfps måste vara 30 eller lägre, så H3:s 24 fps-klipp passerar bekvämt.

768P-tagningen skickad genom Atlas Cloud video-uppskalare till 2K, samma material i högre upplösning

Den uppskalade tagningen: 2540x1452, fakturerad 0,12 USD, tillbaka på 40s. Samma fyra droppar, samma allt. Detta är samma film, inte en ny.

Atlas Cloud video-uppskalare-lekplats med 768P-klippet laddat och 2K-resultatet i utdatapanelen

Video-uppskalaren på Atlas Cloud med 768P H3-klippet laddat och det uppskalade resultatet som spelas upp till höger. Denna bild togs med standardinställningen 1080p, vilket Run-knappen prissätter till 0,09 USD för allt under 5 sekunders minimum. Växla Target Resolution till 2k och du är på nivån 0,024 USD/s, vilket är de 0,12 USD jag fakturerades för min egen körning.

Och här är domen som ingen bör hoppa över, alla tre etikettbeskärningar från samma låsta bildruta med samma förstoring.

Tre-vägs etikettbeskärningsjämförelse: inbyggt 768P, det klippet uppskalat till 2K, och inbyggt 2K, som visar att endast inbyggt 2K återställer den lilla texten

Inbyggt 768P, samma klipp uppskalat, och inbyggt 2K. Uppskalaren skärper papperskornet och den stora titeln vackert, och den behåller den exakta tagningen. Vad den inte kan göra är att sätta tillbaka den lilla raden, eftersom den informationen aldrig fanns i 768P-filen. Regenereringspassningen kan, eftersom den går tillbaka till kontexten istället för till pixlarna.

Så de två vägarna är inte konkurrenter. De svarar på olika frågor. Uppskalning bevarar en prestation. Regenerering återställer detaljer. Välj efter vilken av dina klipp inte har råd att förlora.

Variationer värda att testa på MiniMax H3 2K vs 768P

• Vertikal. Mina 16:9-tester kom tillbaka 1344x768, så den korta sidan är vad nivån fäster. En 9:16-förfrågan borde landa på 768x1344 enligt samma logik, men mät det en gång innan du bygger en vertikal batch på antagandet. På bild-till-video ställer du in formen genom den första bildrutan istället för att kämpa med adaptive-enumen.
• Talking heads. Detta är där jag skulle hoppa över utkast helt och gå direkt till 2K. Ansikten, tänder och ögonlinjer är precis den lilla detaljklassen som regenereringspassningen finns för, och ett 768P-utkast kommer att vilseleda dig om alla tre.
• Långa klipp. Vid 15 sekunder vidgas gapet till 1,50 USD mot 2,10 USD, och väggklockan sträcker sig med. Planera kön, inte bara budgeten.
• Produkttext och flerspråkigt arbete. H3:s stabila typ i bildrutan och dess inbyggda flerspråkiga ljud är anledningarna till att folk väljer det för kommersiella förpackningar från första början. Båda överlever vid 768P, vilket gör 768P till en genuint användbar leveransnivå för sociala beskärningar, inte bara ett repetitionsrum.

Vad MiniMax H3 2K vs 768P verkligen kostar per användbart klipp

Först de tre vägarna till en 2K-leverans, per 8-sekundersklipp, till de taxor jag faktiskt debiterades.

Nu siffran som bestämmer din månad. Ta en realistisk blandning: tio 4-sekunders utkastrullar för att hitta bilden, sedan två färdiga 8-sekundersklipp.

Läs mittraden ärligt. Besparingen per sekund är 29 %, men besparingen per batch är 18 %, eftersom dina finaler fortfarande är finaler. Besparingen växer bara mot 29 % när utkast dominerar: vid tjugo 8-sekunders utkastrullar istället för tio korta, landar väg två ungefär 25 % under all-2K. Och varje cent av det beror på den låsta bildrutan, för utan den är de tio billiga rullarna tio filmer du inte kommer att skicka.

