MiniMax H3 2K 對比 768P：我執行相同提示詞兩次，卻得到兩部不同的影片

同一瓶冷萃咖啡的兩張照片，一張柔和、一張銳利，平放在咖啡館櫃檯上，中間夾著一張收據

同一張照片的兩張列印，一張柔和、一張銳利。在 MiniMax H3 上，這個差距並非品質滑桿。使用 openai/gpt-image-2/text-to-image 生成。

我提交了兩次相同的提示詞。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，耗時 130 秒。第二次花費 $0.56，耗時 181 秒。然後我把兩張畫面並排放在一起，感覺不對勁。瓶子還在，標籤還在，小字也還在。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變得四處都是，光線的色調也變了。

我並沒有省下草稿的錢。我拍到了兩部不同的影片。

這不是一個錯誤。這就是 H3 上「2K」的真正意義，一旦你理解了，每個人都給的標準建議——先用便宜的草稿，再用昂貴的完成——就會悄悄瓦解。以下是該測試的所有數據，以及讓廉價草稿變得可行的唯一改變。

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

• 768P 提供 1344x768，2K 在 16:9 請求下提供 2560x1440。這是 3.6 倍的畫素和 3.6 倍的影片位元率。
• 一個 4 秒的片段計費為 $0.40 對比 $0.56，因此 $0.10/秒 對比 $0.14/秒。768P 每秒便宜 29%，並非半價。
• 768P 在文字轉影片配對中快了 28%（130 秒 vs 181 秒），在圖片轉影片配對中快了 17%（194 秒 vs 234 秒）。
• 使用相同提示詞，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。一個單純的 768P 草稿無法預覽你的 2K 最終版。
• 使用圖片轉影片鎖定第一幀，偏移就會停止。相同的場景、相同的構圖、相同的標籤位置，而 2K 將其額外畫素精確地用在 MiniMax 所說的地方：小字。
• 768P 並未設限。 截至 2026-08-05，兩個層級都出現在解析度列舉中，並可在下拉選單中選取，無論舊的摘要怎麼說。

MiniMax H3 2K vs 768P：768P 仍在封閉測試中嗎？

不，而且這個問題值得儘早澄清，因為它在發佈後最初幾天撰寫的多數定價摘要中仍被重複提及。

我今天拉取了所有三個 H3 端點的即時輸入架構。resolution 欄位顯示 enum: ["768P", "2K"]，並在文字轉影片、圖片轉影片和參考轉影片中預設為 "2K"，而 duration 在三個端點上均從 4 到 15 以整秒為單位執行。沒有標誌、沒有閘門、沒有銷售表格。然後我在兩個不同的端點上提交了一個 768P 任務，兩個都完成了並以較低費率計費。如果某個頁面告訴你需聯絡銷售才能使用 768P，那描述的是發佈第一週的情況，而非本週。

MiniMax H3 2K vs 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，接連提交到 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；兩個交付檔案均包含 32 kHz 立體聲音訊。於 2026-08-05 在 Atlas Cloud 上測量。

看看實際差異在哪裡。不是銳利度，而是影片本身。不同的櫃檯材質、不同的背景裝飾、不同的凝結水珠量、不同的相機高度、不同的色溫，而且標籤在瓶子上的位置也不同。提示詞中完全沒有要求這些改變。

現在是每個人假設相反的部分。以下是兩個版本中的標籤區域，從原始檔案裁剪並放大到相同寬度，因此 768P 的裁剪放大程度比 2K 裁剪更大。

MiniMax H3 768P 與 2K 版本的標籤裁剪比較，兩者的小字成分行均可讀

小字「single origin ethiopia guji / 250ml / roasted 04.08.2026」在 768P 下仍可辨識。它較柔和，字母間距有波動，但沒有什麼是不可讀的。這裡 768P 的真正成本並非模糊文字，而是不同的構圖。

因此，對 MiniMax H3 2K vs 768P 的誠實框架並非「銳利對比模糊」，而是「這個版本對比另一個版本，加上細節處理」。

MiniMax H3 2K vs 768P 規格表，實際測量

此表格中的所有數據均來自交付檔案的 ffmpeg -i 以及完成預測的 price 欄位，而非來自文件頁面。

兩個我花了錢才學到的附註。首先，兩個層級在 duration=4 請求下都交付了 4.46 秒，並且都按 4 秒計費，因此你免費獲得額外的 0.46 秒，但無法圍繞它規劃剪輯點。其次，兩個層級的音訊完全相同。如果你的片段靠對話或音樂同步支撐，那麼 2K 在重要的事情上沒有為你帶來任何好處。

