MiniMax H3 Max 详解：fal 改了什么、按秒计费多少钱、什么时候不该选它
MiniMax H3 Max 是 fal 在开源模型 MiniMax H3 之上后训练得到的版本，优化方向是提示词遵循度，并配了一套同步设计的推理链路。本文说明它改了什么、35 倍吞吐量该怎么读、每秒输出多少钱，以及什么情况下仍应选择原版 H3。
本篇为功能与流程资料整理，未配置的第三方引擎不代表本站已实测。真实运行结果请查看 Tripo 实测案例；厂商功能与价格以其官方资料为准。
Flux 3 是 Black Forest Labs 模型家族的第三代产品，也是这一代里第一次把视频和音频纳入输出，而不只是静态图。这条线走得很快：2024 年的 FLUX.1 是 12B 参数的 rectified flow 图像模型，带一个开放权重的 dev 版本；2025 年底的 FLUX.2 把生成与编辑合并到一个更大的视觉语言编码器后面；Flux 3 则加入官方称为 Self-Flow 的训练方案，以及此前家族里不存在的两种输出模态。
这篇评测按读者拿到一个新模型时最关心的四个问题展开：架构上到底改了什么、它能生成什么又不能生成什么、放在 Runway 和 Sora 旁边怎么选，以及接入要花多少钱。凡是来自厂商的数字都会明确标注为厂商说法，凡属于行业常见区间的数字都会写成区间。
Flux 3 是什么，和 FLUX.1、FLUX.2 差在哪里
FLUX.1 在 2024 年发布时是 12B 参数的 rectified flow 图像模型，配一个 CLIP 编码器和 T5-XXL，分三档提供：只能走接口的 pro、非商业许可的 dev 权重，以及蒸馏到几步就能出图的 Apache 2.0 schnell。2025 年底的 FLUX.2 把家族扩到 32B 参数，文本侧换成 24B 的视觉语言编码器，生成与编辑共用一个权重，输出分辨率推到 4 MP 左右。Flux 3 延续这条路线，并把视频和音频拉进同一条产品线。
开发方 Black Forest Labs 成立于 2024 年，核心成员写过 Stable Diffusion 所依赖的潜空间扩散论文。这段背景解释了很多人反复踩的许可问题：托管模型是商业产品，可下载的权重通常是非商业许可，商用要另签协议。在把输出放进客户项目之前，请读许可文件而不是发布稿，并确认商用条款是否同时覆盖视频和图像。
Self-Flow：名字说明了什么，厂商没有公开什么
前两代都用 rectified flow：训练时为从噪声到数据指定一条大致笔直的路径，引导要么在采样时施加，要么蒸馏进另一个权重。按字面理解，Self-Flow 指的是模型自己决定这条路径，而不是遵循预先固定的调度；发布材料把它描述为训练方式的改动，而不是网络结构的改动。公开信息到这里就停了：目标函数、调度参数化和数据配比都没有公布，公司以外的人无法验证这套机制。把架构说明当作厂商说法，用自己能复现的输出判断模型。
厂商真正宣传的结果偏工程：一个权重同时服务短步数的草稿和高步数的精修，不必在基础权重和蒸馏版本之间来回切换，图像、视频帧和音频共享同一套表示。这一点可以在自己的提示词上测出来：用实际使用的步数各跑一遍，比较构图漂移有多大，而不是只看发布稿里的步数曲线。
图像、视频、音频：三种输出分别能干什么
图像是这个家族最成熟的部分，从 FLUX.1 起在提示词遵循度和文字渲染上表现稳定；后续版本加入多参考图编辑，给几张图再描述要改什么即可，不必手绘蒙版。视频的表现和当前这一代片段模型接近：在 720p 到 1080p 下，五到十秒的连贯运动是比较现实的目标，更长的序列通常靠拼接，而不是一次渲染出来。这里的音频指与画面同步生成的声音，适合看故事板，不能替代对白剪辑。
| 输出类型 | 典型结果 | 适用场景 |
