MiniMax H3 im Test (Hailuo 03): eigener Ton, 2K-Ausgabe und was ein Lauf wirklich kostet

MiniMax H3, das auch als Hailuo 03 ausgeliefert wird, kostete am 2026-08-12 auf Route A $0.76 für einen 10-Sekunden-Lauf in 768p von Text zu Video. Wir haben das gemessen, bevor das Modell in unseren Multi-Modell-Videodienst kam, wo jede Generierung eine Belastung auf unserem Konto erzeugt. Der nützlichere Befund war die Referenzmessung. Über Läufe am 2026-08-10 und 2026-08-12 hinweg zählten die Sekunden des Referenzvideos zur abgerechneten Zeit, während ein Lauf mit zwei Bildern über 10 Sekunden in 2K am 2026-08-12 genauso viel kostete wie Text zu Video.

TL;DR

• Route A berechnete am 2026-08-12 $0.76 für 10 Sekunden in 768p, also $0.076 pro Ausgabesekunde.
• Mit demselben 12.67s langen Referenzvideo kostete eine 5-Sekunden-Ausgabe $1.368 und eine 10-Sekunden-Ausgabe $1.748, gemessen am 2026-08-10 und 2026-08-12. Die Kontrolle des Sekundensatzes wich um 0.4% ab, sobald die abgerechnete Zeit Ausgabe plus Referenzvideo umfasste.
• Angefordertes 2K lieferte 2560×1440, angefordertes 768p lieferte 1344×768, am 2026-08-12 mit ffprobe geprüft.
• Nehmen Sie stattdessen Seedance 2.5, wenn Sie eine 30-Sekunden-Ausgabe, ein 30/10/10-Referenzset oder eine 480p-Stufe brauchen. MiniMax H3 endete beim Stand vom 2026-08-12 bei 15 Sekunden und 9/3/3 Referenzen, und die unterste Stufe ist 768p ohne 480p-Option.

Kurzfassung der Methode

Am 2026-08-08 haben wir drei Wanduhrläufe für 5 Sekunden Text zu Video in 768p mit 137 / 150 / 243 Sekunden aufgezeichnet und bestätigt, dass eine Audiodatei die einzige Referenz sein kann. Am 2026-08-12 haben wir je einen Lauf für 10 Sekunden Text zu Video in 2K, 10 Sekunden Text zu Video in 768p und einen Referenzjob mit zwei Bildern über 10 Sekunden in 2K aufgezeichnet. Der Messtest für die Referenzabrechnung nutzte denselben 12.67s langen Clip mit 5-Sekunden- und 10-Sekunden-Ausgaben am 2026-08-10 und 2026-08-12. Wir haben nicht einen einzigen Prompt über alle Konfigurationen hinweg verwendet, das hier ist also kein kontrollierter Qualitätsvergleich.

Gemessene Ergebnisse: Kosten und Latenz

Kosten pro Lauf auf Route A

Das sind die von Route A in USD selbst gemeldeten Kontobelastungen, geprüft am 2026-08-12. Die normalisierten Sätze lassen die ursprüngliche Auflösung sichtbar.

Der 10-Sekunden-2K-Lauf mit Bildreferenz und der 10-Sekunden-2K-Lauf mit Text zu Video kosteten beide $1.235 am 2026-08-12. Das ist der direkte Beleg hinter dem Ergebnis zur Bildreferenz. Es ist keine Schätzung aus einer öffentlichen Preisliste.

Wanduhrlatenz je Lauf

Wir behalten jeden gemessenen Lauf, statt nur einen Durchschnitt zu berichten.

Die Latenzzeile vom 2026-08-08 hat drei Läufe. Jede Latenzzeile vom 2026-08-12 hat einen Lauf. Die Daten zeigen beobachtete Streuung und Einzelergebnisse, keine Zusage über ein Service-Level.

Überprüfbare Spezifikationen und die Grenze zu Seedance 2.5

Die Spezifikationen wurden am 2026-08-12 geprüft. Der Vergleich mit Seedance 2.5 nutzt die zuvor gemessenen Daten vom 2026-08-08 statt eines neuen Laufs.

Die Kostenzeile ist kein Vergleich bei gleicher Auflösung. Sie beschreibt die gemessene Einstiegsstufe je Modell, wobei die Auflösung sichtbar bleibt, damit die Zahlen nicht als kontrollierter Preis-Benchmark missverstanden werden.