為什麼 MiniMax H3 2K vs 768P 總是讓人困惑

因為 H3 上的 2K 不是一個升頻步驟，而是第二次生成。

MiniMax 直接描述了這個機制：「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 基礎模型在其上下文中重新生成自己的低解析度輸出。」他們也說明了為什麼這樣構建：上下文內方法「讓它再次利用原始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』且通常無法還原的細節，例如小文字和精細細節」（MiniMax，2026 年 7 月）。

戴上生產思維再讀一遍。2K 處理會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。模型從未被要求複製 768P 版本，因為它從未見過 768P 版本。

在實務上，有三種情況會帶來困擾：

1. 你在文字轉影片上以 768P 進行廉價草稿，選出一個優勝者，然後以 2K 重新執行。 你得到一個陌生人。提示詞被尊重，但影片是新的。這就是本頁頂部的測試。
2. 你預算時假設每秒便宜 29% 就等於總成本便宜 29%。 事實並非如此，因為最終版才是任何真實批次中昂貴的部分，而一次浪費的 2K 重新執行會抵銷多次草稿節省的費用。
3. 你假設某處存在廉價的升級路徑。 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。在只有三個生成端點暴露的情況下，「將此片段升級到 2K」意味著重新執行它或在其上運行一個獨立的升頻器。兩者都花錢，而且它們買到的東西不同。

值得一提的是，為什麼值得圍繞這個模型設計工作流程，而不是直接切換。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），而分數也證實了這點：H3 目前以 1,130 分位居 Artificial Analysis 影片編輯 Elo 排行榜榜首，領先 Gemini Omni Flash 的 1,122 分，並以 93 分之差超越 Dreamina Seedance 2.0 720p 的 1,037 分（Artificial Analysis，2026 年 8 月）。品質值得一個工作流程。這個工作流程只需尊重 2K 的產生方式。

這個 MiniMax H3 2K vs 768P 測試背後的四個模型，一目瞭然

整個測試使用四個模型、一個 API 金鑰、一張帳單。我在 Atlas Cloud 上執行，因為在一個圖片模型、兩個 H3 端點和一個升頻器之間切換，否則需要三個帳戶和三張發票在月底對帳。

在複製這些數字之前，有兩個注意事項。H3 端點都發布一個單一標題費率 $0.14/秒，這是 2K 層級；768P 費率顯示在帳單中，而非列表，因此請自行測量一次。而且這四個模型目前都沒有折扣。如果你想縮減鎖定幀步驟，openai/gpt-image-2-developer/text-to-image 截至 2026 年 8 月正在以 50% 折扣運行（從 $0.009 降至 $0.004），而且它是執行相同工作的同一系列。

如何自行執行 MiniMax H3 2K vs 768P 測試

五個步驟，$2.21 的額度，約 15 分鐘的實際時間。以下每個提示詞都是我發送的確切字串。

首先有三個參數說明，因為每個都可能悄悄讓你損失一次執行：

• 在文字轉影片中，欄位是 ratio，不是 aspect_ratio，其預設值為 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。
• 總是明確傳送 duration，不要依賴文件中的預設值 8。你的計費是根據交付的內容，而不是你假設的內容。
• 每個 H3 任務都會超過正常的內聯超時時間，因此請非同步提交並輪詢。price 欄位也會較晚填入：當 status 變為 completed 時，它通常仍然是空的，你必須再輪詢一次預測 ID 才能獲得真實數字。沒有第二次輪詢，你就無法建立一個誠實的成本表。

步驟 1：使用 GPT Image 2 鎖定幀

這一步將草稿變成預覽而不是彩票。將完成的構圖生為靜態圖片，它就會成為兩個影片執行中不可動的部分。

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。不要在這裡節省。你希望 2K 處理保護的每個細節都必須先存在於這個幀中。

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 high，2048x1152。計費 $0.1745，146 秒後完成。

