MiniMax H3 2K vs 768P：我兩次使用相同的提示詞，卻得到了兩部不同的影片

兩張相同冷萃咖啡瓶的印刷品，一張柔和一張銳利，中間夾著一張收據，放在咖啡館櫃檯上

同一個鏡頭的兩張印刷品，一張柔和，一張銳利。在 MiniMax H3 上，這個差距不是品質滑桿。使用 openai/gpt-image-2/text-to-image 生成。

我提交了相同提示詞兩次。唯一改變的是一個下拉選單：768P，然後 2K。

第一次執行花費 0.40 美元，130 秒完成。第二次花費 0.56 美元，耗時 181 秒。然後我將兩張畫面並排，感覺有些不對勁。瓶子還在。標籤還在，小字也都在。但櫃檯從溫暖的木頭變成了淺色石頭，背景中吧檯後方出現了一個架子，玻璃上的凝結水珠突然到處都是，光線的色調也變了。

我並沒有在草稿上省錢。我拍的是兩部不同的影片。

這不是一個 Bug。這正是 H3 上「2K」的真正含義，一旦你理解了，大家常給的標準建議——先便宜打草稿，再貴的完成——就會崩潰。以下是該測試的每個數字，加上一項能讓便宜草稿奏效的改變。

關鍵要點（所有數據於 2026-08-05 在 Atlas Cloud 上測量）

• 768P 輸出 1344x768，2K 輸出 2560x1440（16:9 請求）。像素是 3.6 倍，視訊位元率也是 3.6 倍。
• 計費為 $0.40 vs $0.56（4 秒片段），即 $0.10/s vs $0.14/s。768P 每秒便宜 29%，並非半價。
• 768P 在文字轉影片配對中快 28%（130s vs 181s），在圖片轉影片配對中快 17%（194s vs 234s）。
• 相同提示詞下，768P 和 2K 的文字轉影片產生了 兩個不同的版本，而非同一版本的兩種品質。單純的 768P 草稿並不能預覽你的 2K 最終成品。
• 使用圖片轉影片鎖定第一幀後，差異就停止了。相同場景、相同構圖、相同標籤位置，2K 將其額外像素精確地用在了 MiniMax 所說的地方：小字印刷。
• 768P 並非受限。 截至 2026-08-05，兩個層級都在解析度列舉中，並可在下拉選單中選擇，無論舊的總結文章怎麼說。

MiniMax H3 2K 與 768P：768P 仍在封閉測試中嗎？

不，這一點值得儘早說明，因為在發佈後最初幾天寫的大多數定價總結中仍會重複。

我今天拉取了所有三個 H3 端點的即時輸入 schema。resolution 欄位顯示 enum: ["768P", "2K"]，預設為 "2K"（文字轉影片、圖片轉影片和參考轉影片皆同），duration 範圍從 4 到 15 秒，整數步進，三個端點皆然。沒有標誌、沒有閘門、沒有銷售表單。然後我在兩個不同的端點上提交了 768P 任務，兩者都完成並以較低費率計費。如果某個頁面告訴你要聯絡銷售以取得 768P，那該頁面描述的是發佈第一週的情況，而非本週。

MiniMax H3 2K 與 768P，相同提示詞，並排比較

左邊是 768P。右邊是 2K。相同的提示詞、相同的 duration=4、相同的 ratio=16:9，連續提交給 minimax/h3/text-to-video。

MiniMax H3 2K 與 768P 分割畫面，來自相同文字轉影片提示詞，並嵌入解析度、價格和實際時間

相同提示詞，兩次執行。左：768P，1344x768，$0.40，130 秒。右：2K，2560x1440，$0.56，181 秒。以無聲 GIF 顯示；兩個交付檔案都帶有 32 kHz 立體聲音訊。於 2026-08-05 在 Atlas Cloud 上測量。

看看實際差異在哪。不是銳利度。是影片本身。不同的櫃檯材質、不同的背景裝飾、不同的凝結水量、不同的相機高度、不同的色溫，標籤在瓶子上的位置也不同。提示詞中沒有任何內容要求這些改變。

現在來看大家都認為會相反的部分。以下是兩個版本中標籤區域的裁剪，從原始檔案中裁切出來並放大到相同寬度，因此 768P 的裁剪比 2K 的裁剪放大更多。

MiniMax H3 768P 和 2K 版本之間的標籤裁剪比較，兩者都顯示小字配料行可讀

小字「single origin ethiopia guji / 250ml / roasted 04.08.2026」在 768P 下仍然存在。它較柔和，字距有些搖晃，但沒有什麼是不可辨認的。這裡 768P 的真正成本不是模糊的文字，而是不同的構圖。