MiniMax H3 erzeugte außerdem nativen, synchronen Ton. Zwei geprüfte Ausgaben trugen am 2026-08-12 laut ffprobe eine AAC-Tonspur. Am 2026-08-08 gelang zudem eine Create-Anfrage, bei der eine Audiodatei die einzige Referenz war.

Für die API-Anbindung heißt der Auflösungsparameter quality, akzeptierte Werte sind 768p und 2k. Das Senden von resolution gab am 2026-08-12 HTTP 400 zurück. Referenz-Audio gehört in audio_urls; das Senden von reference_audio_urls gab am 2026-08-12 HTTP 400 zurück.

Exklusives Experiment: was der Referenzmodus tatsächlich misst

Die entscheidende Frage war, ob Route A nur die Ausgabezeit abrechnet oder auch die Referenzeingaben. Wir haben dasselbe 12.67s lange Referenzvideo genutzt und dann am 2026-08-10 und 2026-08-12 eine 5-Sekunden- und eine 10-Sekunden-Ausgabe angefordert.

Die beiden Belastungen passen zusammen, wenn die abgerechneten Sekunden Ausgabesekunden plus Referenzvideosekunden sind. Der separate Job mit zwei Bildern über 10 Sekunden in 2K kostete am 2026-08-12 $1.235 und entsprach damit exakt der Belastung für 10 Sekunden 2K mit Text zu Video am selben Tag.

Die Zeit des Referenzvideos wird gemessen; Bildreferenzen erhöhten in diesem Test auf Route A die abgerechnete Zeit nicht. Das übergebene Routing-Protokoll sagt, dass dieselbe Regel nur für die Ausgabe gilt, wenn Audio die einzige Referenz ist, enthält aber keinen eigenen USD-Beleg für diesen reinen Audio-Job. Deshalb veröffentlichen wir keinen audiospezifischen Preis, solange dieser Beleg fehlt.

Auflösung und Ton wurden an der Ausgabedatei geprüft

Route A lieferte am 2026-08-12 2560×1440 nach einer 2K-Anfrage und 1344×768 nach einer 768p-Anfrage. Die angeforderte Auflösung steckte im ausgelieferten Medium, nicht nur in den Metadaten der Anfrage. Zwei geprüfte Ausgaben enthielten am 2026-08-12 zudem einen AAC-Stream.

Dieser Befehl reproduziert die Prüfung der Ausgabe, ohne sich auf die Antwort der Route zu verlassen:

ffprobe -v error -show_entries stream=codec_type,codec_name,width,height -of json output.mp4

Auf der produktiven MiniMax-H3-Seite liegen außerdem unsere Beispiele mit Honig-Makro, Regen samt synchronem Ton und der Cello-Referenz aus zwei Bildern, alle für dieses Release gemessen.

Die Ausgaben selbst, beigelegt

Kostentabellen zeigen nicht, was das Modell produziert. Das sind die drei für diesen Artikel gemessenen Release-Beispiele, selbst gehostet, mit den überprüfbaren Aussagen, die jedes einzelne trägt.

Natives 2K, an der ausgelieferten Datei bestätigt

Dieser 10-Sekunden-Makrolauf wurde in 2K angefordert, und die ausgelieferte Datei misst laut ffprobe 2560×1440 (2026-08-12), dieselbe Prüfung wie im Abschnitt zur Auflösung. Die Aussage dieses Clips ist schlicht: Die Auflösung, für die Sie zahlen, steckt in der Datei, und der Grad an Mikrodetail (Bläschen, Zuckerkristalle, Krumenporen) ist das, was diese Auflösung kauft.

Synchroner Ton, veröffentlicht für Ihre eigenen Ohren

Der Prompt schrieb drei zeitlich gesetzte Klangereignisse vor: durchgehend Regen auf Glas, eine vorbeifahrende Straßenbahn, die nahe 4s anschwillt, und eine Tasse, die nahe 7s abgestellt wird. Die ausgelieferte Datei trägt eine AAC-Tonspur (geprüft am 2026-08-12). Wir werden unsere eigene Tonsynchronität nicht selbst benoten; der Clip steht hier, damit Sie beurteilen können, ob die geskripteten Ereignisse dort landen, wo das Bild es behauptet.

Zwei Bildreferenzen, zu einer Szene komponiert

Eingaben: ein Standbild einer Cellistin und eine leere Platte einer überfluteten Halle. Die Ausgabe musste das eine in das andere setzen und beide konsistent halten.

