MiniMax H3支持统一理解文本、图像、视频和声音，并可生成双声道音视频。
推荐理由：H3把多模态上下文理解和原生音视频输出放进同一模型，15秒2K与双声道是明确产品化指标；若开放权重，将直接冲击闭源视频生成格局。
阅读原文