MiniMax H3 API の価格：2K で毎秒 $0.13、そして下書きを安く作っても何も浮かない理由

MiniMax H3 は 2K 出力が 1 秒あたり $0.13、768P が $0.08。完成した 768P クリップを 2K に変える再生成の単価は $0.05 だ。 後ろの二つを足すと $0.13 になる——2K を直接出す単価と、セント単位まで同じ。この算数がこのモデルの価格について最も役に立つ情報で、マーケティングページには書かれていない。

モデル ID：    MiniMax-H3
出力：         2K 毎秒 $0.13、768P 毎秒 $0.08
再生成：       毎秒 $0.05（768P → 2K のみ）
長さ：         4〜15 秒、整数のみ、24 fps
音声：         ネイティブステレオ、同一パスで生成
入力音声：     無料
入力画像：     最初の 5 枚無料、以降 1 枚 $0.04
入力動画：     それ自体の長さに対し出力側の単価で課金
エンドポイント：POST /v2/video_generation（非同期、ポーリングで取得）
重み：         H3-Base は公開（768P）；2K モジュールと Context-IR は未公開
ゲートウェイ： 2026-09-06 時点で Ofox カタログには未収録

料金は 2026 年 9 月 6 日に MiniMax の従量課金価格ページから取得。H3 は 2026 年 7 月 31 日に公開され、重みは 8 月 3 日に続いた。

MiniMax H3 とは実際のところ何か

1 リクエストでテキスト・画像・動画・音声を受け取り、音声付きの動画を返すマルチモーダル生成モデルだ。 言語モデルではない——同じ検索結果に出てくる M3 は、同じ WAIC 2026 で発表された別のコーディング・言語モデルである。

H3 が動画分野の大半と違うのは、音声が後付けの吹き替えではなく同じパスの中で生成される点だ。MiniMax 自身の説明では、かつては別々の専門モデルだったもの——テキストから動画、画像から動画、最初と最後のフレーム、被写体参照、モーション参照、動画編集——を 1 つのモデルに畳み込み、モードは別のエンドポイントではなく「何を送ったか」から決まるようにした、という位置づけになっている。

価格表

出力 2 段階、再生成 1 段階、入力素材は別建て。

別に MiniMax-H3-Max というモデルもあり、480P で毎秒 $0.05、768P で $0.08。現在はテキストから動画と画像から動画のみに対応し、入力素材には課金されない。

表示単価でクリップ 1 本がいくらになるか：

価格ページに誰も載せない算数

$0.08 + $0.05 = $0.13。 768P で下書きを作り、残すものを 2K に上げると、2K を直接撮るのとまったく同じ金額になる。

これが重要なのは、「安く生成して当たりだけ上げる」が誰でも思いつくワークフローで、いかにも節約に見えるからだ。1 クリップ単位で見れば節約になっていない：

下書き方式が実際に浮かせるのは、捨てるテイクの分だ。 捨てた 1 秒は $0.13 ではなく $0.05 で済むので節約自体は本物だが、その額はワークフローそのものではなくボツ率で決まる。5 秒のテイク 5 本中 4 本を捨てれば、そのバッチで $1.00 浮く。全部残せば、同じ金額を払ったうえに 1 パスで済むところを 2 パス待ったことになる。

逆に高くつくのは、参照素材の多い案件だ。 再生成では元の入力素材が再課金される。画像はまた 5 枚まで無料で以降 1 枚 $0.025、参照動画もそれ自体の長さに対して毎秒 $0.05 が再びかかる。生成のたびにキャラクターシートとモーション参照を食わせているなら、下書き方式は 2K を直接出すより確実に高い。

正直なところの結論はこうだ：768P はコスト最適化ではなく、選別のレイヤーとして使うこと。 探索中で、生成したものの大半を捨てる見込みがあるときに元が取れる。すでに欲しいものが決まっているときは、むしろ損をする。

再生成エンドポイントの条件は厳しい

これを前提に組む前に読んでおく価値がある。アップスケーラーではないからだ。MiniMax 自身の API リファレンスによれば、元動画は H3 の 768P 出力仕様を厳密に満たしている必要がある：

さらに効いてくる制約が二つ：

• 元の入力をそのまま再送する必要がある。 768P のジョブで使った参照画像・動画・音声をすべてもう一度渡し、加えて role=base_video の video_url 項目を 1 つ付ける。
• プロンプトは後処理後のものでなければならない。 MiniMax は text について “the final prompt actually sent to the model when generating the 768P source video, not the original prompt from before H3-Context-IR processing.”（768P の元動画を生成したときに実際にモデルへ送られた最終プロンプトであり、H3-Context-IR の処理前の元プロンプトではない）と明記している。その中間プロンプトを控えていなければ、そのジョブは再現できない。

最後のこれが本当の罠だ。Context-IR は生成前に指示を書き換え、再生成はその書き換え後のほうを要求する。生成時にログを取っておかないと、あとでそのクリップを上げる手段を失う。

公開された重みはモデルの半分

H3-Base は公開されている。看板スペックを生む 2 つのモジュールは公開されていない。

MiniMax は 2026 年 8 月 3 日に H3 を公開した——2 つの BF16 チェックポイント（テキストと最初／最後のフレーム系の FL2VA、参照系の Ref2VA）、33B の dense シングルストリーム transformer、Hugging Face 上、ライセンスは Apache でも MIT でもなく MiniMax 自社の Community License だ。

