MiniMax lança H3, modelo de vídeo multimodal com áudio nativo; ações saltam 17%

A MiniMax lançou o H3 na sexta-feira, um novo modelo multimodal de geração que processa texto, imagens, vídeo e áudio em um único contexto unificado e gera vídeo 2K nativo com som estéreo integrado, em clipes de até 15 segundos. A empresa chinesa de IA afirmou que planeja disponibilizar os pesos do modelo em open source nos próximos dias, permitindo que desenvolvedores baixem e personalizem o sistema subjacente em vez de depender apenas de uma API.

O lançamento é relevante porque leva a estratégia open-weight da MiniMax para o vídeo, um domínio ainda dominado por sistemas fechados e caros da OpenAI (Sora) e do Google (Veo). A MiniMax construiu sua reputação no último ano lançando modelos que chegam perto dos benchmarks proprietários de fronteira, cobrando uma fração do que os laboratórios americanos cobram e disponibilizando os pesos publicamente. O H3 aplica a mesma cartilha ao vídeo: a MiniMax afirma que gerar conteúdo 2K no H3 custa cerca de um terço do que os produtos concorrentes mainstream cobram, uma diferença de preço que a empresa posiciona como alavanca competitiva direta contra Sora e Veo para trabalho de vídeo comercial.

Tecnicamente, o H3 introduz três componentes que a MiniMax chama de "Contextual Omni Representation", o "H3-Omni Transformer" e "In-Context Regeneration". Juntos, eles permitem que o modelo aceite entradas mistas — um prompt de texto junto a uma imagem de referência, clipe de vídeo ou faixa de áudio — e os mantenha em um espaço de representação compartilhado, o que, segundo a MiniMax, melhora a capacidade de seguir instruções e a compreensão multimodal em relação à sua linha anterior de vídeo Hailuo. O modelo também mira compatibilidade com chips de IA chineses, parte de um esforço mais amplo de empresas chinesas de IA para reduzir a dependência de semicondutores fabricados nos EUA, tanto para treinamento quanto para inferência.

A MiniMax está posicionando o H3 diretamente para casos de uso comercial: publicidade, visuais de produtos de e-commerce, design de produto e jogos — mercados onde clipes de 15 segundos prontos para uso, com áudio sincronizado, são mais valiosos do que resultados cinematográficos mais longos. É um alvo mais estreito do que a proposta mais ampla de geração criativa da Sora ou da Veo, mas corresponde diretamente a onde os estúdios mais gastam atualmente com conteúdo de banco de imagens e produção de vídeo.

A reação do mercado foi imediata: as ações da MiniMax Group listadas em Hong Kong (HKG: 0100) saltaram até 17,4% após o anúncio, antes de se estabilizarem em um ganho reportado de 15,1% no dia. Parte desse movimento está ligada a um catalisador separado — as crescentes expectativas dos investidores de que a MiniMax está perto de ser incluída no programa Stock Connect, o que permitiria que investidores da China continental comprassem a ação diretamente por meio do mecanismo de negociação southbound e poderia trazer dezenas de bilhões de dólares de Hong Kong em novos influxos. O lançamento do H3 parece ter amplificado esse momentum existente, em vez de criá-lo do zero.

Para o mercado de vídeo com IA, o lançamento planejado do H3 em open-weight é o detalhe que merece mais atenção. Se a MiniMax cumprir o prometido nos próximos dias, o H3 se tornaria um dos primeiros modelos de vídeo multimodal de fronteira com pesos disponíveis publicamente, dando a desenvolvedores e estúdios menores uma alternativa auto-hospedável às APIs fechadas que atualmente definem a categoria — como noticiado primeiramente pela Reuters, com detalhes adicionais da Investing.com e KFGO.