事件：7月31日，MiniMax正式发布全模态生成模型MiniMax H3。模型可统一理解由文本、图像、视频及声音构成的多模态上下文，并生成原生双声道音视频，最高支持15秒、2K分辨率。定价方面，2K视频生成价格约为0.53-0.82元/秒，低于主流模型的三分之一。公司同时计划在符合相关法律法规的前提下开放模型权重。
　　模型具备三大核心能力：1）原生多模态理解与生成：H3支持文字、图片、音频及视频等多种输入，可理解不同素材间的关联，并将人物、动作、声音、镜头等参考信息自然融合，实现从素材理解到完整视听内容生成的一体化创作；2）多模态精准编辑与控制：模型支持对人物、物体、场景、声音及节奏进行多维度编辑，具备较强的复杂指令遵循能力；3）商用级多场景内容生成：H3面向影视、广告、品牌、电商及游戏等商业场景，可帮助创作者及内容团队提升创意验证、视觉提案和内容制作效率。
　　架构服务于模型定义，H3围绕理解、生成与效率完成系统性升级。1）Contextual Omni Representation：通过强化多模态Caption能力，描述目标内容、参考素材及其相互关系，支撑复杂指令理解；2）H3-VAE，通过提升视觉信息压缩效率，降低训练与推理成本，为2K视频生成提供支撑；3）H3-Omni Transformer：采用理解与生成异构架构并优化负载均衡，使端到端训练吞吐提升近30%；4）In-context Regeneration：生成低分辨率的结果，再结合上下文对其进行高清重生成，提升文字、主体及细节还原能力。
　　多模态理解能力及模型的Scaling仍有提升的空间。展望后续，公司将继续提升多模态上下文理解能力，并推动H系列下一代模型与M系列文本模型融合。此外，公司还将通过Scaling，解锁模型完成任务的泛化能力。
　　重申“买入”评级。我们认为，H3推出的直接影响是推动Hailuo产品收入及用户增长重新加速，更重要的意义在于强化MiniMax的全模态模型公司定位。MiniMax是少数同时在文本（M3系列）、视频（H3）、语音及音乐（Speech2.8/Music3.0）等领域持续投入的大模型厂商，H3有望进一步验证公司在多模态理解与生成领域的技术与数据积累，完善其全模态能力矩阵，并为未来多模态融合实现AGI的演进奠定基础。我们预计MiniMax2026-2028年收入为5.7、11.4、17.1亿美元，同比增长625.9%、99.3%、49.6%；Non-GAAP归母净亏损为13.0、12.4、6.8亿美元。重申“买入”评级。
　　风险提示：模型迭代不及预期的风险、行业竞争激烈的风险、盈利改善不及预期的风险等。