因此，MiniMax H3 2K 與 768P 的誠實框架不是「銳利與模糊」。而是「這個版本與另一個版本，再加上細節處理」。

測量到的 MiniMax H3 2K 與 768P 規格表

此表中的所有數據來自交付檔案的 ffmpeg -i 和完成預測的 price 欄位，而非來自文件頁面。

想將 MiniMax H3 與其他影片模型在相同提示詞下進行比較？Atlas Cloud 模型比較 可並排顯示，並在生成前顯示解析度和每秒成本。

兩個我花錢學到的腳註。首先，兩個層級對於 duration=4 的請求都交付了 4.46 秒，並且都按 4 秒計費，所以你免費獲得額外的 0.46 秒，但你不能圍繞它規劃剪輯。其次，音訊在兩個層級之間是相同的。如果你的片段靠對話或音樂同步支撐，2K 在你真正重要的事情上並未提供任何好處。

為什麼 MiniMax H3 2K 與 768P 會讓每個人都搞錯

因為 H3 上的 2K 不是一個放大步驟。它是第二次生成。

MiniMax 直接描述了機制：「對於 H3 的 2K 輸出，我們沒有使用傳統的專用超解析度模組，而是讓 H3 基礎模型在上下文中重新生成自己的低解析度輸出。」他們也解釋了為什麼這樣建構：上下文方法「讓它再次利用原始的多模態上下文來產生高解析度輸出，恢復傳統超解析度只能『猜測』且常常無法恢復的細節，例如小文字和精細細節」（MiniMax，2026 年 7 月）。

用生產的眼光再讀一遍。2K 處理回到你的原始上下文並再次生成。當你的上下文只是一個文字提示詞時，「再次生成」意味著「再次擲骰子」。這正是我的兩個版本所顯示的。模型從未被要求重現 768P 版本，因為它從未見過 768P 版本。

在實務上，這會造成三種問題：

1. 你在文字轉影片上使用 768P 進行廉價草稿，選出一個贏家，然後以 2K 重新執行。 你得到一個陌生人。提示詞被遵守了，但影片是全新的。這就是本頁頂部的測試結果。
2. 你預算時假設每秒便宜 29% 意味著總成本便宜 29%。 事實並非如此，因為最終成品是任何真實批次中昂貴的部分，而一次浪費的 2K 重新生成就會抹去多次草稿節省的費用。
3. 你假設便宜的升級路徑就在那裡某處。 我今天檢查了 Atlas Cloud 上的完整目錄：452 個模型、三個 H3 端點，其中沒有 H3 重新生成端點。當只有三個生成端點暴露時，「將此片段升級到 2K」意味著要么重新生成它，要么對其運行單獨的放大程式。兩者都要花錢，而且它們買到的東西不同。

值得說明為什麼值得圍繞這個模型設計工作流程而不是切換。發佈時的主要賣點是「最高 2K 解析度、最長 15 秒片段、原生立體聲音訊」的影片（DataNorth AI，2026 年 8 月），並且分數證明了這一點：H3 目前在 Artificial Analysis 影片編輯 Elo 排行榜上以 1,130 分位居榜首，領先 Gemini Omni Flash 的 1,122 分，並比 Dreamina Seedance 2.0 720p 的 1,037 分高出 93 分（Artificial Analysis，2026 年 8 月）。品質值得建立一個工作流程。這個工作流程只需要尊重 2K 的產生方式。

此 MiniMax H3 2K 與 768P 測試背後的四個模型，一個標籤頁

整個測試涉及四個模型、一個 API 金鑰、一張帳單。我在 Atlas Cloud 上執行，因為在圖片模型、兩個 H3 端點和一個放大程式之間切換，否則需要三個帳戶和三個月結發票來對帳。

在複製數字之前有兩個注意事項。H3 端點都發布單一頭條費率 $0.14/秒，即 2K 層級；768P 費率出現在帳單中，而不是在列表中，所以請自己測量一次。而且這四個模型目前都沒有折扣。如果你想省去鎖定幀的步驟，openai/gpt-image-2-developer/text-to-image 目前（2026 年 8 月）以 50% 折扣運行（從 $0.009 降至 $0.004），而且它是同一個家族，做同樣的工作。

