MiniMax H3：打破任务和模态边界的开放模型
MiniMax H3：打破任务和模态边界的开放模型今天，我们正式发布 MiniMax H3。这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。
来自主题: AI资讯
6135 点击 2026-07-31 11:14
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
今天，我们正式发布 MiniMax H3。这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。
三智一体不断演进，开启具身智能新未来。
近日，腾讯宣布混元多模态模型部门与大语言模型部门合并，成立基础模型部，统一由腾讯首席AI科学家姚顺雨管理，以进一步提升模型研发和协同效率，探索全模态模型的智能上限。
近日，商汤科技发布并全面开源日日新SenseNova-Vision理解生成统一视觉大模型，试图宣告视觉AI“缝合怪”时代的终结。截至当前，该模型综合得分登顶Hugging Face Any-to-Any Leaderboard，位列该全模态任意输入输出开源模型榜单全球第一。
阿里云正式宣布，Apache Flink 3.0全面进入Agentic Streaming For AI时代，并推出全模态数据流处理能力。这是业界第一次，把视频、音频、图像、文本这四类数据，统一放进同一条流式pipeline里调度，让AI能够实时感知、实时理解、实时回应。
全模态算力狂欢开启：全球前十AI巨头无限期免费API，周调用爆破3.12万亿Token！本周Agnes的王炸升级了：1M超长上下文+4K超清画质「零成本」白嫖，开源社区已玩疯，独立开发者和小团队速来薅秃！
在这场日益蔓延的“Token焦虑”中，Agnes AI的举动显得格外扎眼——这家全球榜单排名第九的AI Lab宣布，自6月1日起，旗下全模态模型API无限期免费开放。Agnes AI本次开放覆盖其三款核心模型：文本模型Agnes-2.0-Flash、图像模型Agnes-Image-2.0-Flash以及视频模型Agnes-Video-V2.0。
VeRL-Omni 是一个面向多模态生成模型的通用 RL 后训练框架，由 VeRL-Omni 团队在 verl 与 vllm-omni 之上构建。覆盖扩散 transformer（Qwen-Image）、混合 AR-DiT（Qwen-Omni）、统一理解 + 生成（BAGEL、HunyuanImage-3.0）等架构。
智象未来正式发布基于新一代原生全模态模型架构 Unified Transformer（UiT）打造的图像大模型 HiDream-O1-Image-Pro。这一超2千亿参数的原生全模态图像大模型，不仅在多个基准测试中刷新 SOTA 纪录，也标志着智象未来正向图像、视频、文本、音频等多模态统一建模的“原生全模态”阶段迈进。
幽深森林，身着飘逸浅裙的乐手忘情地拉动琴弦。阳光穿透树冠洒落林间，斑驳光影与悠扬的琴声相融。镜头自低处仰拍环绕，营造出如梦似幻的氛围。