- Los precios de MiniMax H3 comienzan en $0.09 por segundo para la salida 768p listada.
- La generación en 2K figura a $0.13 por segundo, por lo que un clip de 15 segundos cuesta $1.95.
- Las imágenes de referencia son gratis para las primeras cinco; después cuestan $0.04 cada una.
- El uso de video de referencia se factura por la duración de entrada según la tarifa de salida seleccionada.
- El estado de la API está en vivo en 2026, mientras que los pesos del modelo prometidos aún no están disponibles aquí.
Precios de MiniMax H3 de un vistazo
MiniMax H3 es un modelo de video de IA multimodal alojado en la nube, no un título convencional de juegos o entretenimiento. Sus precios se basan principalmente en la duración del video generado y la resolución de salida. La API acepta referencias de texto, imágenes, video y audio, lo que permite a los creadores planificar producciones de formato corto alrededor de un presupuesto por segundo.
Aspectos destacados del video:
- El sonido estéreo nativo está incluido en el flujo de trabajo de video 2K mostrado.
- El diseño documentado admite salidas de aproximadamente 4 a 15 segundos a través del endpoint create.
- H3 combina varios tipos de referencia, pero la generación de primer y último fotograma usa un modo separado.
- Los ejemplos de lanzamiento se centran en aperturas de películas, páginas de productos, pósters y publicidad de moda.
| Opción de salida | Tarifa indicada | Salida de 15 segundos | Mejor uso |
|---|---|---|---|
| 768p | $0.09/segundo | $1.35 | Borradores e iteración rápida |
| 2K | $0.13/segundo | $1.95 | Clips cortos de calidad final |
| Imágenes de referencia extra | $0.04 cada una después de cinco | Depende de la cantidad | Coherencia de personaje o marca |
| Audio de referencia | Sin cargo indicado | Sin cargo indicado | Voz, música o dirección de sonido |
La distinción más importante es entre el costo de salida y el costo de las referencias de entrada. Una solicitud sencilla de texto a video puede mantenerse cerca de la tarifa base. Una toma muy dirigida con muchas referencias de imágenes y video puede costar más que el clip generado por sí solo.
Comienza la exploración creativa con la resolución más baja disponible cuando sea posible y reserva las generaciones en 2K para las tomas aprobadas. Así separas las pruebas de concepto del gasto de producción final.
Cómo calcular los precios de MiniMax H3
El cálculo básico es sencillo: multiplica la duración de salida por la tarifa por segundo seleccionada. Con las tarifas indicadas, cada segundo adicional añade $0.09 para 768p o $0.13 para 2K. Esto convierte el control de la duración en una de las formas más fáciles de gestionar el presupuesto de un proyecto.
| Duración del clip | Estimación 768p | Estimación 2K | Nota de planificación |
|---|---|---|---|
| 5 segundos | $0.45 | $0.65 | Útil para pruebas rápidas |
| 10 segundos | $0.90 | $1.30 | Bueno para tomas cortas para redes |
| 15 segundos | $1.35 | $1.95 | Duración máxima en el flujo de trabajo citado |
Las imágenes de referencia modifican la estimación después de las primeras cinco. Por ejemplo, una solicitud con ocho imágenes añade tres imágenes facturables, o $0.12, antes de contar cualquier entrada de video de referencia. El audio de referencia figura como gratuito, pero el video de referencia se factura según su duración de entrada y la tarifa de salida seleccionada.
Una estimación práctica puede usar esta fórmula:
Costo estimado = segundos de salida × tarifa de salida + referencias de imagen facturables × $0.04 + costo de entrada de video de referencia
La documentación disponible presenta algunas diferencias del período de lanzamiento. Una descripción general del modelo dice que los clips van de 5 a 15 segundos, mientras que el endpoint create indica de 4 a 15 segundos. La página de precios menciona 768p, pero el endpoint create actual descrito en el material disponible expone 2K como la resolución activa. Considera el endpoint operativo como la referencia más segura al construir una integración.
Los detalles de precios y de endpoints pueden cambiar rápidamente durante un lanzamiento. Confirma la respuesta en vivo de la API, la resolución compatible, los límites de duración y el comportamiento de facturación antes de comprometer un presupuesto de producción.
Configuración de la API y modos de referencia
MiniMax H3 requiere un prompt de texto y luego permite añadir referencias de apoyo. El flujo de trabajo multimodal está diseñado para tomas que necesitan un sujeto coherente, lenguaje de cámara, interpretación o banda sonora. Es más adecuado para una producción controlada que para tratar cada generación como un prompt aislado.
Define la toma
Escribe primero el prompt de texto. Especifica el sujeto, la acción, el encuadre, el movimiento de cámara, la iluminación, el estilo y la dirección de sonido antes de añadir referencias.
Elige el modo de referencia
Usa imágenes, videos y audio de referencia cuando importen la identidad o la continuidad creativa. Usa primer fotograma, último fotograma o ambos cuando controlar los límites de la toma sea más importante.
Mantente dentro de los límites de entrada
El flujo de trabajo de referencias documentado admite hasta nueve imágenes, tres videos con una duración combinada de 15 segundos y tres referencias de audio.
