MiniMax H3 เทียบกับ Veo 3.1: ห่างกัน 145 Elo และการเปรียบเทียบส่วนใหญ่เป็นการทดสอบ Muted Veo

ข้อความคลิป Veo 3.1 ยาว 8 วินาทีมีราคาสามเท่าของ 8 วินาทีเดียวกันบน MiniMax H3 บนกระดานผู้นำการโหวตแบบไม่เปิดเผยชื่อของ Artificial Analysis มันอยู่ต่ำกว่า 145 Elo นั่นน่าจะเป็นจุดจบของบทความ

ยกเว้นว่า API ของ Veo 3.1 มาพร้อมกับการสร้างเสียงที่ปิด อยู่ พารามิเตอร์คือ generate_audio ค่าเริ่มต้นในสคีมาคือ false และไม่มีอะไรในคำตอบที่บอกคุณว่าคลิปนั้นกลับมาเงียบ MiniMax H3 ไม่มีสวิตช์ดังกล่าว เพราะ H3 สร้างภาพและเสียงสเตอริโอ 32kHz ในรอบเดียวกันและทำมาโดยตลอด ดังนั้นส่วนใหญ่ของความคิดเห็นที่ว่า "Veo ดูดีกว่า" ที่แพร่กระจายอยู่นั้นถูกสร้างขึ้นโดยการวางคลิป Google ที่ปิดเสียงไว้ข้างโมเดลจีนที่มาพร้อมกับซาวด์แทร็ก

ฉันอยากรู้ว่าช่องว่าง 145 คะแนนนั้นหน้าตาเป็นอย่างไร ดังนั้นฉันจึงนำรูปแบบที่โด่งดังที่สุดที่ Veo เคยผลิตมา นั่นคือคลิป ASMR ผลไม้แก้ว เขียนพรอมต์เดียว และรันมันผ่านทั้งสองโมเดลโดยตั้งค่าทุกอย่างให้สูงสุดเท่าที่แต่ละโมเดลจะทำได้ เปิดเสียง ไม่มีการตัดทอนใดๆ

จากนั้นฉันก็ทำต่อไปจนกว่าจะพบสามจุดที่ Google ยังคงชนะ เพราะมันมีอยู่และไม่มีใครที่เขียนเปรียบเทียบเหล่านี้ดูเหมือนจะพูดถึงมัน

ประเด็นสำคัญ

• ในการแปลงข้อความเป็นวิดีโอพร้อมเสียงของ Artificial Analysis MiniMax H3 ได้คะแนน 1,238 Elo เทียบกับ 1,093 ของ Veo 3.1 นั่นคือช่องว่าง 145 คะแนนในการโหวตแบบไม่เปิดเผยชื่อ (ภาพรวม ณ วันที่ 2026-08-06)
• พารามิเตอร์ generate_audio ของ Veo 3.1 มีค่าเริ่มต้นเป็น false ในสคีมา API หากคุณเรียก API และไม่เคยตั้งค่ามัน คุณกำลังเปรียบเทียบคลิป Veo ที่เงียบกับคลิป H3 ที่มาพร้อมสเตอริโอโดยค่าเริ่มต้น
• H3 รับวินาทีเต็มใดๆ ตั้งแต่ 4 ถึง 15 Veo 3.1 รับ 4, 6 หรือ 8 นั่นคือขีดจำกัดเชิงโครงสร้าง ไม่ใช่การตั้งค่า
• Veo 3.1 ไม่ปรากฏบนกระดานผู้นำการตัดต่อวิดีโอของ Artificial Analysis เลย H3 เป็นอันดับหนึ่งบนนั้น
• Veo 3.1 ยังคงชนะในด้านเอาต์พุต 4K, การทำซ้ำได้ด้วย seed บวก negative_prompt และ Veo 3.1 Lite ถูกกว่าแบบที่ H3 มีจริงๆ ถ้า 720p เพียงพอสำหรับคุณ

---

MiniMax H3 vs Veo 3.1, หนึ่งพรอมต์ สามเทคติดต่อกัน

หนึ่งพรอมต์ สามเทค ตามลำดับ: MiniMax H3 ที่ 2K, Veo 3.1 ที่ 1080p โดยเปิดเสียงอย่างชัดเจน, Veo 3.1 Lite ที่ 720p แต่ละส่วนเก็บแทร็กเสียงดั้งเดิมของตัวเอง ดังนั้นเปิดเสียง ดูวินาทีสุดท้ายของแต่ละเทค และดูว่าโมเดลที่ถูกที่สุดทำอะไรกับขอบของเฟรมสุดท้าย

ฉากถ่ายภาพมาโครที่มีแตงโมแก้วคริสตัลบนหินชนวนเปียกและจอมอนิเตอร์โปรดักชันสองจอที่เล่นช็อตเดียวกัน_การตั้งค่าที่บทความนี้รันจริง: จุดโฆษณาผลิตภัณฑ์ ASMR หนึ่งจุด, สองโมเดล, คีย์ API หนึ่งคีย์ สร้างด้วย openai/gpt-image-2/text-to-image_

---

ทำไม MiniMax H3 vs Veo 3.1 ถึงกลายเป็นการเปรียบเทียบเดียวที่ควรทำ

MiniMax H3 มาถึงในเดือนกรกฎาคม 2026 และทำสิ่งที่ไม่เคยมีโมเดลอื่นใดบนกระดานทำได้ มันติดอันดับสามอันดับแรกของทั้งสามสนามวิดีโอของ Artificial Analysis ภายในไม่กี่สัปดาห์ และมันทำได้ในฐานะรายการโอเพนเวตเพียงรายการเดียวที่อยู่ใกล้จุดสูงสุด

