沐曦股份曦云C系列GPU Day 0 适配多模态生成模型 MiniMax H3

8月3日，MiniMax 正式开源了新一代多模态生成模型——

。而，这背后靠的是沐曦全栈自研的MXMACA软件栈，实现了快速部署，让MiniMax H3的多模态创作能力得以顺利调用。

先说说MiniMax H3的定位。它不再局限于图片、视频、声音的生成、编辑或参考这些单一任务，而是要在多模态上下文中统一理解创作意图，完成更自然、更连贯的生成与表达。这算是MiniMax从“特化任务模型”迈向“通用多模态智能”的一次重要探索。

那么，曦云C系列GPU凭什么能快速适配？它基于沐曦自研的核心GPU IP打造，高能效比、高通用性，重点针对大模型超大规模参数处理和长上下文推理做了优化。搭配自研高性能硬件架构和MXMACA计算平台，迅速实现了对MiniMax H3的极速适配。

MXMACA软件栈是沐曦GPU从“可用”进阶到“好用、易用”的核心基石。它全链路覆盖底层驱动、用户态接口、MXCC编译器、算子深度适配以及主流训练/推理框架对接，原生兼容国际主流生态，适配了PyTorch、TensorFlow、vLLM、SGLang等40余种主流AI框架，支持500+ AI模型稳定运行，大幅缩短了传统模型适配周期。

自2025年12月以来，沐曦股份已累计完成30个主流顶尖模型的Day 0适配，覆盖腾讯、智谱AI、阿里千问、阶跃星辰、百度飞桨、DeepSeek等头部厂商，适配范围包括通用语言、多模态、OCR、机器翻译等，适配速度、数量和生态广度都处于领跑地位。

未来，沐曦会持续迭代GPU硬件与全栈软件技术，深化与国内AI企业的生态协同，打通“国产芯片-国产大模型-产业落地”的完整闭环，用自主可控的高性能算力赋能千行百业。

MiniMax H3支持文本、图片、音频和视频等多种输入形式，2K分辨率直出，最长可生成15秒的音画内容。在提升视听生成能力的同时，进一步降低了高质量视频内容的创作门槛。

在模型效果上，MiniMax H3具备商用级的多场景内容生成能力。指令遵循、文字与品牌信息呈现、V2V Motion Transfer（视频到视频动作迁移）等方面表现突出，可以实现精准、可控的多模态内容编辑与生成，广泛适用于广告、品牌、电商、产品设计、UI/UX、游戏等商业场景。

在Artificial Analysis视频模型榜单中，MiniMax H3在视频编辑能力项排名全球第一。

自成立以来，MiniMax坚持文本与多模态模型并行自研，已先后开源三代M系列文本模型。H3是MiniMax推出的首款开源多模态生成模型。

MiniMax借鉴了文本模型发展过程中已经验证的方法，包括复杂问题拆解、Reasoning、Scaling Context和Muon优化器等，并将其应用到多模态理解、数据构建和模型训练中。围绕不同任务的理解和指令遵循，对数据体系进行了多轮迭代，提升模型面对开放输入和复杂指令时的泛化能力。

在价格方面，MiniMax H3视频生成价格为0.8元/秒（2K分辨率），仅为业内同类旗舰视频模型的三分之一。通过高压缩Tokenizer降低视频生成所需的Token数量，实现了成本优化与效率提升。针对视频长度、分辨率和多模态理解与生成负载差异较大的特点，在异构训练、负载均衡和GPU利用效率等方面进行系统优化，在追求效果的同时控制成本。

可以说，MiniMax H3将业内多模态模型的竞争带向了效果、成本、开放性与生态协同的综合维度，丰富了模型企业与国产AI芯片软硬件协同生态。与此同时，MiniMax多模态路线进入了模型能力、训练效率、开源生态和行业应用协同推进的新阶段。

huggingface.co/MiniMaxAI/MiniMax-H3

沐曦股份致力于自主研发全栈高性能GPU芯片及计算平台，为人工智能训练、推理，图形渲染，科学智能等提供“通用易用、稳定可靠”的算力支撑，成为数字经济发展的基石。