如何親自執行 MiniMax H3 2K 與 768P 測試

五個步驟，$2.21 的額度，總共約 15 分鐘的實際時間。下面的每個提示詞都是我發送的確切字串。

首先是三個參數說明，因為每個都可能悄悄讓你多跑一次：

• 在文字轉影片中，欄位是 ratio，不是 aspect_ratio，預設值為 1:1，其列舉中沒有 adaptive 選項。請自行傳入 16:9，否則你會得到一個方形片段。在圖片轉影片中，列舉只有 adaptive，因為你的第一幀決定了形狀。
• 始終明確發送 duration，不要依賴文件記錄的預設值 8。你被收取的費用取決於交付的內容，而不是你假設的內容。
• 每個 H3 任務的生命週期都超過正常的內聯逾時，所以請以非同步方式提交並輪詢。price 欄位也較晚填入：當 status 變為 completed 時，它通常仍然是空的，你必須再輪詢預測 ID 一次才能獲得真實數字。沒有第二次輪詢，你就無法建立誠實的成本表。

步驟 1：使用 GPT Image 2 鎖定幀

這一步將草稿變成預覽而非彩票。生成完成的構圖作為靜態圖片，它將成為兩個影片執行中不可動搖的部分。

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，尺寸 2048x1152。在這裡不要節省。你希望 2K 處理保護的每個細節都必須首先存在於此幀中。

使用 GPT Image 2 以 2048x1152 生成的鎖定第一幀，顯示冷萃咖啡瓶及其可讀的小字

使用 openai/gpt-image-2/text-to-image 生成，品質高，2048x1152。計費 $0.1745，146 秒後返回。

Atlas Cloud 上的 GPT Image 2 遊樂場，已填入幀提示詞，輸出面板中顯示生成的瓶子

Atlas Cloud 上的 GPT Image 2：品質設定為高，16:9，鎖定的幀在右側渲染。

步驟 2：以 768P 打草稿

與你將用於最終成品的端點相同。此步驟與步驟 4 之間僅解析度不同。

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

在 minimax/h3/image-to-video 上的設定：第一幀 = 你的步驟 1 輸出，resolution=768P，duration=4，ratio=adaptive。

MiniMax H3 768P 草稿片段，對冷萃咖啡瓶的慢速微距推近

768P 草稿：1344x768，計費 $0.40，194 秒後返回。以無聲 GIF 顯示；檔案本身帶有 32 kHz 立體聲。注意標籤上四條厚重的滴痕。

Atlas Cloud 上的 MiniMax H3 圖片轉影片遊樂場，已上傳鎖定的幀，輸入提示詞，輸出面板中顯示完成的片段

圖片轉影片表單，已載入鎖定的幀。解析度和時長是將此步驟與步驟 4 區分開來的唯一兩個欄位，兩個層級都位於同一個列表中，沒有任何限制。此截圖保留了 2K 和 8 秒的預設值，這就是為什麼執行按鈕顯示 $1.12；將解析度切換為 768P 並將時長設為 4，該報價將降至 $0.40。

步驟 3：正確判斷 MiniMax H3 2K 與 768P 草稿

草稿是排練，不是證明。從我的兩組配對中，以下是它能可靠告訴你的以及不能告訴你的。

可以信任的方面：提示詞措辭、動作是否流暢、鏡頭移動量、四秒內的節奏、以及音訊基礎。所有這些都乾淨地轉移了。

不能信任的方面：精細表面紋理、產品上最小的字體、或它發明的任何偽影。在我的 768P 草稿中，標籤出現了四條厚重的棕色滴痕，而 2K 執行沒有產生，小字配料行則變成了糊狀。如果我因為草稿看起來髒而拒絕它，我就會拒絕一個其實可行的提示詞。