นี่คือตำแหน่งที่ทั้งสองโมเดลอยู่จริง ดึงข้อมูลสดๆ แทนที่จะอ้างจากข่าวประชาสัมพันธ์ (Artificial Analysis, สิงหาคม 2026):

ตาราง A: สนามวิดีโอ Artificial Analysis, ภาพรวม ณ วันที่ 2026-08-06

สามสิ่งในตารางนั้นสมควรได้รับความสนใจมากกว่าที่ได้รับ

ช่องว่าง 145 คะแนนอยู่บนกระดานเสียง ในการแปลงข้อความเป็นวิดีโอพร้อมเสียง มีเพียง Gemini Omni Flash (1,243) เท่านั้นที่อยู่เหนือ H3 และมันอยู่ในวงสถิติเดียวกัน Veo 3.1 อยู่อันดับที่สิบเอ็ด ผู้ลงคะแนนที่ฟังทั้งสองคลิปเลือก H3 มากกว่า Veo อย่างขาดลอย

Veo 3.1 ไม่อยู่บนกระดานผู้นำการตัดต่อวิดีโอ กระดานนั้นมีแปดโมเดลและ H3 อยู่อันดับหนึ่ง นำหน้า Gemini Omni Flash เก้าคะแนน Google ไม่ได้แพ้การเปรียบเทียบนั้น มันแค่ไม่ได้เข้าร่วมเลย หากเวิร์กโฟลว์ของคุณคือ "สร้าง แล้วเปลี่ยนสิ่งหนึ่งในช็อต" ความแตกต่างนั้นไม่ได้ช่วยคุณ

การประกาศของ MiniMax เองเกินจริงหนึ่งตัวเลข ดังนั้นอย่าพูดซ้ำ บรรทัดทางการบอกว่า H3 นำอันดับสองบนกระดานตัดต่อ 93 คะแนน อันดับสองคือ Gemini Omni Flash ที่ 1,123 ซึ่งห่างจาก H3 9 คะแนน ตัวเลข 93 คะแนนคือช่องว่างถึง Dreamina Seedance 2.0 ที่ 1,037 ซึ่งอยู่อันดับห้า ตัวเลขทั้งสองเป็นจริง แต่เป็นของคนละแถว

ทำไมการเปรียบเทียบแบบตัวต่อตัวส่วนใหญ่ถึงผิด

สามรูปแบบความล้มเหลว เรียงตามความถี่ที่ฉันเห็น:

1. Veo ที่เงียบ generate_audio มีค่าเริ่มต้นเป็น false ในสคีมา API ของ Veo 3.1 นักพัฒนาที่ไม่เคยแตะมันจะได้คลิปที่ถูกปิดเสียงแล้วให้คะแนนเทียบกับมิกซ์สเตอริโอของ H3 นั่นไม่ใช่การเปรียบเทียบโมเดล แต่เป็นบั๊กการตั้งค่า สิ่งที่ควรรู้: เว็บเพลย์กราวด์ของ Atlas Cloud เปิดสวิตช์ให้คุณล่วงหน้า ดังนั้นกับดักจะกัดคนที่เรียก API โดยตรง ซึ่งเป็นคนส่วนใหญ่ที่เผยแพร่ benchmarks
2. ความละเอียดไม่ตรงกัน ความละเอียดเริ่มต้นของ H3 บน API คือ 2K แต่การทดสอบหลายรายการรันที่ 768P เพื่อความเร็วแล้ววางผลลัพธ์ข้างเฟรม Veo 1080p
3. จำกัด H3 ไว้ที่ 8 วินาทีเพื่อความเป็นธรรม มันไม่ยุติธรรม มันทิ้งช่วงระยะเวลาของ H3 เกือบครึ่งหนึ่งเพื่อความเรียบร้อยของตาราง

และเพื่อให้ซื่อสัตย์ จุดอ่อนของ H3 เองก็มีจริง: การใส่ reference slots เต็มมักจะทำให้การทำตามพรอมต์หลวมแทนที่จะแน่นขึ้น ระดับ 2K ของมันช้าจริงๆ และ MiniMax เองก็ไม่ได้วางตำแหน่งเป็นโมเดลสำหรับภาพยนตร์หรือแอนิเมชัน ในการรันนี้ H3 ยังเอียงไปทางสไตล์ อ่านโจทย์ว่าเป็นภาพถ่ายผลิตภัณฑ์แก้วคริสตัลขัดเงา แทนที่จะเป็นวัตถุไฮเปอร์เรียลที่ Veo ผลิต

---

MiniMax H3 vs Veo 3.1: สเปก, พฤติกรรมเสียง, และหนึ่งวินาทีซื้ออะไรได้

วิธีการที่นี่น่าเบื่อโดยเจตนา: หนึ่งพรอมต์, สามเอนด์พอยต์, คีย์ API หนึ่งอัน, ไม่มีการตัดต่อ ทั้งสองตระกูลโฮสต์เคียงข้างกันบน Atlas Cloud ซึ่งเป็นเหตุผลเดียวที่ทำให้การรันพรอมต์เดียวกันเป็นไปได้โดยไม่ต้องมีบัญชีเรียกเก็บเงินสองบัญชีและภาษาถิ่นพารามิเตอร์สองแบบที่ต้องปรับให้เข้ากัน นั่นคือการกล่าวถึงผลิตภัณฑ์ทั้งหมด โมเดลเป็นหัวข้อ

ตาราง B: เมทริกซ์ความสามารถ, จากสคีมา API สด

อ่านสองแถวสุดท้ายด้วยกันแล้วคุณจะได้เส้นที่คมที่สุดในการเปรียบเทียบทั้งหมดนี้:

MiniMax H3 เปิดเสียงถูกกว่า Veo 3.1 ปิดเสียง $0.14 ต่อวินาที เทียบกับ $0.20

รายการราคาของ Google เองก็เห็นด้วยกับเพดาน Veo 3.1 อยู่ที่ $0.40 ต่อวินาทีที่ 720p และ 1080p โดยรวมเสียงเป็นอัตราเริ่มต้น เพิ่มขึ้นเป็น $0.60 ที่ 4K (เอกสาร Google Gemini API, สิงหาคม 2026) Atlas แบ่งเป็นระดับเงียบที่ $0.20 และระดับเสียงที่ $0.40 ดังนั้นเมื่อคุณพลิก generate_audio เป็น true ค่าใช้จ่ายต่อวินาทีของคุณจะเพิ่มเป็นสองเท่า H3 ไม่มีคันโยกที่เทียบเท่า เพราะไม่มีอะไรให้เปิด

ความไม่สมดุลอีกอย่างที่ควรชี้ให้เห็นก่อนการรัน: resolution และ duration ของ H3 เป็นฟิลด์ required ทั้งคู่บนเอนด์พอยต์ทั้งสามของมัน และ ratio ในการแปลงข้อความเป็นวิดีโอมีค่าเริ่มต้นเป็น 1:1 ส่งพรอมต์เปล่าแล้วคุณจะได้วิดีโอสี่เหลี่ยม Veo จะตั้งค่าเริ่มต้นอย่างเหมาะสมให้เป็นคลิป 16:9 720p

---

MiniMax H3 vs Veo 3.1, พรอมต์เดียวกัน, ทั้งสองโมเดล: การรันแบบเต็ม

หนึ่งพรอมต์สำหรับทั้งสามโมเดล ไม่มีการเปลี่ยนคำแม้แต่คำเดียว มันถูกสร้างขึ้นเพื่อเน้นสี่สิ่งพร้อมกัน: ฟิสิกส์แก้วไฮเปอร์เรียล ซึ่งเป็นถิ่นของ Veo; ฟอลีย์ดั้งเดิมที่ซิงค์กับการแตก; เสียงพากย์มนุษย์หนึ่งบรรทัด; และการ์ดข้อความประเภท lower-third ที่จางลงในวินาทีสุดท้าย ซึ่งเป็นจุดที่ H3 อ้างว่ามีข้อได้เปรียบ

คัดลอกนี้ตรงตามตัว

PlainCopy
1ช็อต ASMR มาโครสุดขีด, 16:9. แตงโมที่เหมือนจริงมากแกะสลักจากแก้วคริสตัลใส
2วางบนแผ่นหินชนวนเปียกสีดำ มีดเชฟขัดเงากระจกกดลงและตัดผ่านอย่างราบรื่นใน
3การเคลื่อนไหวช้าๆ ต่อเนื่อง; แก้วแยกออกด้วยเสียงแตกดังกริ๊งและสะเก็ดโปร่งแสง
4เล็กๆ กระจายและกระทบกันบนหินชนวน แสงขอบสีน้ำเงินเย็นจากด้านซ้าย, แสงอบอุ่น
5หนึ่งดวงด้านหลัง เลนส์มาโคร 100 มม., ความชัดตื้น, ค่อยๆ ดันเข้า
6เสียง: เสียงกริ่งของแก้วใต้ใบมีด, สะเก็ดกระทบหิน, เสียงห้องต่ำ เสียงผู้หญิง
7สงบพูดว่า: "ตัดสะอาด ทุกครั้ง" ในวินาทีสุดท้าย, ตัวอักษร sans-serif สีขาวคม
8จางลงกลาง lower-third อ่านว่า CUT CLEAN

ขั้นตอนที่ 1: MiniMax H3 ข้อความเป็นวิดีโอที่ 2K

เปิด MiniMax H3 Text-to-Video, วางพรอมต์, จากนั้นตั้งค่าสามฟิลด์ที่สำคัญทั้งหมด:

• ความละเอียด: 2K . ฟิลด์ที่จำเป็น นี่คือระดับสูงสุด, 2560x1440 ที่ส่งตามคำขอ 16:9
• ระยะเวลา: 8 . ฟิลด์ที่จำเป็น จับคู่กับเพดานของ Veo เพื่อให้การเปรียบเทียบแรกเหมือนกัน
• อัตราส่วน: 16:9 . นี่คือสิ่งที่คนพลาด ค่าเริ่มต้นคือ 1:1 และข้อความเป็นวิดีโอปฏิเสธ adaptive ทันทีด้วยรหัส 400 ปล่อยไว้แล้วคุณจะได้คลิปสี่เหลี่ยม

ไม่มีฟิลด์ seed และไม่มีฟิลด์ negative prompt คุณได้สิ่งที่แซมเพลอร์ให้ และการควบคุมเดียวของคุณคือพรอมต์

การเรียกเก็บเงิน: 8 วินาทีที่ $0.14 = $1.12, รวมเสียง งบประมาณความอดทนด้วย: งานนี้ใช้เวลา 455 วินาทีตั้งแต่ต้นจนจบ ฉันพยายามสี่ครั้งเพื่อจับภาพการรันที่เสร็จแล้วในเพลย์กราวด์สำหรับขั้นตอนนี้ และคิว 2K อยู่ได้นานกว่าเซสชันเบราว์เซอร์ทุกครั้ง ดังนั้นนี่คือเอาต์พุต API เองแทน ที่ 100 เปอร์เซ็นต์โดยไม่มีการรีแซมปลิง

