MiniMax H3 flytter video-AI inn i innkjøpsløypa

MiniMax har lansert H3, en ny videomodell som kan ta imot tekst, bilder, video og lyd, og generere opptil 15 sekunder 2K-video med native stereolyd. Det høres først ut som enda en kreativ demo. Det er det ikke. For ledere som kjøper, styrer eller sikrer AI-verktøy er H3 et tydelig signal: video-AI beveger seg fra lukket kampanjeverktøy til en mer programmatisk, leverandørstyrt og snart delvis åpen modellkategori.

Reuters bekrefter lanseringen og skriver at MiniMax sikter mot kommersielle bruksområder som reklame, e-handel, produktdesign og spill. Selskapet sier også at H3 kan redigere eksisterende innhold og overføre bevegelser fra én video til en annen basert på instruksjoner og referansemateriale i flere formater. Det er akkurat der governance-arbeidet blir interessant. Når modellen ikke bare lager en filmsnutt fra prompt, men kan bruke merkevareelementer, referanseklipp, lyd og bevegelse som inngang, blir spørsmålet ikke lenger bare kvalitet. Spørsmålet blir rettigheter, sporbarhet, datadisiplin og hvem som faktisk får lov til å mate hva inn i modellen.

Hva er nytt

H3 posisjoneres som en general-purpose multimodal videomodell. MiniMax beskriver den som en modell for omni-reference: tekst, bilde, video og lyd skal kunne brukes samlet som kontekst. Reuters oppgir opptil 15 sekunder, 2K-oppløsning og native stereolyd. Artificial Analysis rangerer samtidig H3 helt i toppen av sine video-leaderboards, med førsteplass i video editing med lyd og topp-plasseringer for text-to-video og image-to-video. Det er ikke et endelig fasitsvar på produksjonskvalitet, men det er et uavhengig signal om at dette er mer enn PR-røyk.

Det viktigste punktet er likevel ikke bare kvaliteten. MiniMax sier at modellvektene skal slippes innen få dager, under gjeldende regler. Det betyr ikke at vektene allerede er ute, og den forskjellen er viktig. Men hvis selskapet faktisk følger opp, kan H3 bli en av de mest relevante åpne eller åpen-vektede videomodellene for virksomheter som vil teste private, selvhostede eller mer kontrollerbare arbeidsflyter.

Lederpoenget

For CIO-er er dette en sourcing-sak. Videogenerering er i ferd med å få samme dynamikk som språkmodeller fikk tidligere: en miks av lukkede toppmodeller, API-distribusjon, gatewayer, partnerplattformer og modeller som kan flyttes nærmere egen infrastruktur. Det gir mer valgfrihet, men også mer friksjon. Innkjøp kan ikke bare spørre «hvilken modell er best?». De må spørre hvor input lagres, hvilke rettigheter som følger generert innhold, hvilke begrensninger lisensen har, og om modellen kan kjøres der data- og merkevarekravene faktisk tillater det.

For CISO-er er H3 et tidlig varsel om at multimodal datalekkasje blir mer praktisk. En enkel tekstprompt er lett å logge og klassifisere. Et kreativt arbeidsgrunnlag med produktbilder, kundeklipp, kampanjelyd, butikkvideo og interne brand assets er noe annet. Hvis ansatte begynner å sende slikt materiale inn i eksterne videomodeller, er risikoen bredere enn tradisjonell prompt-lekkasje. Den treffer immaterielle rettigheter, personvern, kontrakter med byråer, taushetsbelagte produktlanseringer og mulig misbruk av stemmer, ansikter og bevegelsesmønstre.

For markeds- og produktledere er upside like tydelig. H3 peker mot raskere iterasjon på videoannonser, produktvisualisering, lokaliserte kampanjer, storyboard-varianter og e-handelsmateriell. Native lyd i samme modell reduserer behovet for separate lydsteg. Video-to-video og reference-driven generation kan gjøre det enklere å holde karakterer, produkter og bevegelse konsistent på tvers av klipp. Det er verdifullt, men også nettopp derfor må det inn i styrte arbeidsflater, ikke bare private kontoer og kreative snarveier.

Ikke kall det åpent før vektene faktisk ligger der

Det er fristende å skrive «open weights» med store bokstaver. Her bør virksomheter være litt kjedelige. MiniMax har kommunisert at vektene skal komme snart. Reuters skriver at selskapet planlegger å slippe dem innen få dager. Inntil faktisk nedlasting, lisens og teknisk dokumentasjon er tilgjengelig, er den operative statusen: tilgjengelig via Hailuo AI og MiniMax API, med planlagt vektlansering. Det er nok til å følge saken tett, men ikke nok til å bygge en self-hosting-plan.

Når vektene eventuelt kommer, bør vurderingen starte med fire spørsmål. Først: hva tillater lisensen for kommersiell bruk, finjustering og videredistribusjon? Deretter: hvilke maskinvarekrav og kinesiske eller globale eksport-/tilgangsbegrensninger følger med? Tredje punkt: hvilken logging og sikkerhetsmodell gjelder ved API-bruk versus egen kjøring? Til slutt: kan modellen dokumentere provenance, vannmerking eller andre kontroller som trengs når syntetisk video brukes eksternt?

Vurdering

Dette er en publiserbar modellnyhet fordi den kombinerer tre ting som betyr noe for virksomheter: reell multimodal videoevne, kommersiell distribusjon og en mulig åpen-vekt-retning i en kategori som fortsatt domineres av lukkede systemer. Den er ikke like horisontal som en ny frontier språkmodell, men den kan bli mer praktisk relevant for markedsføring, produkt, opplæring og intern kommunikasjon raskere enn mange tekstmodeller.

H3 bør derfor inn på radaren, men ikke rett inn i fri bruk. Riktig neste steg er en kontrollert evaluering: én godkjent testflate, syntetiske eller klarerte assets, tydelige lisensnotater og måling mot eksisterende produksjonsprosess. Hvis modellen leverer kvaliteten som de første benchmarkene antyder, er gevinsten ikke bare billigere video. Gevinsten er en ny forhandlingsposisjon mot lukkede kreative AI-plattformer.

Kilder og medier

Primærkilde: MiniMax, https://x.com/MiniMax_AI/status/2083008095488516262

Verifisering: Reuters, https://www.reuters.com/world/china/chinas-minimax-releases-h3-video-model-2026-07-31

Uavhengig evalsignal: Artificial Analysis, https://x.com/ArtificialAnlys/status/2083042088338538594

Thumbnail: OpenAI Image 2 / hogby.ai