视频生成快过播放：fal 对 MiniMax H3 后训练后 让其能实时生成视频

当生成时间短于播放时间

一个 15 秒片段若要生成两分钟，产品只能让用户等待，或者提前批量生产。生成只用 9 秒时，系统可以在播放片段 A 的同时生成片段 B；片段 A 结束前，片段 B 已进入缓冲区。这个循环继续运行，生成模型就从交付单个视频文件的工具，变成持续供给画面的实时组件。

这里的“实时”不要求每一帧都像游戏引擎那样即时渲染。它要求生产速度长期追上消费速度。片段时长是 15 秒，端到端生成低于 15 秒，系统便有正的时间余量；再加一个或两个片段的缓冲，就能吸收部分延迟波动。

长期运行还需要保持人物、画风和情节衔接；请求失败时播放备用片；把聊天输入转成下一段提示；持续控制内容与成本。峰值并发和全天候可靠性也要由整套直播系统承担。

H3 Max 是怎样来的

fal Research 从开放权重 MiniMax H3 出发，加入新数据做后训练，重点强化提示词遵循、画面审美和视听质量；fal 的推理团队同时围绕自家推理引擎调整模型和服务路径。

后训练决定模型更倾向生成什么。fal 在训练中加入真实生成工作负载、人类偏好和可验证的强化学习任务，并把整体偏好、提示理解和美学分别评估。推理优化则让同一个请求更快完成，涉及模型执行、采样过程和底层系统。

两支团队在模型定型前共同调整质量与速度：研究团队把延迟目标带进后训练，推理团队围绕最终权重做专用优化。fal 的目标是在保持内部质量评测领先的同时提高吞吐，而不是简单削减采样步骤。

基座 H3 的统一多模态上下文和原生立体声音频也被保留下来。输入可以同时描述画面、镜头与声音，输出直接带同步音频，短视频生产因此少了单独生成配音、环境声和对齐音轨的步骤。

fal 用一段 15 秒“1984”视频展示文字、构图和连续运动的组合控制：画面里的排版、印章和字符随着镜头连续变形。

fal 随后用六段视频分别展示低机位追踪运镜、首尾帧过渡、同一角色跨六个场景、原生同步音频、跨镜头风格保持，以及按顺序完成复杂提示词。

fal 还展示了六组“一条提示词、一次生成、没有后期”的成片：连续灾难长镜头、旧式像素跑酷、对镜台词与口型、黏土动画、蜂鸟慢镜头和咖啡产品特写，覆盖电影镜头、游戏画面、人物表演、风格化动画、自然摄影和商业产品六种用途。

把这些能力写进提示词，可以按“主体与素材、镜头与运动、声音与节拍”三层组织，让模型同时知道拍什么、怎样拍，以及声音怎样跟着画面推进。

2.5 秒、3 秒、9 秒和 35 倍分别指什么

fal 的 5 秒、768p 文字生视频请求在示例中记录了 timings.inference = 2.5286 秒，图生视频为 2.7652 秒；常规规格是 wall time 少于 3 秒。timings.inference 记录后端去噪推理，端到端体验还会叠加排队、网络传输、输入上传和提示词扩写。

Levels 展示的是 15 秒视频在 9 秒返回；fal 对 15 秒生成给出约 15 秒的一般预期。两个数字可能来自不同请求、提示复杂度、系统负载和记录方式。交互产品可以把 9 秒视为已经出现过的演示结果，把 15 秒作为更稳妥的初始预期，再用自己的请求日志校准。

fal 测得 H3 Max 的吞吐约为 MiniMax 官方 H3 端点的 35 倍，并且平均比质量相近的模型快 15 倍。实际产品还要记录每次响应的 timings.inference，以及端到端 P50、P95、失败率和排队时间。

提示词扩写也会改变体感速度。fal 建议使用 768p、5—10 秒和 balanced 模式；fast 扩写约一秒，quality 模式的改写本身可能用到 30 秒。交互应用需要分别记录提示处理、排队、推理、传输和首帧播放。