ครอบตัด 100 เปอร์เซ็นต์ของเอาต์พุต MiniMax H3 2K แสดงตัวอักษร lower-third ที่คมชัดและเหลี่ยมแก้วที่ชัดเจน_MiniMax H3, 2K, 8s, 16:9, ครอบตัด 1:1 จากเฟรม 2560x1440 ที่ส่งมา ขอบตัวอักษรสะอาด, เศษแก้วแต่ละชิ้นบนหินชนวนคงเหลี่ยมไว้, และนี่คือระดับที่โหวตบนกระดานผู้นำถูกส่ง_

ขั้นตอนที่ 2: Veo 3.1 ข้อความเป็นวิดีโอ, เปิดเสียง

เปิด Veo 3.1 Text-to-Video และวางพรอมต์เดียวกัน การตั้งค่า:

• ความละเอียด: 1080p . enum ของ Veo ยังมี 4k ซึ่ง H3 ไม่สามารถเทียบได้เลย ที่ควรรู้: 720p และ 1080p คิดราคาเท่ากัน ดังนั้น 1080p คือ upside ฟรี
• ระยะเวลา: 8 . สูงสุด
• อัตราส่วนภาพ: 16:9 . มีเพียง 16:9 และ 9:16 เท่านั้น
• generate_audio : true . นี่คือขั้นตอนที่อินเทอร์เน็ตข้าม ค่าเริ่มต้นในสคีมาคือ false และการส่งคืนแบบเงียบดูไม่เหมือนข้อผิดพลาด
• negative_prompt : blurry, warped text, extra fingers, motion blur on type. การควบคุมพิเศษฟรีที่ H3 ไม่มี
• seed : 12345 . ไม่มีใน H3 เช่นกัน Google ให้ด้ามจับสำหรับการทำซ้ำ

การเรียกเก็บเงิน: 8 วินาทีที่ $0.40 = $3.20 พร้อมเสียงเปิด ปล่อย generate_audio ปิด คลิปเดียวกันจะอยู่ที่ $1.60 และเงียบ

เพลย์กราวด์ Veo 3.1 ข้อความเป็นวิดีโอบน Atlas Cloud โดยเปิดสวิตช์สร้างเสียงและคลิปที่เสร็จแล้วเล่นในแผงเอาต์พุต_Veo 3.1, รันเสร็จแล้ว สวิตช์สร้างเสียงเปิดอยู่ และปุ่ม Run แสดง $3.2 ซึ่งเท่ากับ 8 วินาทีที่อัตราเสียง ภาพนี้ถูกทิ้งไว้ที่ 720p เริ่มต้นของหน้า ซึ่งเรียกเก็บเงินเหมือนกับ 1080p; คลิป 1080p ในบทความนี้มาจากพรอมต์เดียวกันผ่าน API สังเกตฟิลด์ว่างสองฟิลด์, Negative Prompt และ Seed, ที่ MiniMax H3 ไม่มีเทียบเท่า_

ขั้นตอนที่ 3: Veo 3.1 Lite, ที่นั่งราคาถูก

เปิด Veo 3.1 Lite Text-to-Video, พรอมต์เดียวกันอีกครั้ง การตั้งค่า: 720p, 8 วินาที, 16:9, seed 12345

สังเกตสิ่งที่ขาดหายไปจากหน้านี้: ไม่มีสวิตช์เสียง เพราะ Lite สร้างเสียงเสมอ สังเกตกับดักหนึ่งในสคีมาด้วย, 1080p บน Lite บังคับระยะเวลาเป็น 8 ดังนั้นคลิป Lite 1080p 4 วินาทีจึงไม่มีอยู่

การเรียกเก็บเงิน: 8 วินาทีที่ $0.05 = $0.40 นั่นคือคลิปที่เสร็จแล้วที่ถูกที่สุดพร้อมเสียงในบทความนี้ทั้งหมด รวมถึง H3

เพลย์กราวด์ Veo 3.1 Lite บน Atlas Cloud ที่ 720p โดยไม่มีสวิตช์เสียง แสดงคลิปที่เสร็จแล้วในแผงเอาต์พุต_Veo 3.1 Lite ที่ 720p ไม่มีการควบคุม generate_audio บนหน้านี้เลย ซึ่งเป็นประเด็น_

ขั้นตอนที่ 4: ให้คะแนน MiniMax H3 vs Veo 3.1 บนห้าแกน

ไม่มีการเรียกโมเดลในขั้นตอนนี้ ไม่มีค่าใช้จ่าย เพื่อให้แม่นยำว่านี่คืออะไร: หนึ่งเทคต่อโมเดล, ความพยายามครั้งแรก, ไม่มีการรีโรล เป็นการอ่านแบบเหมือนกันของสามคลิป ไม่ใช่การศึกษาอัตราการเก็บ

ตาราง D: สิ่งที่กลับมาจริง หนึ่งเทคต่อชิ้น

เฟรมที่ตรงกันจากเทค MiniMax H3 และ Veo 3.1 ในขณะที่ตัวอักษร lower-third จางลง

จังหวะเดียวกันในทั้งสองเทค คือเฟรมที่ CUT CLEAN จางลง ซ้าย MiniMax H3 ที่ 2K, ขวา Veo 3.1 ที่ 1080p โดยเปิดเสียง แก้วของ Veo อ่านเหมือนวัตถุที่ถ่ายภาพมากกว่า ตัวอักษรของ H3 คมกว่าและวางถูกที่