Estima la solicitud
Calcula primero los segundos de salida y luego añade las referencias de imagen facturables y la duración facturada de cualquier video de referencia.
Prueba antes de escalar
Genera un conjunto pequeño de tomas representativas y revisa la preservación de identidad, el movimiento, la sincronización de audio, la representación del texto y la coherencia antes de pedir muchos clips.
Los dos enfoques de referencia no deben mezclarse sin cuidado. La generación con primer y último fotograma no puede combinarse con el modo de imagen de referencia, video de referencia y audio de referencia descrito para la entrada omni reference. Selecciona el flujo de trabajo que se ajuste al problema de producción en lugar de intentar maximizar cada campo de entrada.
Referencias omni
Combina imágenes, video y audio para guiar la identidad, el movimiento, la interpretación y el sonido en una sola solicitud.
Control de fotogramas
Usa un primer fotograma, un último fotograma o ambos cuando la composición inicial y final sea lo más importante.
Dirección comercial
Planifica los prompts en torno a productos, títulos, pósters y anuncios donde la legibilidad y la dirección artística son importantes.
Más referencias no significan automáticamente un mejor resultado. Usa solo los recursos que aclaren la toma prevista, porque una entrada innecesaria puede aumentar el costo y complicar la resolución de problemas.
Valor, calidad y ajuste para producción
La propuesta de valor más fuerte es la combinación de referencias multimodales, salida en 2K, audio nativo y precios competitivos por segundo. H3 resulta especialmente interesante para creadores que necesitan una API alojada y quieren producir clips dirigidos en lugar de escenas genéricas de texto a video.
Una señal independiente de arena citada para el lanzamiento situó a H3 en segundo lugar en texto a video con audio, con una puntuación Elo de 1242 a partir de poco más de 5,000 muestras. Gemini Omni Flash quedó primero con 1246. Los rangos de confianza del 95% se superponen, por lo que este resultado indica una paridad casi total en esa arena, más que una ventaja decisiva.
| Área de evaluación | Posición informada | Lectura editorial |
|---|---|---|
| Texto a video con audio | 2.º | Resultado competitivo con rangos de confianza superpuestos |
| Edición de video con audio | Afirmación de 1.º | Trátalo como un ranking reportado por la empresa hasta comprobarlo de forma independiente |
| Imagen a video sin audio | Afirmación de 2.º | Prometedor, pero siguen siendo útiles pruebas más amplias |
| Preparación para pesos abiertos | Pendiente | El repositorio, la licencia, los checkpoints y la guía de hardware siguen siendo importantes |
Los ejemplos oficiales de lanzamiento muestran categorías comerciales ambiciosas, entre ellas una apertura de película con títulos, un sitio web de producto estilizado, un póster animado vertical y un anuncio de moda para comercio electrónico. Estos ejemplos son valiosos porque ponen a prueba con más dureza la representación del texto, la composición, la marca y la dirección artística que un prompt genérico de paisaje.
Siguen siendo demostraciones seleccionadas. No establecen tasas de éxito de generación, salidas rechazadas, latencia ni coherencia de identidad en campañas largas. Los equipos deberían evaluar esos factores con sus propios prompts y criterios de aceptación.
Antes de aprobar un presupuesto de producción:
- Confirma la resolución del endpoint en vivo y los límites de duración
- Separa las generaciones de borrador de las salidas finales en 2K
- Cuenta las entradas facturables de imágenes y video de referencia
- Prueba la coherencia de identidad, movimiento, audio y texto
- Revisa los términos de la API y la documentación de facturación actual
MiniMax H3 es un candidato sólido para equipos que necesitan generación alojada, referencias dirigidas, clips cortos en 2K y una estimación predecible por segundo.
Preguntas frecuentes sobre los precios de MiniMax H3
Q: ¿Cuánto cuesta un clip de 15 segundos de MiniMax H3?
La estimación indicada es de $1.35 en 768p o $1.95 en 2K antes de los cargos aplicables por entradas de referencia.
Q: ¿Las imágenes de referencia están incluidas en los precios de MiniMax H3?
Las primeras cinco imágenes de referencia figuran como gratuitas. Las imágenes adicionales cuestan $0.04 cada una, mientras que el video de referencia se factura por la duración de entrada según la tarifa de salida seleccionada.
Q: ¿MiniMax H3 está disponible como pesos de modelo descargables?
La API está activa en el material de lanzamiento citado de 2026, pero los pesos prometidos se describen como algo que llegará más adelante y no se presentan como una versión disponible para autoalojamiento.
Q: ¿Qué flujo de trabajo de MiniMax H3 deben usar los creadores?
Usa referencias omni para mantener la identidad, la cámara, la interpretación y la continuidad de audio. Usa controles de primer o último fotograma cuando los límites de la toma sean el requisito principal.
Usa las tarifas por segundo indicadas como una estimación inicial y luego valida el comportamiento del endpoint en vivo y la facturación de referencias antes de escalar más allá de las generaciones de prueba.