H3 Max 在两份图生视频榜单领先

fal 把 H3 Max 与 12 个视频模型做成对比较，分别评估整体偏好、提示遵循和画面美学，再用 Bayesian Elo 和 95% 置信区间汇总。H3 Max 在三项中都排第一，并且对每个参测模型都赢得多数一对一选择。

Design Arena 当时将 H3 Max 排在图生视频榜首，1341 Elo。Artificial Analysis 当时以 H3 Turbo 768p 这一名称记录它，1201 Elo、±11、2177 个样本。

Design Arena × Artificial Analysis

到 2026 年 9 月 1 日，Artificial Analysis 的“带音频图生视频”榜单中，H3 Max 以 1203 Elo、95% 置信区间 ±9 和 5400 个样本位列第一。第二名 Dreamina Seedance 2.0 为 1190，标准 MiniMax H3 为 1185，Gemini Omni Flash 为 1179。榜单会随着新投票继续更新。

Artificial Analysis 评测的是带音频图生视频。文字生视频、视频编辑、15 秒长镜头和角色跨片段一致性属于其他任务，需要分别测试。

H3 Max 和标准 H3 怎么选

H3 Max 主要运行在 480p 与 768p，768p 是调优重点。16:9 输出为 1344×768、24fps，单次 5—15 秒，原生同步音频。fal 已提供文字生视频、图生视频、首尾帧控制和参考生视频端点。

标准 MiniMax H3 支持 2K、最长 15 秒，并有更完整的多模态参考与视频编辑能力。它的基座权重已经开放，适合需要自托管、研究或定制训练的团队。H3 Max 使用同一开放基座，目前通过 fal API 使用。

互动原型优先低延迟、足够清楚和稳定响应；广告片、电影镜头和后期制作更看重分辨率、可编辑性与跨镜头控制。团队可以先用 H3 Max 快速探索，再把少数确定镜头交给标准 H3 或后续制作流程。

价格决定它能跑多久

fal 的 768p 常规价格是每个输出秒 0.08 美元：5 秒 0.40 美元，15 秒 1.20 美元。9 月 1 日，端点仍显示首发五折，每秒 0.04 美元，并注明折扣当天结束。免费额度会随登录状态和输出分辨率变化，使用时以账户界面为准。

按常规价持续生成，一小时输出 3600 秒视频，模型费用约 288 美元；全天不间断约 6912 美元，还要加上失败重试、参考输入、编排服务和推流。参考生视频会按参考输入 tokens 计费，参考视频可能让输入成本超过输出成本。

持续直播可以加入用户触发、分支预生成、热门片段缓存、低活跃时降频和失败回退，让算力投入与实际观看或交互相匹配。

搭建原型可以从五个动作开始：

1. 用 5 秒、768p 和 balanced 模式建立稳定基线。
2. 在提示词中同时写清主体、动作、镜头、时间节拍和声音。
3. 保存 expanded_prompt，确认扩写没有改变原意。
4. 同时记录端到端延迟与 timings.inference，连续运行几十次后查看 P95。
5. 为连续生成预留至少一个片段缓冲，并准备超时或失败时可播放的备用内容。

视频模型开始进入“运行时”

过去的视频模型主要缩短制作周期：几分钟后交付一条广告、一个镜头或一版概念。H3 Max 把另一种时间尺度带进产品设计：模型可以在用户观看、选择或输入时继续生产下一段内容。

持续直播只是最直观的例子。互动故事可以根据观众投票生成下一幕；游戏可以在玩家阅读选项时并行预生成三个分支；电商和广告工具可以让创作者连续试镜头而不用离开当前工作流；教育内容可以按学习者的回答即时改写下一段演示。

一套持续运行的视频系统还要维护世界状态，决定哪些信息进入提示词，检查输出，拼接声音与画面，控制预算，并在延迟突增时继续播放。H3 Max 提供了其中最稀缺的一项条件：高质量短视频的生产速度接近、并在部分请求上超过它的消费速度。

当这个不等式稳定成立，AI 视频的单位就不再局限于生成好的文件。它可以成为软件运行时持续调用的一种媒介。