แกนเสียงเป็นการเรียกให้ฟัง ดังนั้นรีลด้านบนคือที่ที่คุณตัดสิน สิ่งที่วัดได้: ทั้งสามส่งคืนแทร็กสเตอริโอต่อเนื่องโดยไม่มีช่องว่างตายเกิน 0.6 วินาที H3 ส่งมอบสเตอริโอ 32kHz และมิกซ์ดัง ระดับเฉลี่ยใกล้ -18 dB โดยมีจุดสูงสุดแตะ 0 dBFS Veo 3.1 ส่งมอบสเตอริโอ 48kHz ที่ระดับเฉลี่ยอนุรักษ์นิยมประมาณ -31 dB แทร็กของ H3 ดังกว่าโดยประมาณ 13 dB ซึ่งฟังดูเหมือนมิกซ์ที่เสร็จสมบูรณ์กว่าตรงจากโมเดล และยังทำให้คุณมีเฮดรูมน้อยลงในการปรับระดับ

ขั้นตอนที่ 5: เทค 15 วินาทีที่ Veo 3.1 ไม่สามารถทำได้ทางโครงสร้าง

หน้าเดียวกับขั้นตอนที่ 1, พรอมต์เดียวกัน, เปลี่ยนสองฟิลด์: Duration 15, Resolution 768P, อัตราส่วนยังคง 16:9 ไม่มีภาพหน้าจอใหม่ มันคือเพลย์กราวด์เดียวกัน

นี่คือขั้นตอนที่ไม่มีคู่เทียบของ Veo enum duration ของ Veo 3.1 คือ [4, 6, 8] บนทุกเอนด์พอยต์ของมัน และไม่มีแผน ระดับ หรือแฟล็กที่เพิ่มมัน คำตอบของ Google เองสำหรับการต้องการมากกว่านั้นคือฟีเจอร์ขยายวิดีโอแยกต่างหาก (เอกสารการสร้างวิดีโอ Google, สิงหาคม 2026) ซึ่งหมายถึงการสร้างบล็อก 8 วินาทีแล้วต่อเข้าด้วยกัน ซึ่งหมายถึงการจับคู่เกรดและเสียงข้ามตะเข็บ H3 ให้คุณเทคต่อเนื่องหนึ่งครั้งพร้อมเสียงเบดต่อเนื่องหนึ่งครั้ง

การเรียกเก็บเงิน: 15 วินาทีที่ $0.10 = $1.50 ซึ่งน้อยกว่าครึ่งหนึ่งของค่าใช้จ่ายของคลิป Veo 3.1 8 วินาทีเดียวพร้อมเสียง

MiniMax H3, 768P, 15 วินาที, หนึ่งเทคไม่ขาดตอนพร้อมเสียงเบดไม่ขาดตอนหนึ่งครั้ง เปิดเสียง Veo 3.1 ไม่มีการตั้งค่าที่สร้างไฟล์นี้ สังเกตการแกะสลักที่ H3 ประดิษฐ์ตามใบมีด: ตัวอักษรที่ระบุแสดงผลอย่างสะอาด ตัวอักษรที่ประดิษฐ์เป็นเรื่องไร้สาระ

สองหมายเหตุที่ซื่อสัตย์เกี่ยวกับเทคนี้ มันรัน 485 วินาที งานที่ช้าที่สุดในบทความ และเสียงเบดของมันเบาบางกว่าเวอร์ชัน 8 วินาทีอย่างเห็นได้ชัด โดยมีช่องว่างจริงรอบวินาทีที่สามและสิบเอ็ด ยาวกว่าได้ แต่ยาวกว่าไม่ได้ไม่มีผลกระทบ

ค่าใช้จ่ายทั้งหมดสำหรับสี่ขั้นตอนการสอน: $1.12 + $3.20 + $0.40 + $1.50 = $6.22, ความพยายามครั้งเดียวต่อโมเดล, ไม่มีการรีโรล การรัน 768P 8 วินาทีพิเศษที่ใช้ในส่วนถัดไปเพิ่ม $0.80 และการจับภาพเพลย์กราวด์เป็นการรันที่เสียเงินแยกต่างหากเพิ่มเติม

---

MiniMax H3 vs Veo 3.1: จุดที่ H3 ไปไกลกว่าที่ Google อนุญาต

สี่ความสามารถในด้านของ H3 ที่ไม่ใช่เวอร์ชันช้าหรือถูกกว่าของฟีเจอร์ Veo แต่เป็นสิ่งที่ Veo ไม่เปิดเผยเลย

21:9 scope enum ratio ของ H3 รวม 21:9, 4:3, 1:1 และ 3:4 ข้างคู่ปกติ Veo 3.1 และ Lite ทั้งคู่มีให้ 16:9 หรือ 9:16 เท่านั้น หากคุณตัดทีเซอร์รูปแบบโรงภาพยนตร์ หนึ่งในโมเดลเหล่านี้สามารถจัดเฟรมได้โดยธรรมชาติ และอีกโมเดลต้องครอบตัด

Reference ที่ไม่ใช่แค่ภาพ เอนด์พอยต์ reference-to-video ของ H3 รับอาร์เรย์ refers[] ที่ผสมภาพ วิดีโอ และเสียง เพื่อยึดลุค และมันยังคงช่วง 4 ถึง 15 วินาทีเต็มขณะทำเช่นนั้น Veo 3.1 reference-to-video รับอาร์เรย์ images ที่จำกัด 3 รายการ และ enum duration ของมันยุบเป็น [8] ดังนั้นการอ้างอิงล็อคคุณไว้ที่ 8 วินาที ข้อควรระวังจากประสบการณ์: การโหลด reference slots ของ H3 ให้เต็มมีแนวโน้มที่จะดึงเอาต์พุตออกจากพรอมต์แทนที่จะเข้าหามัน ดังนั้นค่อยๆ สร้างขึ้น