|---|---|---|
| 图像 | 几百万像素级别的静态图，以及指令式编辑 | 概念板、贴图素材、3D 参考图 |
| 视频 | 720p 到 1080p、24 或 30 fps 的五到十秒片段 | 动态分镜、运动测试、短视频素材 |
| 音频 | 与片段同步渲染的声音 | 供审阅的粗混音，不是成品对白 |
| 编辑 | 跨多张参考图保持一致性的修改 | 产品变体、角色一致性 |
围绕它搭流程之前要先确认的参数
分辨率、帧率和片段长度决定一个模型能不能接进现有流程，而这三项在每个版本之间都会变。相对稳定的是约束的形状：这一代视频模型多在 24 或 30 fps 下运行，分辨率取 16 或 32 的整数倍，时长用帧数表示而不是秒数字段。自部署首先看显存，这个体量的开放权重在降低精度后通常需要 24 GB 显存以上，社区量化版本可以更省。
- 确认你下载的权重属于哪一档许可，而不是照搬发布稿里的说法。
- 在自己的硬件上测实际所需分辨率下单次生成的耗时。
- 确认你能调用的接口支持所需的片段长度和参考图数量。
- 按真实批量算钱：每个概念出十个变体，比一张主图贵得多。
Flux 3、Runway 与 Sora：排行榜解决不了的问题
生成视频的公开排行榜大多靠短视频、好光线下的真人偏好投票，而投票更奖励观感，不奖励可控性。所以一个模型可以排在前面，却仍然不适合镜头运动锁死、角色设定固定的项目。真正值得自己打分的维度很窄：在你自己的题材上提示词遵循得怎样、片段里身份漂移多远、接口开放多少随机种子和参考图、许可允许怎样的商用交付，以及按可用秒数算成本而不是按生成次数算。下面这张表是按这五条标准做的编辑判断，不是实测打分。
| 维度 | Flux 3 | Runway | Sora |
|---|---|---|---|
| 接入方式 | 厂商接口、聚合平台，部分档位开放 dev 权重 | 托管产品与接口，不提供权重 | 仅厂商应用与接口 |
| 可控性 | 随机种子、参考图、指令式编辑 | 面向剪辑的镜头与运动控制 | 参数较少，偏向提示词直出 |
| 音频 | 与画面同步生成的声音 | 取决于具体模型版本 | 原生音频是主要卖点之一 |
| 商用条件 | 按调用计费，权重为非商业许可 | 按生成次数消耗订阅积分 | 按长度和分辨率分档订阅 |
做一次有意义的横向比较
- 挑三个你已经有预期答案的提示词，其中至少一个画面里带文字。
- 在每个模型上用仍能固定随机种子的最省设置各跑一遍。
- 按遵循度、身份漂移、文字清晰度打五分制，并把分数记下来。
- 把胜出的模型按生产设置重跑一次，便宜档位会掩盖真正花钱的失败。
接入与价格：三种路线，三种不同的坑
厂商自家的接口和在线控制台是参考实现，新版本通常最先上线。fal、Replicate 这类聚合平台托管同样的权重，按调用计费、冷启动快，适合做原型，代价是多一层依赖和另一套条款。自部署开放权重没有按次费用，未公开的素材也不必上传，但要付出硬件、调试时间和许可限制。这一类图像接口大致落在每张约一美分到五美分（百万像素上下）的区间，视频接口按输出秒数计费；两者都是快照，不是可以按年规划的价目表。
| 路线 | 付费内容 | 需要注意 |
|---|---|---|
| 厂商接口 | 按图像张数或视频秒数 | 迭代越多花得越多，限额随版本变化 |
| 聚合平台 | 按调用计费，有时按 GPU 秒 | 多一层依赖和另一套服务条款 |
| 自部署权重 | 硬件、电费和工程时间 | 多数 dev 权重为非商业许可 |
| 租用 GPU | 按小时租用 | 调参期间持续计费，存储另算 |
这一类的版本号、许可条款、积分价格和第三方政策每隔几个月就会变。以上数字都是发布当日的快照，在批预算之前请到厂商页面核对当前价格与条款。
