MiniMax H3 ohne Zensur: Das 2K-Stereo-Modell und sein Umgang mit Erwachsenen-Prompts

Was MiniMax dokumentiert

Der Launch-Artikel von MiniMax beschreibt H3 als offenes Modell, das einen einheitlichen Kontext über Text, Bilder, Video und Ton versteht, Video mit nativem Stereoton erzeugt und bis zu 15 Sekunden in 2K-Auflösung ausgibt, mit 768p als günstigerer Stufe. Das Unternehmen gibt an, der Preis pro Sekunde liege in 2K unter einem Drittel gängiger Modelle und in 768p unter der Hälfte gängigen 720p. Das Prompten mit Referenzen ist dialogisch: „reference the camera movement from Video 1, have the character in Image 2 sing with vocals matching Audio 3.“ (Übernimm die Kamerabewegung aus Video 1, lass die Figur aus Bild 2 mit Gesang passend zu Audio 3 singen.) Diese Referenzgrammatik ist das Markenzeichen des Modells.

Was das Studio bietet

Auflösung 768P oder 2K, Dauer von 4 bis 15 Sekunden und Format aus sieben Optionen (adaptiv, 16:9, 4:3, 1:1, 3:4, 9:16, 21:9) bei Text-zu-Video, adaptiv bei Bild-zu-Video. Bild-zu-Video nimmt einen Startframe. Reference-to-Video nimmt bis zu 9 Referenzbilder, 3 Videoclips und 3 Audioclips, insgesamt 12 Assets. Der Standardpreis zum Zeitpunkt der Prüfung lag bei 1.110 Credits; MiniMax berechnet Eingabe- und Ausgabe-Videosekunden zum Satz der gewählten Auflösung und schließt die ersten fünf Referenzbilder ein, lange Referenzclips erhöhen den Preis also.

Erste Daten zu Erwachsenen-Inhalten, nüchtern dargestellt

Sechzig Tage bis zum 9. September 2026: 7 MiniMax H3 Reference-to-Video-Jobs von 3 Kreativen, 2 abgeschlossen, 4 von der Content-Safety-Antwort gestoppt, 1 sonstiger Fehlschlag. Sieben Jobs sind viel zu wenig, um eine Rate zu veröffentlichen, also tun wir das nicht; es reicht aber für die Aussage, dass die Upstream-Route Erwachseneninhalte prüft und einen Teil davon abgelehnt hat. Zum Vergleich: Wan 3.0 Reference-to-Video schloss 94 % von 6.901 Jobs ab, und Wan 2.2 Spicy protokollierte null Stopps bei 16.059. Wir aktualisieren diesen Abschnitt, sobald H3 einige hundert Läufe hinter sich hat.

Wo H3 heute die Wahl wert ist

Dialoggeführte Clips: Der Stereoton von H3 entsteht im selben Durchgang, und seine Referenzgrammatik macht „passe die Stimme an Audio 1 an“ zu einer Ein-Zeilen-Anweisung. Musik- oder rhythmussynchrone Bewegung. Andeutende, bekleidete Figurenarbeit in 2K, wo Textur zählt, und filmischer Bildausschnitt in 21:9. Die 768P-Stufe ist ein günstiger Weg, eine Idee mit Ton zu iterieren, bevor du dasselbe Briefing auf Wan 3.0 in höherer Stufe renderst, falls der Erwachseneninhalt für die Prüfung von H3 zu explizit ist.

Filterung auf Bereitstellungsebene und Grenzen für Erwachseneninhalte

Makeartly fügt für verifizierte erwachsene Kreative keine eigene, allgemeine Ablehnungsschicht für Erwachseneninhalte hinzu; diese Aussage auf Bereitstellungsebene bedeutet nicht, dass das offizielle Upstream-Modell unzensiert ist, und sie garantiert nicht, dass ein Prompt akzeptiert wird. Erwachsenen-Workflows sind ausschließlich für Erwachsene. CSAM und jegliche sexuellen Inhalte mit Personen unter 18 Jahren sind verboten. Einwilligung und eine Berechtigung zur Nutzung des Abbilds sind erforderlich; nicht einvernehmliche intime Inhalte, nicht autorisierte Deepfakes realer Personen und sexuelle Identitätsanmaßung sind verboten.

Eine Kombination, die funktioniert

Nutze H3 für die Teile eines Projekts, die auf Ton und 2K-Textur setzen und angedeutet oder bekleidet bleiben; nutze Wan 3.0 für explizite Szenen mit mehreren Referenzen und Wan 2.2 oder 2.7 Spicy für explizite Clips aus einem Standbild. H3 und Wan 3.0 liegen bei einem Standard-Clip beide im Bereich von 1.100 Credits; die Wahl hängt also davon ab, welche Prüfung dein Briefing besteht und ob du 30 Sekunden (Wan) oder Stereoton in 2K (H3) brauchst.

Ein 12-Sekunden-Clip, in dem sie zwei Sätze in Stereo in die Kamera spricht

MiniMax H3 ist dafür das stärkste Werkzeug der Plattform; halte die Referenz bekleidet und zitiere die Zeilen.

Eine explizite Szene mit mehreren Referenzen

Nutze Wan 3.0 Reference-to-Video; die Upstream-Prüfung von H3 hat in den ersten Wochen schon Erwachsenen-Versuche abgelehnt.

H3 in 768P mit bekleideter Referenz abnahmetesten

Einen 5-Sekunden-Clip in 768P als Abnahmetest laufen lassen, Stimme und Textur der 2K-Stufe mit einem Wan 3.0 Render desselben Briefings vergleichen, bei der ersten Prüfungsablehnung stoppen und für den expliziten Rest des Projekts auf Wan 3.0 wechseln.

Die Daten zu Erwachseneninhalten bei H3 auf dieser Seite beruhen auf sieben Jobs; behandle jede Aussage zu seiner Freizügigkeit, auch unsere, als vorläufig. Referenzsekunden werden berechnet: MiniMax berechnet Eingabe-Videosekunden ebenso wie Ausgabe, ein 15-Sekunden-Referenzclip verdoppelt also ungefähr den Preis eines 15-Sekunden-Renders.