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：品質設為 high，16:9，右側渲染出鎖定的幀。

步驟 2：以 768P 進行草稿

使用與最終版相同的端點。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，冷萃咖啡瓶的緩慢微距推近

768P 草稿：1344x768，計費 $0.40，194 秒後完成。以無聲 GIF 顯示；檔案本身包含 32 kHz 立體聲。請注意標籤上四條向下流淌的厚重水滴痕跡。

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

圖片轉影片表單，已載入鎖定幀。解析度和時長是區分此步驟與步驟 4 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，時長設為 4，該報價就會降至 $0.40。

步驟 3：正確評估 MiniMax H3 2K vs 768P 草稿

草稿是排練，不是證明。從我的兩個配對中，以下是它可靠告訴你的內容，以及它不能告訴你的內容。

信任它：提示詞措辭、動作是否合理、攝影機移動量、四秒內的節奏，以及音訊基底。所有這些都乾淨地轉移了。

不信任它：細微的表面紋理、產品上最小的字型，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水滴，而 2K 執行並未產生，而且小字成分行變成了糊狀。如果我因為看起來髒而拒絕該草稿，我就會拒絕一個實際上有效的提示詞。

這就是真正的分工。768P 回答「這是否是正確的鏡頭」，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 最終版：2560x1440，計費 $0.56，234 秒後完成。與草稿相同的石板、相同的濃縮咖啡機、相同的植物、相同的吧檯手、相同的標籤位置。

以下是整篇文章旨在測試的問題的答案，而且結果是好的。有了鎖定的第一幀，偏移停止了。場景、構圖、相機高度和排版位置在 768P 草稿和 2K 最終版之間保持一致。差異僅限於細節：2K 處理將模糊的水滴痕跡清理成一條細細的流線，還原了紙張紋理，並將小字成分行從雜訊變回文字。這正是 MiniMax 所聲稱的上下文內重新生成行為，也是本次測試中 2K 第一次看起來像一個品質層級，而不是一次重新擲骰。

作為對照組，純文字轉影片的 2K 執行，就是產生本頁頂部那個陌生人的結果。相同的提示詞內容，沒有第一幀，因此沒有任何東西固定構圖。

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片段

Atlas Cloud 上的 MiniMax H3 文字轉影片：無第一幀，解析度 2K，長寬比 16:9，輸出面板中顯示完成的片段。這個生成本身沒有問題。只是它與 768P 執行產生的不是同一部影片。

步驟 5：或者跳過 MiniMax H3 2K vs 768P 重新執行，直接升頻

有時 768P 版本已經是最好的了。表演到位，時機剛好，你不想要一個可能效果不同的重新生成。那就不要重新執行它。將確切的檔案推送到升頻器。

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

768P 版本透過 Atlas Cloud 影片升頻器推升至 2K，相同片段，更高解析度

升頻後的版本：2540x1452，計費 $0.12，40 秒後完成。相同的四條水滴，相同的所有內容。這是同一部影片，而不是新的。

Atlas Cloud 影片升頻器遊樂場，已載入 768P 片段，輸出面板中顯示 2K 結果

Atlas Cloud 上的影片升頻器，已載入 768P H3 片段，右側播放升頻後的結果。此截圖以 1080p 預設值執行，執行按鈕對任何低於 5 秒最低時長的內容標價 $0.09。將目標解析度切換為 2k，你就進入 $0.024/秒的層級，也就是我自己的執行所支付的 $0.12。

以下是任何人都不應錯過的結論：來自相同鎖定幀的三個標籤裁剪，在相同放大倍率下。

三向標籤裁剪比較：原生 768P、該片段升頻至 2K、以及原生 2K，顯示只有原生 2K 能恢復小字

原生 768P、同一個片段升頻後、以及原生 2K。升頻器漂亮地銳化了紙張紋理和大標題，並保留了確切的版本。但它無法恢復小字行，因為該資訊從未存在於 768P 檔案中。重新生成處理可以，因為它回到上下文，而不是回到畫素。