手に入らないもの：

• H3-Regenerate-2K はモデルカードによれば “not yet open-sourced”（まだオープンソース化されていない）。これが 2K を生成するモジュールだ。ローカル導入では 768P までになる。
• H3-Context-IR、マルチモーダルな指示をモデルが消費する形に変換するホスト側レイヤーは、複数のホストサービスにまたがるため対象外とされている。MiniMax はこれを出力品質にとって決定的だと言っている。
• スパースアテンション推論。 モデル自体はネイティブに対応しているが、公開版はフルアテンションのみで出荷されている。

つまり自前ホスティングで手に入るのは 768P の側だけだ。公式のリファレンス構成は SGLang で GPU 4 枚。エンジニアを 1 人投じる前に、それを毎秒 $0.13 と天秤にかけてほしい——さらに Community License はいくつかの地域で利用を制限し、一定の売上規模を超えると書面での許諾を求める。これは技術ではなく法務のレビュー案件だ。

H3 の価格比較

H3 は Ofox カタログにないので、これは同条件の比較ではなく経路をまたいだ比較になる。Ofox の料金は 2026 年 9 月 6 日にライブの /v1/models エンドポイントから取得したもの、H3 は MiniMax 自身の表示価格だ。

この表は解像度の列が効いているので、注意して読んでほしい。ここで 2K を出力できるのは H3 だけで、同時に最安の段階が 1080p 未満で頭打ちになる唯一のモデルでもある。2K の $0.13 と、Wan 3.0 の 1080p の $0.05 を並べるのは、同じ製品を比べていることにならない。

それぞれの居場所：

• 音声同期つきの 2K が必要： このリストでは H3 が選択肢だ。4K に届く Seedance 2.0（$0.07）を除けば、他はどれも 1080p を超えない。
• 1080p を最安で欲しい： Wan 3.0 の毎秒 $0.05 は H3 の 768P 段階の半額以下で、しかも解像度は上だ。
• 15 秒より長いクリップが必要： H3 は 15 秒で頭打ち。Wan 3.0 と Seedance 2.5 はどちらも 30 秒まで伸びる。
• 参照素材を大量に使う： Seedance 2.5 は画像 30 枚・動画 10 本・音声 10 本を受けるのに対し、H3 は 9 / 3 / 3 だ。

呼び方

H3 は MiniMax 自身のプラットフォーム上で非同期に動く——タスクを作り、結果をポーリングする：

curl -X POST https://api.minimax.io/v2/video_generation \
  -H "Authorization: Bearer $MINIMAX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMax-H3",
    "content": [
      {"type": "text", "text": "A paper boat drifting down a rain gutter, close on the water line"}
    ],
    "resolution": "2K",
    "duration": 5,
    "ratio": "16:9"
  }'

実務上のメモを二つ。純粋なテキストから動画では ratio が必須で、adaptive は指定できない。それからリクエストボディは 64 MB 未満に抑えること——Base64 はペイロードを 3 分の 1 ほど膨らませるので、それなりの大きさのものは公開 URL を使うべきだ。

Ofox 経由では、2026 年 9 月 6 日時点で H3 は利用できない。 カタログにある MiniMax のモデルは M シリーズの言語モデルで、そこには 100 万トークンあたり $0.60 / $2.40 の minimax/minimax-m3——H3 とよく混同されるあのモデル——も含まれる。今日、同じキーで動画を扱うなら：

curl -X POST https://api.ofox.ai/v1/videos \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "alibaba/wan-3.0",
    "prompt": "A paper boat drifting down a rain gutter, close on the water line",
    "duration": 5,
    "resolution": "1080p"
  }'

何が呼べるかは、このページではなく GET https://api.ofox.ai/v1/models が権威だ。

今後の注目点

上の見立てを変えうるものが三つある：

1. H3-Regenerate-2K の公開。 それまで自前ホスティングは 768P 止まりで、「オープンな重み」という話は見出しから受ける印象よりかなり小さい。MiniMax は時期を示していない。
2. 独立した品質評価。 H3 の出力品質について公開されているものは、今のところ MiniMax 自身のデモか、触ってみた感想のどちらかだ。言語モデルにおける Artificial Analysis に相当する第三者の動画ベンチマークはこの分野に存在しないので、「主流モデルの 3 分の 1 未満」といった表現は検証済みの主張ではなくベンダーの言い分である。
3. ゲートウェイでの提供。 H3 がアグリゲータに載れば、1 つのキーで Wan 3.0 や Seedance 2.5 と A/B できる。それこそがこのページでは今日できない比較だ。

出典

• https://www.minimax.io/blog/minimax-h3
• https://platform.minimax.io/docs/guides/pricing-paygo
• https://platform.minimax.io/docs/api-reference/video-generation-v2-create
• https://platform.minimax.io/docs/api-reference/video-generation-v2-regeneration
• https://huggingface.co/MiniMaxAI/MiniMax-H3
• https://ofox.ai/models/alibaba/wan-3.0
• https://ofox.ai/models/bytedance/seedance-2.5

H3 の料金、長さの範囲、入力素材のルール、再生成の元動画仕様は、2026 年 9 月 6 日に MiniMax の従量課金価格ページと API リファレンスから取得した。2026 年 7 月 31 日の公開と 8 月 3 日の重み公開という日付は MiniMax 自身の投稿による。Ofox の比較料金と動画関連の属性は同日、ライブの /v1/models エンドポイントから取得している。同日時点で MiniMax H3 は Ofox カタログに含まれておらず、このページに我々自身のベンチマーク結果は含まれていない。