开源Minimax H3文生视频，赢了Grok Imagine

Grok Imagine 又再次落后于开源模型了，它还有一段追赶的路要走。

左边是 Minimax H3，一个免费的可开放权重模型，只用提示词生成一次就出图，没有刻意挑选结果。右边是 Grok Imagine，还是从三次生成结果里挑了最好的一次出来。两者我用了相同的提示词，相同的720p分辨率，生成的文生视频长度都是10秒，动作质量的差异非常明显。

Minimax H3 拥有真实的比例和速度感，动作也相对连贯。它不算完美，但观感已经很不错。自行车进入自动驾驶，女赛博特工解决掉前方的敌人，子弹从她防弹身躯上弹开……整个内容放在赛博朋克科幻背景下是合理的。

Grok Imagine 反而有种“慢半拍”的感觉，视频的剪切和转场完全不合逻辑。声音和动作物理感都很飘。

Grok 赢过的一点是逐帧画质更好，Minimax H3 视频中间的静帧会模糊或者发虚……但这毕竟是视频。我宁愿要更好的动作，也不要清晰的图片。

Grok 的另一个优势是生成速度非常快，Minimax H3 生成一个视频的时间里，Grok 能生成十个。但就算是这个速度优势，随着自强制 LoRA 推出，生成视频所需的步数减少，差距很可能也会缩小。