因此，這兩條路徑並非競爭對手。它們回答不同的問題。升頻保留表演。重新生成恢復細節。根據你的片段無法承受失去哪一個來選擇。

值得在 MiniMax H3 2K vs 768P 上測試的變化

• 垂直方向。 我的 16:9 測試返回 1344x768，因此短邊是層級所固定的。根據相同邏輯，9:16 的請求應該落在 768x1344，但在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，而不是對抗 adaptive 列舉。
• 說話的人頭。 這是我會完全跳過草稿，直接使用 2K 的地方。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 草稿會在這三方面誤導你。
• 長片段。 在 15 秒時，差距擴大到 $1.50 對比 $2.10，實際時間也隨之拉長。規劃佇列，而不僅僅是預算。
• 產品文字與多語言工作。 H3 穩定的幀內文字和原生多語言音訊正是人們最初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際可用交付層級，而不僅僅是排練室。

MiniMax H3 2K vs 768P 每個可用片段的實際成本

首先，三條通往 2K 交付物的路線，每個 8 秒片段，以我實際被收取的費率計算。

現在是決定你一個月的數字。假設一個實際的組合：十次 4 秒的草稿執行來找到鏡頭，然後兩個完成的 8 秒片段。

誠實地解讀中間那行。每秒節省 29%，但每批次節省 18%，因為你的最終版仍然是最終版。只有當草稿佔主導地位時，節省才會趨近於 29%：在二十次 8 秒草稿執行而非十次短執行時，路線二大約比全部使用 2K 便宜 25%。而每一分錢都取決於鎖定幀，因為沒有它，那些十次廉價執行就是你不會發佈的十部影片。

第二個紅利是時間，這可能更重要。在文字轉影片配對中，768P 快了 28%，而且在所有配對中，它從未花費更長時間。在這些實際時間的 4 秒片段上，這大約是一小時內 27 次草稿執行，而不是 20 次。當你仍在尋找正確的提示詞時，多出七次機會比節省的 $1.60 更重要。

一個法律注意事項，如果你打算透過自行託管來避開這一切。Hugging Face 上的開放權重是 H3-Base，它生成的是 768 短邊的解析度。2K 處理存在於 API 端，因此開放權重給你的是草稿層級，而不是完成層級。社群授權也包含排除領土，涵蓋歐盟、英國、韓國和美國，並設有單獨的授權管道，因此在你基於本地結帳建立商業管道之前，請閱讀授權。要更廣泛地了解已發布權重的包含與不包含內容，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進行價格比較。

常見問題

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

是的。我為一個 4 秒的 768P 片段支付了 $0.40，而相同請求的 2K 為 $0.56，因此 $0.10/秒 對比 $0.14/秒，每秒節省 29%。問題在於，只有當廉價執行能告訴你關於昂貴執行的一些資訊時，節省才算數，這需要鎖定第一幀。一個純文字轉影片的 768P 草稿是一部不同的影片，花在上面的錢並非省下的錢。

在 MiniMax H3 2K vs 768P 中，2K 只是 768P 輸出的升頻嗎？

不是。MiniMax 讓基礎模型在其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 可以恢復小文字和細微表面細節，而升頻器只能近似。我的三向標籤裁剪精確顯示了這點：升頻後的 768P 片段銳化了紙張紋理，但將小字成分行留作不可讀的雜訊，而原生 2K 執行將其變回文字。

我的 MiniMax H3 768P 草稿會看起來像我的 2K 最終版嗎？

只有在鎖定第一幀的情況下。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佈置、不同的相機高度、不同的凝結水珠和不同的標籤位置。在具有固定第一幀的圖片轉影片中，構圖、框架和排版在層級之間保持一致，唯一的變化在細節和紋理上。

我還需要聯絡銷售才能使用 MiniMax H3 768P 嗎？

不需要，截至 2026-08-05。所有三個 H3 端點的即時架構都將 resolution 列為 enum: ["768P", "2K"]，遊樂場在一個下拉選單中顯示兩者，而我的 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撰寫的報導。

在 MiniMax H3 2K vs 768P 中，2K 慢多少？

在我的 4 秒配對中，速度慢了 1.2 到 1.4 倍：文字轉影片為 181 秒 vs 130 秒，圖片轉影片為 234 秒 vs 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 而不重新執行它嗎？

你可以透過將片段推送到影片升頻器來提高解析度而不改變版本，我為一個 4.46 秒的片段在 2K 層級支付了 $0.12（$0.024/秒，最低 5 秒），並在 40 秒內返回。這會逐幀保留表演。但它不會恢復從未捕捉到的細節，因此如果使用 2K 的目的是讓小字可讀，你需要的是重新生成處理，而不是升頻器。