2K คือการเรนเดอร์ใหม่ ไม่ใช่ upscale สิ่งนี้ทำให้ฉันประหลาดใจและฉันไม่เคยเห็นมันเขียนที่ไหน รันพรอมต์เดียวกันบน H3 ข้อความเป็นวิดีโอที่ 768P และที่ 2K แล้วคุณจะไม่ได้ภาพยนตร์เรื่องเดียวกันในสองขนาด คุณจะได้ภาพยนตร์สองเรื่องที่แตกต่างกัน ในการรันนี้ เทค 768P ทิ้งแตงโมทั้งลูกตั้งตรงโดยมีเทียนจุดอยู่ด้านหลัง และตบตัวอักษรข้ามกลางเฟรมที่วินาทีที่สี่ เทค 2K หักแตงโมเป็นสามชิ้น ย้ายแสงพื้นหลัง และวางตัวอักษรเล็กใน lower-third ในวินาทีสุดท้ายตามที่เขียน พรอมต์เดียวกัน, อัตราส่วนเดียวกัน, แซมเพลอร์ที่ไม่มี seed เหมือนกัน

เฟรมเคียงข้างกันจากการรันพรอมต์เดียวกันที่ 768P และ 2K บน MiniMax H3 แสดงการจัดฉากที่แตกต่างกันแทนที่จะเป็นช็อตเดียวกันในสองขนาด_พรอมต์เดียวกัน, โมเดลเดียวกัน, อัตราส่วนเดียวกัน, 768P ทางซ้ายและ 2K ทางขวา, ทั้งคู่ที่เวลาเดียวกัน การจัดฉากที่แตกต่างกัน, แสงที่แตกต่างกัน, การจัดการตัวอักษรที่แตกต่างกัน หากคุณต้องการให้องค์ประกอบคงอยู่ระหว่างระดับ ให้ล็อคเฟรมแรกด้วย image-to-video แทน_

ไม่มีค่าธรรมเนียมเสียงเพิ่มเติม กล่าวอย่างตรงไปตรงมาเพราะมันเปลี่ยนวิธีที่คุณงบประมาณ: ไม่มีเวอร์ชันของคลิป H3 ที่ถูกลงโดยการเงียบ และไม่มีเวอร์ชันของคลิป Veo 3.1 ที่มีเสียงในราคาเงียบ

เพื่อให้บัญชีซื่อสัตย์ สามจุดที่ Google ชนะจริงและ H3 ไม่มีคำตอบ:

• 4K enum ความละเอียดของ Veo 3.1 รวม 4k H3 สูงสุดที่ 2K หากสัญญาลูกค้าบอกว่า 4K master การเปรียบเทียบนี้จบที่นี่
• seed และ negative_prompt . Veo ให้คุณปรับแต่งการทำซ้ำและห้ามโหมดความล้มเหลวอย่างชัดเจน H3 ไม่ให้ทั้งสองอย่าง ในการถ่ายทำที่คุณต้องรีโรลใกล้พลาดโดยไม่เสียลุคทั้งหมด ช่องว่างนั้นเจ็บปวด
• ความเร็ว, คร่าวๆ เอกสารโมเดลของ Veo 3.1 อ้างประมาณ 2 ถึง 3 นาทีสำหรับคลิป 1080p 8 วินาที ในการรันนี้ ส่งพร้อมกัน H3 ที่ 2K ใช้เวลา 455 วินาที และ Veo 3.1 ที่ 1080p ใช้เวลา 462 วินาที ดังนั้นพวกมันจึงเสมอกันและทั้งคู่เกินตัวเลขที่อ้าง Veo 3.1 Lite เสร็จใน 237 วินาที น้อยกว่าครึ่งหนึ่งของทั้งคู่ หากคุณกำลังทำซ้ำสดต่อหน้าลูกค้า Lite เป็นเพียงหนึ่งในสามที่ตามทัน และนั่นคือข้อได้เปรียบที่แท้จริงที่ราคาต่อวินาทีไม่แสดง

---

โฆษณาที่เสร็จแล้วหนึ่งชิ้นมีค่าใช้จ่ายเท่าไหร่บน MiniMax H3 vs Veo 3.1

ราคาต่อวินาทีไม่ใช่สิ่งที่คุณใช้จ่าย สิ่งที่คุณใช้จ่ายคือราคาต่อวินาทีคูณด้วยคลิปที่คุณทิ้ง คอลัมน์ 30 วินาทีด้านล่างใช้อัตราส่วนการเก็บ 3:1, สามรุ่นต่อเทคที่ใช้งานได้ ซึ่งเป็นสมมติฐานการทำงานจากแนวปฏิบัติการผลิตปกติ มากกว่าสิ่งที่การรันนี้วัด ปฏิบัติต่อมันเป็นปัจจัยการปรับขนาด ไม่ใช่เกณฑ์มาตรฐาน

ตาราง C: ต้นทุนจริงต่อจุดที่ส่งมอบ, ราคา Atlas Cloud ณ เดือนสิงหาคม 2026, ไม่มีส่วนลดที่ใช้งานอยู่

สองข้อสรุป และข้อที่สองไม่ใช่ข้อที่ฉันคาดว่าจะเขียน

หากคุณต้องการ 2K หรือนานกว่า 8 วินาที หรืออัตราส่วนอื่นที่ไม่ใช่ 16:9 และ 9:16 หรือเสียงดั้งเดิมโดยไม่มีค่าธรรมเนียมเพิ่ม H3 ชนะด้านต้นทุนอย่างขาดลอย จุด 30 วินาทีที่ระดับสูงสุดของ H3 อยู่ใกล้หนึ่งในสามของจุดเดียวกันบน Veo 3.1 พร้อมเสียง