這就是真正的分工。768P 回答「這是不是正確的鏡頭」，2K 回答「這是否可交付」。

步驟 4：切換一個欄位，以 2K 完成

相同的端點、相同的第一幀、相同的提示詞字串。將 resolution 改為 2K，其他什麼都不變。

來自相同鎖定第一幀的 MiniMax H3 2K 最終片段，標籤乾淨，小字可讀

2K 最終成品：2560x1440，計費 $0.56，234 秒後返回。相同石板、相同濃縮咖啡機、相同植物、相同吧檯手、與草稿相同的標籤位置。

以下是回答整篇文章旨在測試的問題的答案，而且結果是好的。鎖定第一幀後，差異停止了。場景、構圖、相機高度和排版位置在 768P 草稿和 2K 最終成品之間都保持不變。差異僅限於細節：2K 處理清理了污漬滴痕，變成一條細流，解析了紙張紋理，並將小字配料行從噪音變回單詞。這正是 MiniMax 聲稱的上下文重新生成的行為，也是本次測試中第一次 2K 看起來像是一個品質層級而不是一次重新生成。

作為對比，對照組。這是純文字轉影片在 2K 下的執行，也就是本頁頂部產生陌生人的那個。相同的提示詞內容，沒有第一幀，所以沒有什麼可以固定構圖。

Atlas Cloud 上的 MiniMax H3 文字轉影片遊樂場，2K，輸出面板中顯示完成的對照組片段

Atlas Cloud 上的 MiniMax H3 文字轉影片：沒有第一幀，解析度 2K，寬高比 16:9，輸出面板中顯示完成的片段。這個生成沒有什麼問題。只是它與 768P 執行產生的影片不同。

步驟 5：或者跳過 MiniMax H3 2K 與 768P 重新生成，直接放大

有時 768P 的版本就是你要的那個。表演到位了，時機對了，你不想要一個可能不同的重新生成。那就不要重新生成。將確切的檔案送入放大程式。

在 atlascloud/video-upscaler 上的設定：video = 你的 768P 輸出 URL，target_resolution=2k。輸入上限為 2K 時是 23 秒和 690 幀，輸入 fps 必須為 30 或更低，因此 H3 的 24 fps 片段可以輕鬆通過。

將 768P 版本透過 Atlas Cloud 影片放大程式放大到 2K，相同素材，更高解析度

放大的版本：2540x1452，計費 $0.12，40 秒後返回。相同的四條滴痕，相同的一切。這是同一部影片，不是新的。

Atlas Cloud 影片放大程式遊樂場，已載入 768P 片段，輸出面板中顯示 2K 結果

Atlas Cloud 上的影片放大程式，已載入 768P H3 片段，右側正在播放放大後的結果。此截圖在 1080p 預設值下運行，執行按鈕對於低於 5 秒最低時長的任何內容定價為 $0.09。將目標解析度切換為 2k，你就進入了 $0.024/秒的層級，這是我自己運行時被收取的 $0.12。

以下是每個人都應該注意的結論，來自相同鎖定幀、相同放大倍率下的所有三個標籤裁剪。

三向標籤裁剪比較：原生 768P、該片段放大到 2K、以及原生 2K，顯示只有原生 2K 能恢復小字印刷

原生 768P、同一片段放大後、以及原生 2K。放大程式漂亮地銳化了紙張紋理和大標題，並保留了確切的版本。它無法做到的是恢復小字行，因為該資訊從未存在於 768P 檔案中。重新生成處理可以做到，因為它回到上下文而不是像素。

所以這兩條路線不是競爭對手。它們回答不同的問題。放大保留表演。重新生成恢復細節。根據你的片段不能失去哪一個來選擇。

值得測試的 MiniMax H3 2K 與 768P 變體

• 垂直方向。 我的 16:9 測試返回 1344x768，因此短邊是層級固定的。9:16 請求應基於相同邏輯得出 768x1344，但在你基於假設建立垂直批次之前，請先測量一次。在圖片轉影片中，你透過第一幀設定形狀，而不是與 adaptive 列舉奮鬥。
• 說話者頭部。 在這裡我會完全跳過草稿，直接使用 2K。臉部、牙齒和視線正是重新生成處理存在的細小細節類別，而 768P 草稿將在這三方面誤導你。
• 長片段。 在 15 秒時，差距擴大到 $1.50 對比 $2.10，實際時間也隨之增加。規劃好佇列，而不僅僅是預算。
• 產品文字和多語言工作。 H3 穩定的幀內文字和原生多語言音訊正是人們首先選擇它用於商業包裝的原因。兩者在 768P 下都能存活，這使得 768P 成為社交媒體裁剪的實用交付層級，而不僅僅是排練室。

