创作者打下一句话："用第一段镜头的运镜，让第二张图里的人物唱歌，音色对齐第三段音频。"十几秒、自带立体声的视频回来了——不是用三个工具拼出来的，而是作为一个整体生成的。几周后，同一个模型躺在Hugging Face上，谁都能免费下载，而它背后的公司正告诉投资人：企业收入已经成为营收的大头。
这家公司是稀宇科技（MiniMax），两步走——开源H3视频模型、猛转向企业市场——背后是同一条判断：在多模态时代，开放权重的生态比封闭花园更耐用。
H3：自带声音的视频
多数视频生成器把声音当补丁——先出画面，再找点东西垫在下面。H3反着来：它和画面帧同步产出32千赫兹立体声，还能用11种语言稳住对白。更有意思的是输入方式。H3不是吃单条提示词，而是把文字、图片、视频、音频混成一包上下文，自己琢磨它们之间的关系。
价格上，稀宇把H3压得很狠：2K分辨率约每秒0.8元（约0.11美元），公司称大约是主流旗舰视频模型的三分之一。对广告、电商、游戏过场这类商业内容生产，这个价位就是卖点。
"开源"二字的诚实读法
这里的"开放"得精确理解。H3的权重是公开的，但随附的是MiniMax H3社区许可协议，不是Apache 2.0或MIT。开放权重和宽松许可是两回事。打算在H3上做商业产品的团队，得先读条款，而不是默认享有真正开源（开源）许可的自由。这个细节，正是很多"开源模型"故事被模糊掉的地方。
不过战略逻辑很清楚。稀宇认为，封闭的视频生成，迭代比语言模型领域更慢、生态也更封闭。开源H3，是要在对手把开发者锁死之前，先占住默认工具链、把人拉进自己的 orbit。
头条之下的企业转向
开源的喧闹之下，是一次更安静的切换。稀宇披露2026年上半年营收1.17亿美元，同比增长283%，到8月年度经常性收入（ARR）超过8亿美元。比总额更说明问题的是结构：企业收入成了大头，7月token消耗约为1月的20倍。公司称企业和开发者基数合计突破200万，大约是2025年底的10倍。
这和智谱跑的是同一套打法——模型即服务（MaaS）做经常性收入引擎——但稀宇配上了全模态故事。它的M3语言模型带来100万token上下文和原生多模态编程，公司还于2026年9月18日开源了MiniMax Code命令行工具。赌的是同时握有编程模型和音视频生成模型，就能把整套内容生产栈卖出去，而不是只卖其中一片。
创始人为何放弃薪水
在7月9日锁定期到期、股价一度跌近18%之后，创始人兼CEO闫俊杰发布内部信，做出两个承诺：在AGI实现之前不领薪水，并拿出个人5%的股份激励团队、支持开源（开源）社区。对一家刚上市的公司，这既是士气信号，也表明开放生态是战略核心，而非副业。
脑机网首席科学家李安这样解读这次动作：开源一个自带音频的视频模型，把比较标准从"谁的演示最惊艳"改成了"谁的生态最广"——而这是中国实验室现在主动选择要玩的牌。
普通人现在能做什么
1. 如果你做视频，去Hugging Face拉一份H3权重自己测一测——但任何商用前，先读社区许可协议。
2. 把H3的2K价（每秒0.8元、约0.11美元）和你现在用的工具比一比，高产量内容下，这点价差会快速累积。
3. 如果你搭智能体，试试稀宇M3（100万上下文）的接口，并关注已开源的Code命令行工具，把它当自托管选项。
诚实的局限
2400万次下载和300多个衍生模型，是公司在业绩电话会上的口径，我们未对照平台计数器独立核实。H3社区许可相比MIT/Apache偏紧，"开放"在此指开放权重，而非不受限使用。一些报告给出的Hugging Face下载量明显更低，因为它们只统计单一平台而非全部分发渠道。财务数据来自稀宇官方上半年业绩发布（经美通社）及二手报道，我们未审计其申报文件。各来源对企业收入占比说法不一，故本文以"占大头"作定性描述，不写死某个百分比。2K输出走的是单独的再生成模型，而非基础输出，规划管线前值得确认这一点。