หาก 720p และ 8 วินาทีเพียงพอจริงๆ Veo 3.1 Lite ถูกที่สุดที่นี่ และไม่ใกล้เคียง ที่ $0.05 ต่อวินาที มันเป็นครึ่งหนึ่งของระดับที่ถูกที่สุดของ H3, เสียงรวมอยู่ด้วยโดยไม่มีสวิตช์ให้ลืม และมันเร็วเป็นสองเท่าของทั้งสองรุ่นหลัก ใครก็ตามที่บอกคุณว่า H3 เป็นตัวเลือกที่ถูกโดยไม่มีเงื่อนไขยังไม่ได้ดูแถว Lite Google ยังแสดง Veo 3.1 Fast อยู่ระหว่างที่ $0.10 ต่อวินาทีที่ 720p ในรายการราคาของตัวเอง แม้ว่าแค็ตตาล็อกของ Atlas และหน้าโมเดลของมันจะอ้างตัวเลขที่แตกต่างกันสำหรับระดับนั้น ดังนั้นให้ถือว่าตัวเลขที่แน่นอนของ Fast ยังไม่ชัดเจน

ข้อเสียคือสิ่งที่ส่วนลดซื้อให้คุณ นี่คือเฟรมสุดท้ายที่ Lite ส่งคืนในความพยายามครั้งแรก:

เฟรมสุดท้ายของเทค Veo 3.1 Lite โดยมีผู้หญิงหลอนสองคนที่เหมือนกันในภาพตัดต่อพอดีที่ขอบทั้งสองของเฟรม_Veo 3.1 Lite, เฟรมสุดท้าย, เทคแรก พรอมต์กล่าวถึงเสียงผู้หญิง; Lite ตัดสินใจแสดงเธอ, สองครั้ง, ในภาพตัดต่อที่เข้ากัน มันยังให้แตงโมมีเปลือกสีเขียวและเมล็ดที่ดีที่สุดในสามโมเดล ซึ่งเป็นสิ่งที่ทำให้มันน่าหงุดหงิดมากกว่าแค่ไม่ดี_

นั่นคือรูปทรงที่ซื่อสัตย์ของระดับราคาถูก มันอ่านวัตถุได้ดีกว่าโมเดลหลักทั้งสองแล้วก็ทำลายช็อตในแบบที่คุณไม่สามารถแก้ไขในหลังการผลิต ราคาถูกต่อวินาทีไม่ใช่ราคาถูกต่อคลิปที่ใช้งานได้หากอัตราความล้มเหลวเปลี่ยนไป ดังนั้นหากคุณใช้ Lite ควรงบประมาณสำหรับการรีโรลแทนที่จะสมมติว่าราคาป้าย

---

โอเพนเวต, ดินแดนที่ถูกยกเว้น, และส่วนที่ไม่มีใครอ่าน

น้ำหนักถูกเผยแพร่จริงๆ MiniMaxAI/MiniMax-H3 บน Hugging Face เป็นทรานส์ฟอร์มเมอร์ omni สายเดี่ยว 33B พารามิเตอร์หนาแน่นใน BF16, มาพร้อมกับเช็คพอยต์พร้อมใช้งานสองจุด, ตัวเข้ารหัสข้อความ Qwen3-VL-32B เต็ม และตัวเข้ารหัสอัตโนมัติสองตัว ดึงทุกอย่างแล้วประมาณ 499 GB มันเป็นเรือธงปัจจุบัน ไม่ใช่เวอร์ชันที่เกษียณแล้ว และในบรรดาอันดับสูงสุดของทุกกระดานวิดีโอ Artificial Analysis มันเป็นรายการโอเพนเวตเพียงรายการเดียว

จากนั้นคุณอ่านใบอนุญาต และมันทำงานมากกว่าที่ "โอเพนเวต" แนะนำ (Hugging Face, สิงหาคม 2026):

• §I.5 กำหนด ดินแดนที่ถูกยกเว้น เป็นสหภาพยุโรป, สหราชอาณาจักร, สาธารณรัฐเกาหลี และสหรัฐอเมริกา การอนุญาตใช้ทั่วโลกยกเว้นที่นั่น
• §V.4 ไปไกลกว่าการปรับใช้ คุณต้องไม่ใช้, ทำซ้ำ, แก้ไข, แจกจ่าย หรือแสดงผลงาน หรือเอาต์พุตใดๆ ของมัน นอกดินแดนที่ใช้ได้
• §IV.1 ต้องการการอนุญาตเป็นลายลักษณ์อักษรล่วงหน้าแยกต่างหากหากผลิตภัณฑ์เชิงพาณิชย์ของคุณมีรายได้เกิน $20 ล้านต่อปี
• §IV.2 ต้องการให้คุณแสดง "MiniMax H3" อย่างเด่นชัดใน UI ของผลิตภัณฑ์เชิงพาณิชย์ใดๆ ที่สร้างขึ้นบนมัน

MiniMax ไม่ได้ปล่อยเรื่องนี้ไว้ ที่เก็บส่งคำถามที่พบบ่อยเกี่ยวกับใบอนุญาตและแบบฟอร์มสมัคร และใบอนุญาตบอกว่าบริษัทจะประเมินเขตอำนาจศาลเหล่านั้นต่อไปและเชิญผู้มีส่วนได้ส่วนเสียสมัคร ดังนั้นกรอบที่ถูกต้องคือ "ยังไม่, ถามเรา", ไม่ใช่ "แบนตลอดไป" มันยังคงเป็นคำถามที่ต้องส่งผ่านฝ่ายกฎหมายก่อนที่คุณจะวางแผนผลิตภัณฑ์ในสหรัฐฯ หรือ EU รอบน้ำหนักท้องถิ่น