MiniMax H3 2K 與 768P 每個可用片段實際成本是多少

首先是通往 2K 可交付成果的三種路線，每個 8 秒片段，按我實際被收取的費率計算。

現在是決定你月份的那個數字。採用一個現實的組合：10 個 4 秒草稿來找到鏡頭，然後兩個完成的 8 秒片段。

誠實地閱讀中間行。每秒節省 29%，但每批次節省 18%，因為你的最終成品仍然是最終成品。只有當草稿佔主導地位時，節省才會趨向 29%：如果草稿是 20 個 8 秒而不是 10 個短片段，第二條路線大約比全部 2K 便宜 25%。而每一分錢都取決於鎖定的幀，因為如果沒有它，那十個便宜的草稿就是你將不會交付的十部影片。

第二個紅利是時間，而且可能更重要。在文字轉影片配對中，768P 返回速度快 28%，而在兩個配對中，它從未花費更長時間。在那些實際時間下的 4 秒片段上，這大約意味著一小時內 27 個草稿，而不是 20 個。當你仍在尋找正確的提示詞時，額外的七次嘗試比你節省的 1.60 美元更重要。

如果你打算透過自託管來避免這一切，有一個法律注意事項。Hugging Face 上的開放權重是 H3-Base，它生成短邊 768。2K 處理存在於 API 端，因此開放權重只能讓你獲得草稿層級，而不是完成層級。社群許可證也帶有排除區域，涵蓋歐盟、英國、韓國和美國，並開放了單獨的授權管道，因此如果你在本地簽出上建立商業管道，請閱讀許可證。有關已發布權重包含和不包含的內容的更廣泛了解，請參閱我們的 MiniMax H3 評測，以及完整模型目錄，如果你想將 H3 與當前其他影片領域的模型進行價格比較。

常見問題

在 MiniMax H3 2K 與 768P 中，768P 實際上每個片段更便宜嗎？

是的。我的一個 4 秒 768P 片段被收取 $0.40，而相同請求在 2K 下為 $0.56，因此 $0.10/秒 對比 $0.14/秒，每秒節省 29%。問題是，只有當廉價運行能讓你了解昂貴運行的情況時，節省才有效，這需要鎖定第一幀。單純的文字轉影片 768P 草稿是一部不同的影片，花在上面的錢不是省下來的錢。

在 MiniMax H3 2K 與 768P 中，2K 只是 768P 輸出的放大嗎？

不是。MiniMax 讓基礎模型在上下文中重新生成自己的低解析度輸出，而不是運行專用的超解析度模組，這就是為什麼 2K 可以恢復放大程式只能近似的小文字和精細表面細節。我的三向標籤裁剪精確地顯示了這一點：放大的 768P 片段銳化了紙張紋理，但將小字配料行留作無法讀取的噪音，而原生 2K 運行則將其變回單詞。

我的 MiniMax H3 768P 草稿看起來會像我的 2K 最終成品嗎？

只有當你鎖定第一幀時才會。在純文字轉影片中，兩個層級從相同的提示詞給了我不同的場景裝飾、不同的相機高度、不同的凝結量和不同的標籤位置。在圖片轉影片中，使用固定的第一幀，構圖、取景和排版在層級之間都保持不變，唯一的變化在於細節和紋理。

我仍然需要聯絡銷售才能取得 MiniMax H3 768P 嗎？

不需要，截至 2026-08-05。所有三個 H3 端點上的即時 schema 將 resolution 列為 enum: ["768P", "2K"]，遊樂場在一個下拉選單中顯示兩者，我的 768P 任務在兩個不同的端點上完成並以較低費率計費。封閉測試的說法來自發佈後最初幾天寫的報導。

在 MiniMax H3 2K 與 768P 中，2K 慢了多少？

在我的 4 秒配對中，慢了 1.2 倍到 1.4 倍：文字轉影片為 181 秒對比 130 秒，圖片轉影片為 234 秒對比 194 秒，從提交到完成測量。從架構上講，2K 是對相同上下文的第二次生成處理，因此預計絕對差距在較長片段上會擴大，而不是保持不變。

我可以將 768P 片段升級到 2K 而不重新生成它嗎？

你可以透過影片放大程式提高解析度而不觸及版本，這對我來說，一個 4.46 秒的片段在 2K 層級花費 $0.12（$0.024/秒，最低 5 秒），並在 40 秒內返回。這會逐幀保留表演。它無法做的是恢復從未捕獲的細節，因此如果升級到 2K 的目的是可讀的小字型，你需要重新生成處理，而不是放大程式。