In unserer Durchsicht dieses Laufs: Kleid, Frisur und Instrument folgen dem Standbild der Figur; Säulengeometrie, Oberlichtstrahl und Wasserspiegelung folgen der Location-Platte; die Spiegelung folgt ihrer Bewegung. Die Abrechnungsseite genau dieses Laufs steht in der Messtabelle weiter oben: zwei Bildreferenzen, 10 Sekunden in 2K, gleicher Preis wie Text zu Video. Ein Lauf, veröffentlicht als Beleg und nicht als Benchmark.

Wann MiniMax H3 nicht die richtige Wahl ist

Nehmen Sie Seedance 2.5 für eine 30-Sekunden-Einstellung. MiniMax H3 endete in der am 2026-08-12 geprüften Spezifikation bei 15 Sekunden.

Nehmen Sie Seedance 2.5, wenn das Briefing mehr als 9 Bilder, 3 Videos oder 3 Audiodateien braucht. Sein Referenzrahmen reicht bis 30 Bilder, 10 Videos und 10 Audiodateien, während MiniMax H3 den kleineren Rahmen 9/3/3 nutzt, geprüft am 2026-08-12.

Nehmen Sie Seedance 2.5, wenn eine günstige 480p-Stufe zählt. MiniMax H3 begann beim Stand vom 2026-08-12 bei 768p.

Die vorliegenden Preisbeobachtungen nutzen zudem verschiedene Auflösungen: MiniMax H3 wurde mit $0.076/s bei 768p am 2026-08-12 gemessen, die bestehende Messung von Seedance 2.5 liegt bei $0.0968/s bei 480p am 2026-08-08. Behandeln Sie das nicht als Qualitäts- oder Preisvergleich bei gleicher Auflösung.

Einschränkungen

• Die Latenzzeile für 5 Sekunden in 768p hat drei Läufe vom 2026-08-08. Die übrigen Latenzzeilen haben je einen Lauf vom 2026-08-12.
• Die Entscheidung zur Messlogik beruht auf zwei Ausgabelängen mit demselben 12.67s langen Referenzvideo, gemessen am 2026-08-10 und 2026-08-12. Sie belegt nicht jede mögliche Referenzkombination.
• Der 2K-Preisfaktor von 1.625 ist eine Zweipunktkontrolle vom 2026-08-12, keine breite Preiskurve.
• Anbieterpreise können sich ändern. Jede USD-Angabe in diesem Artikel ist eine am 2026-08-12 geprüfte Kontobelastung auf Route A.
• Wir haben keinen kontrollierten Qualitätsvergleich gefahren. Eine Stichprobe zu Fehlschlägen wurde nicht erhoben, deshalb nennen wir keine Fehlerquote.

Methode

Die Kostenwerte stammen aus Belegen der Route-A-Lieferanten, in USD selbst gemeldet und am 2026-08-12 geprüft. Wir haben den belasteten Betrag pro Lauf behalten und ihn über die in der Übergabe angegebenen abgerechneten Sekunden normalisiert. Die Routenbezeichnungen bleiben anonym, weil der Beschaffungskanal nicht Teil des Modellergebnisses ist.

Latenz ist die Wanduhrzeit je aufgezeichnetem Lauf. Wir berichten die Dreierserie vom 2026-08-08 und jeden Einzellauf vom 2026-08-12 getrennt. Wir haben daraus keinen Durchschnitt gemacht.

Für den Messtest zur Referenzabrechnung wurde dasselbe 12.67s lange Referenzvideo mit 5-Sekunden- und 10-Sekunden-Ausgaben am 2026-08-10 und 2026-08-12 verwendet. Als Kontrolle ohne Referenzvideo wurde der 10-Sekunden-2K-Job mit zwei Bildern mit dem 10-Sekunden-2K-Job aus Text zu Video am 2026-08-12 verglichen. Beide kosteten $1.235.

Auflösung und Ton wurden an den ausgelieferten Dateien mit ffprobe geprüft. Beobachtet wurden am 2026-08-12 2560×1440 für eine 2K-Anfrage und 1344×768 für eine 768p-Anfrage. Zwei geprüfte Ausgaben enthielten AAC-Ton.

Sehen Sie sich die Release-Beispiele und Einstellungen auf MiniMax H3 an. Den Workflow mit mehreren Referenzen reproduzieren Sie in Referenz zu Video.