และน้ำหนักท้องถิ่นไม่ใช่ API H3-Base ที่โฮสต์เองเรนเดอร์ที่ขอบสั้น 768 พิกเซล; เส้นทาง 2K ทำงานผ่านขั้นตอนการสร้างใหม่แยกต่างหากที่ฝั่ง API โอเพนเวตซื้อโมเดล 768p ที่คุณควบคุม ไม่ใช่โมเดล 2K ที่ชนะโหวตเหล่านั้น

สิ่งหนึ่งที่ฉันไม่สามารถยืนยันได้: ว่าเอาต์พุต Veo 3.1 มีลายน้ำ SynthID เมื่อให้บริการผ่าน API ของบุคคลที่สามหรือไม่ ปฏิบัติต่อสิ่งนั้นว่าไม่ได้รับการยืนยัน ไฟล์ H3 ในการรันนี้ไม่มีลายน้ำที่มองเห็นได้

---

คำถามที่พบบ่อย

MiniMax H3 ดีกว่า Veo 3.1 จริงหรือ?

ในการโหวตแบบไม่เปิดเผยชื่อพร้อมเสียง ใช่, โดย 145 Elo ในการแปลงข้อความเป็นวิดีโอของ Artificial Analysis, และ H3 เป็นอันดับหนึ่งบนกระดานตัดต่อวิดีโอที่ Veo 3.1 ไม่อยู่บนนั้น มันยังมีราคาถูกกว่าต่อวินาทีพร้อมเสียงเปิดมากกว่า Veo ที่ปิดเสียง Veo 3.1 ยังคงชนะในด้านเอาต์พุต 4K และการควบคุม seed บวก negative_prompt

ทำไมวิดีโอ Veo 3.1 ของฉันถึงเงียบ?

เพราะ generate_audio มีค่าเริ่มต้นเป็น false บน Veo 3.1 และ Veo 3.1 Fast ตั้งค่าเป็น true อย่างชัดเจน โปรดทราบว่าสิ่งนี้จะเพิ่มค่าใช้จ่ายต่อวินาทีของคุณเป็นสองเท่า จาก $0.20 เป็น $0.40 บน Atlas Cloud MiniMax H3 ไม่มีพารามิเตอร์ดังกล่าว เนื่องจากเสียงถูกสร้างในรอบเดียวกับภาพ Veo 3.1 Lite ยังสร้างเสียงเสมอ

MiniMax H3 สามารถสร้างคลิปที่ยาวกว่า 8 วินาทีของ Veo 3.1 ได้หรือไม่?

ใช่ H3 รับวินาทีเต็มใดๆ ตั้งแต่ 4 ถึง 15 เป็นเทคต่อเนื่องเดียว, ทั้งสองฟิลด์จำเป็นในคำขอ enum duration ของ Veo 3.1 คือ [4, 6, 8], ตายตัว การไปยาวกว่าบน Veo หมายถึงการสร้างบล็อก 8 วินาทีและขยายหรือต่อเข้าด้วยกัน จากนั้นจับคู่เกรดและเสียงข้ามรอยต่อ

MiniMax H3 มีโอเพนเวต มันทำให้ฟรีหรือไม่?

ไม่ใช่ในแบบที่คนส่วนใหญ่หมายถึง การดาวน์โหลดเต็มประมาณ 499 GB, H3-Base ที่โฮสต์เองเรนเดอร์ที่ขอบสั้น 768 พิกเซล, และ 2K ต้องการขั้นตอนการสร้างใหม่ที่ฝั่ง API ใบอนุญาตชุมชนยังยกเว้น EU, สหราชอาณาจักร, เกาหลีใต้ และสหรัฐอเมริกา และข้อจำกัดนั้นครอบคลุมเอาต์พุต ไม่ใช่แค่การปรับใช้ โดยมีช่องทางการอนุญาตอย่างเป็นทางการเปิดสำหรับภูมิภาคเหล่านั้น

อันไหนถูกกว่าสำหรับโฆษณา 30 วินาทีที่เสร็จแล้ว, MiniMax H3 หรือ Veo 3.1?

H3 ที่ 2K ทำงานประมาณ $12.60 สำหรับจุด 30 วินาทีที่อัตราส่วนการเก็บ 3:1, เทียบกับประมาณ $36.00 สำหรับ Veo 3.1 พร้อมเสียงเปิด แต่ Veo 3.1 Lite ชนะทั้งคู่ที่ประมาณ $4.50 หาก 720p และบล็อก 8 วินาทีเป็นที่ยอมรับ ข้อได้เปรียบด้านต้นทุนของ H3 ขึ้นอยู่กับความต้องการ 2K, เทคที่ยาวขึ้น, ตัวเลือกอัตราส่วนที่กว้างขึ้น หรือเสียงฟรี

MiniMax H3 ทำ 4K เหมือน Veo 3.1 ได้หรือไม่?

ไม่ enum ความละเอียดของ H3 คือ 768P และ 2K เท่านั้น Veo 3.1 รวม 4k ที่ $0.60 ต่อวินาทีในราคาของ Google เอง และ Veo 3.1 Lite ไม่รองรับ 4K เช่นกัน หากต้นฉบับ 4K เป็นสัญญา Veo 3.1 มาตรฐานเป็นเพียงหนึ่งในสามที่ส่งมอบได้