AI视频生成，开始像影像科一样拼交付

如果把 MiniMax H3 Max 这类产品放到医疗影像里看，它现在最像一台刚上线的阅片模型：出图快、会写报告、界面也体面，但你问一句临床验证过了吗，它只能给你一段漂亮 demo。

以前在联影做AI影像那阵，我们最怕医生实际使用反馈里那句“我还是得重看一遍”。AI进不进工作流，看的不是指标，是它有没有把某个高成本动作真正压下去。视频生成也一样，用户愿意掏钱，不是因为模型会生成一个奇怪又炫的片段，而是因为它能稳定给出可交付镜头。

MiniMax H3 Max 这次踩到了产品点。它给 H3 基座做后训练，主打更强 prompt adherence、美学和 768p 快速推理。fal 的说法是，一条 5 秒 768p 视频大约 3 秒出来，每天 5 条免费，不用注册。这个设计很务实。它不是让你直接拍电影，而是让你先把想法跑起来。

短期看，这种快就是商业价值。以前用户经常卡在等很久，或者等出来的东西不对。现在预览成本被压低，提示词写歪一点，也能重跑。Morphic 文档里提到提示词扩展，balanced 档用快速展开，quality 档会多花大约 30 秒，等于把速度优势还回去。这其实是在告诉用户：默认快，是让你试错；要成片时，再为细节付费。

但是快和能用之间，还隔着一层产品逻辑。

H3 本身又给出另一组参数：1440p、24fps、六种画幅，宽幅能到 2976×1248 附近，大约 3.7 百万像素。素材里还提到原生 2K、音频和 15 秒生成。意图很清楚，H3 Max 负责快速预览，H3 负责更完整的内容生产。问题是普通用户容易混淆。768p 和 2K 不只是分辨率，背后是不同模型版本、不同端点、不同计费方式。有评测提到，旧的 MiniMax-Hailuo-2.3 在 v1 端点上能用套餐额度，H3 要 v2 端点并按量付费。这像医院系统升级接口，医生只记得以前那个按钮能点，现在按钮背后全换了。

这类版本切换最伤体验。用户不是怕升级，是怕预期失控。以前在 PACS 里看 CT 影像，模型换版本必须明确标注、必须能追溯，也要让医生知道哪一版是临床验证过的。视频生成平台如果要把创作者当生产用户，也该把预览模型、生产模型、按量端点、套餐额度讲清楚。否则用户以为还是那套工作流，结果扣费、排队、画质、时长全变了。

长期看，竞争不会停在谁生成得更像真人。更像人的视频，demo 里已经够多了。真正决定商业价值的，是叙事控制、资产复用和交付成本。Krea 那边的 Max 套餐大约 105 美元一个月，给 60,000 compute units，支持无限 LoRA 微调、2,000 个文件、更多并发和队列、relaxed generations、批量折扣。这些词听起来很平台，其实是在告诉用户：视频生成正在从玩具变成流水线。

LoRA 这点尤其值得注意。医疗AI能不能落地，很大程度取决于能不能按科室、病种、设备参数做适配。放射科和体检中心对同一个模型的期望都不一样。视频领域也一样。一个团队要的不是通用审美，而是自己的角色、产品、镜头语言、品牌质感。能不能沉淀 LoRA 资产，能不能并发跑，能不能按量计费，决定的是它能不能进入团队协作。

我也在意空间声。摘要里提到空间声、人体动作、道具接触、工作间环境声。声音不是装饰。一个角色拿起杯子，杯子碰撞声如果不对，观众会立刻出戏。这个出戏，和报告里漏掉一个关键征象很像，技术上可能只是小偏差，用户感知上却是整个系统不可信。

产品真正要证明的不是我很快，而是我在你的工作流里可重复。

不过 H3 Max 现在最高只到 768p，文档解释是公开权重实际能生成的就是 768p。这个限制不丢人，反而很诚实。医疗AI里也有类似情况，某些模型只能处理特定扫描参数，换个机器、换个重建算法，表现就不稳定。问题在于平台有没有把边界讲清楚。如果用户拿它当成片引擎，最后发现分辨率、音频、一致性、版权、审核都接不上，口碑会掉得很快。

我对 MiniMax H3 的判断偏正面，但不是对单点技术，而是对产品路线。它把快速预览、2K 生产、多画幅、音频、LoRA、并发、套餐和按量计费都摆出来了。这说明视频生成开始进入更现实的阶段。用户不再只问能不能生成，而是问能不能稳定生成、便宜重生成、给团队用、交付出去。

后面半年到一年，AI 视频平台会明显分层。预览层拼速度，生产层拼一致性和多模态控制，企业层拼资产、并发、计费和审计。真正跑出来的，不一定是画质最高的，而是最像工作流的。就像当年医疗AI落地，最后赢的不只是模型分数，而是能把医生、设备、报告、质控串起来的那套系统。视频生成也会走到这一步。

---

📌 本文编译自 Hacker News，原文：https://www.maxh3.com/

版权归原作者所有，本文为基于公开报道的编译与独立分析。