Den andra utdelningen är tid, och den kan vara viktigare. På text-till-video-paret kom 768P tillbaka 28 % snabbare, och över båda paren tog den aldrig längre tid. På 4-sekundersklipp vid de väggklockorna är det ungefär 27 utkastrullar på en timme istället för 20. När du fortfarande jagar rätt prompt, spelar sju extra slag mer roll än de 1,60 USD du sparade.

En juridisk notering om du planerade att undvika allt detta genom att själv hosta. De öppna vikterna på Hugging Face är H3-Base, som genererar vid den korta sidan 768. 2K-passningen finns på API-sidan, så öppna vikter ger dig utkastnivån och inte slutnivån. Community-licensen har också undantagna territorier som täcker EU, Storbritannien, Korea och USA, med en separat auktorisationskanal öppen, så läs licensen innan du bygger en kommersiell pipeline på en lokal utcheckning. För en bredare titt på vad de släppta vikterna gör och inte gör, se vår MiniMax H3-recension, och hela modellkatalogen om du vill prissätta H3 mot resten av det aktuella videofältet.

Vanliga frågor

I MiniMax H3 2K vs 768P, är 768P faktiskt billigare per klipp?

Ja. Jag fakturerades 0,40 USD för ett 4-sekunders 768P-klipp och 0,56 USD för samma förfrågan vid 2K, alltså 0,10 USD/s mot 0,14 USD/s, en besparing på 29 % per sekund. Haken är att besparingen bara räknas om den billiga körningen lär dig något om den dyra, vilket kräver att den första bildrutan låses. Ett bart text-till-video-utkast vid 768P är en separat film, och pengar som spenderas på det är inte sparade pengar.

I MiniMax H3 2K vs 768P, är 2K bara en uppskalning av 768P-utdata?

Nej. MiniMax låter basmodellen regenerera sin egen lågupplösta utdata i kontext snarare än att köra en dedikerad superupplösningsmodul, vilket är anledningen till att 2K kan återställa liten text och fin ytdetalj som en uppskalare bara kan approximera. Min trevägs etikettbeskärning visar exakt det: det uppskalade 768P-klippet skärpte papperskornet men lämnade den lilla ingrediensraden som oläsligt brus, medan den inbyggda 2K-körningen förvandlade den tillbaka till ord.

Kommer mitt MiniMax H3 768P-utkast att se ut som min 2K-final?

Endast om du låser den första bildrutan. På bar text-till-video gav mig de två nivåerna olika miljödekoration, olika kamerahöjd, olika kondens och en annan etikettposition från samma prompt. På bild-till-video med en fast första bildruta hölls kompositionen, kompositionen och typografin mellan nivåerna och de enda förändringarna var i detalj och textur.

Behöver jag fortfarande kontakta försäljning för MiniMax H3 768P?

Nej, inte från och med 2026-08-05. Det aktuella schemat på alla tre H3-slutpunkter listar resolution som enum: ["768P", "2K"], lekplatsen visar båda i en rullgardinsmeny, och mina 768P-jobb slutfördes och fakturerades till den lägre taxan på två olika slutpunkter. Raden om sluten beta kommer från täckning som skrevs under de första dagarna efter lanseringen.

I MiniMax H3 2K vs 768P, hur mycket långsammare är 2K?

På mina 4-sekunderspar, 1,2x till 1,4x långsammare: 181s mot 130s på text-till-video och 234s mot 194s på bild-till-video, uppmätt från inskickning till slutförd. Arkitektoniskt är 2K en andra generationspassning över samma kontext, så förvänta dig att det absoluta gapet blir större på längre klipp snarare än att hålla sig konstant.

Kan jag uppgradera ett 768P-klipp till 2K utan att rulla om det?

Du kan höja upplösningen utan att röra tagningen genom att köra den genom en video-uppskalare, vilket kostade mig 0,12 USD för ett 4,46-sekundersklipp på 2K-nivån (0,024 USD/s med ett 5-sekunders minimum) och kom tillbaka på 40 sekunder. Det bevarar prestationen bildruta för bildruta. Vad det inte kommer att göra är att återställa detaljer som aldrig fångades, så om poängen med att gå till 2K är läsbar liten typ, behöver du regenereringspassningen, inte uppskalaren.