Flux 3 在 3D 流程里的位置，以及它做不到的事
对 3D 从业者来说，它的价值在几何之前。参考图、多视图转面图、基础色贴图所需的素材图，以及快速的概念变体，本质上都是图像问题，提示词遵循度和多参考图编辑做得好的模型在这里很顺手。它不产出网格：没有拓扑，没有 UV 展开，没有以毫米计的比例，也不保证封闭壳体，所以它的输出是喂给图生 3D 这一步，而不是取代这一步。Open3DAI 就在这一步上：文生 3D 与图生 3D 生成、多视图输入、AI 贴图、在同一提示词下并排比较可用引擎，以及导出 GLB、glTF、OBJ、STL、PLY、3MF，另有 48 个格式转换器、12 个浏览器工具和 REST API。它不做重拓扑、绑定、UV 展开，也不承诺无需清理即可打印；要做有尺寸要求的零件，参数化 CAD 工具仍然是正确选择。
常见问题
Flux 3 是开源的吗？
这个家族一直是分档发布，而不是一个统一许可：托管模型走厂商接口，另有开放权重的 dev 版本，第一代还出现过 Apache 2.0 的 schnell。开放权重通常是非商业许可，商用需要另签协议。请针对具体权重核对许可文件，并确认条款是否覆盖视频和音频输出。
Flux 3 和 FLUX.2 有什么不同？
FLUX.2 是 32B 的图像模型，把生成和编辑合并，并支持多张参考图。Flux 3 在同一条线上加入视频和音频输出，并引入 Self-Flow 训练方案，所以实际差别不只是静态图更好，而是一个模型覆盖多种输出。参数规模、上下文长度和分辨率上限会随版本变化，请看当前的模型卡，而不是二手总结。
Flux 3 能直接做出 3D 模型吗？
不能。它输出图像、视频和音频，结果是像素而不是几何。要得到网格，需要把静帧或多视图输入到图生 3D 环节，再到 Blender 这类 DCC 工具里清理。打印或导入游戏引擎之前，拓扑、比例和非流形边通常都要处理。
用 Flux 3 大概要花多少钱？
这一类托管图像接口大致是每张一美分到五美分（百万像素上下），视频接口按输出秒数计费，分辨率越高单价越高。聚合平台会加自己的加价，自部署则把按次费用换成硬件或按小时租 GPU 的开销。厂商调整价格和积分包的频率很高，任何数字都只能当快照，请以价格页为准。
本地跑需要显卡吗？
只有自部署才需要，走接口或聚合平台时算力在服务商那边。如果要自部署这一量级的开放权重，按降低精度后 24 GB 显存以上来准备，社区量化版本可以塞进更小的卡，代价是细节损失。按小时租 GPU 是常见的折中方案。
生成的视频有多长？
在 720p 到 1080p、24 或 30 fps 下，五到十秒是单个镜头比较现实的区间。更长的序列一般靠延展或拼接，而不是一次生成，因为片段越长，主体和道具越容易漂移。有些接口用帧数表示时长，所以算出来往往不是整数秒。
现在怎么接入？
最快的路径是厂商自家的接口或在线控制台，新版本通常最先在那里上线；fal、Replicate 这类聚合平台用一把密钥托管同样的权重，适合做并排测试。开放权重的 dev 版本一旦发布，一般放在 Hugging Face 上，附带非商业许可。可用性因地区和账号档位而异，动手设计流程之前先确认自己的账号能调用什么。
Flux 3 比 Runway 和 Sora 强吗？
不存在统一答案，不说明标准的排名没有参考价值。需要编辑一致性、参考图控制和自部署选项时，Flux 3 更有吸引力；Runway 适合想要运动预设和时间线的剪辑工作；Sora 是拿到带声音的成片短片的强路径。请在自己的提示词上给遵循度、身份漂移、许可和可用秒数成本打分，并在版本更新后重跑一遍比较。
在 Open3DAI 中试一下
把同一份提示词或图片交给多个引擎，并排对比网格，然后导出 GLB、glTF、OBJ、STL、PLY 或 3MF。注册即赠免费积分，无需信用卡。