稀宇科技发布 MiniMax H3 全模态生成模型，最高支持 15 秒 2K 分辨率

稀宇科技推出 MiniMax H3 全模态生成模型，可统一理解文本、图像、视频、声音组成的多模态上下文，并输出原生双声道音视频，最高支持 15s 2K 分辨率。其 2K 视频输出没有使用常规超分模块，而是由 H3 基础模型对自身低分辨率结果做 in-context 重新生成；处理素材大部分需消耗 100K Token 推理，最终得到平均约 4K Token，模型权重将于未来几天内开放。