HiDream-O1-Video-1.0 vs MiniMax H3: Ett gap på sex punkter och en licens som utesluter fyra länder

Sex poäng. Det är hela skillnaden mellan HiDream-O1-Video-1.0 och MiniMax H3 på den enda resultattavlan där båda förekommer: 1 175 ±10 för HiDream mot 1 181 ±8 för H3 på Artificial Analysiss leaderboard för image-to-video, avläst 10 oktober 2026. Intervallen sträcker sig 1 165–1 185 och 1 173–1 189. De överlappar nästan helt. Varje sida som inleds med att utropa en vinnare på den tavlan läser brus.

Oavgjort är verkligt och det är inte historien. Historien är vad som omger det: tre resultattavlor mot en, en prisskillnad som helt och hållet beror på vilken av H3:s två mätvärden för timkostnad man använder, och det faktum att en av dessa modeller kan laddas ned — enligt villkor som förbjuder användning i USA, Storbritannien, Europeiska unionen och Sydkorea om man inte ansöker om tillstånd. Poängen är den minst avgörande siffran i den här jämförelsen.

Båda korten, båda modellerna och var täckningen slutar

AA-Video-I2V v1.0, ljud behållet i:

• MiniMax H3 Max — 1:a, Elo 1 195 ±9, 5 894 röster, augusti 2026, $4,80/min

• MiniMax H3 — 2:a, Elo 1 181 ±8, 7 284 röster, juli 2026, 7,80 USD/min

• HiDream-O1-Video-1.0 — 6:e, Elo 1 175 ±10, 3 231 röster, augusti 2026, $5,80/min

AA-Video-T2V v2.0, en separat tavla med sin egen skala och sin egen röstpool:

• MiniMax H3 (768p) — 4:e, Elo 1 137 ±9, 8 315 röster, juli 2026, 4,80 $/min

• MiniMax H3 Max — 5:e, Elo 1 130 ±10, 5 719 röster, augusti 2026, $4,80/min

• HiDream-O1-Video-1.0 — inte listad

AA-Video-Editing v1.1:

• MiniMax H3 (768p) — 4:e, Elo 1 119 ±6, 7 023 röster, juli 2026, 9,60 $/min

• HiDream-O1-Video-1.0 — inte listad

MiniMaxs H3-familj är tre rader över tre olika resultattavlor med tre olika avläsningar per minut, eftersom redigering och text-till-video och bild-till-video mäts olika på samma vikter. HiDreams modell är en rad på en tavla. Gapet i poäng är sex punkter och ligger inom bruset; gapet i täckning är två hela uppgiftskategorier brett.

Det finns en andra tolkning av I2V-tabellen som är värd att nämna, eftersom den talar emot den självklara slutsatsen. HiDreams 1 175 vilar på 3 231 röster. MiniMax H3:s 1 181 vilar på 7 284 – mer än dubbelt så många – och H3 Max har 1 195 med 5 894 röster. På en resultattavla där hela toppsexan spänner över tjugo poäng har modellen med det minsta röstunderlaget det bredaste intervallet och det största spelrummet. En skillnad på sex poäng mellan en mätning med 3 231 röster och en mätning med 7 284 röster är inte bevis på likvärdighet eller underlägsenhet; det är bevis på att frågan inte har avgjorts.

Licensen, före allt annat

Om du befinner dig i ett av de uteslutna territorierna är resten av den här sidan akademisk, så den kommer först.

MiniMax H3:s basvikter går att ladda ner under MiniMaxs community-licens — inte Apache, inte MIT — och den licensen utesluter USA, Storbritannien, Europeiska unionen och Sydkorea, där användning kräver en ansökan till MiniMax. Kommersiell användning över 20 miljoner dollar i årlig omsättning kräver skriftligt förhandstillstånd. Det som är öppet är specifikt bascheckpointen: Context-IR-modulen för promptexpansion och 2K-regenereringsvägen ligger kvar på API-sidan och var aldrig en del av släppet.

HiDream-O1-Video-1.0 publicerar inga vikter alls i Artificial Analysis-registret, och inget förstapartsrepo går att nå för videomodellen. Det är en annan sorts slutenhet: MiniMax släppte något med villkor som du kanske skulle kunna uppfylla, och HiDream släppte ingenting att uppfylla.

Den praktiska konsekvensen är snävare än vad "öppen kontra stängd" får det att låta. Om du befinner dig utanför de fyra undantagna territorierna och självhosting finns på din färdplan, är H3:s vikter ett verkligt alternativ och HiDreams är det inte. Om du befinner dig inom dem är H3 en API-produkt på samma villkor som HiDreams, och licensen har inte kostat dig något annat än ett stycke läsning.

Specifikationer, och hur mycket av var och en som går att kontrollera

• Längd — MiniMax H3: 4 till 15 sekunder, endast heltalsvärden, ursprung: MiniMaxs egen plattformsspecifikation. HiDream-O1-Video-1.0: tavlan registrerar den som en släppt produktionsmodell; dess tillhandahållna kontrakt dokumenterar en mycket snävare begäran än vad dess tillkännagivande beskriver, och ingen förstapartssida som är åtkomlig i dag publicerar en varaktighetsstege.

• Upplösning — MiniMax H3: 768p nativt, med 2K tillgängligt via en regenereringsmodul som endast finns via API och därför inte är tillgänglig för någon som självhostar vikterna. HiDream: prissatt av boarden vid en 1080p-konfiguration; ingen upplösningslista från leverantören har publicerats.

• Bildfrekvens och ljud — MiniMax H3 publicerar en tydlig ljudspecifikation: 32 kHz stereo genererat i samma pass som videon, vid 24 fps. HiDreams tillkännagivande beskriver nativt synkroniserat ljud och HiDream-O1-Video-1.0 förekommer på Artificial Analysis with-audio-tavla snarare än den tysta, vilket är en oberoende bekräftelse på att ljudet är äkta. Ingen av leverantörerna publicerar en ljudspecifikation med H3:s precision för HiDream-modellen.

• Indata — MiniMax H3: text-, bild-, video- och ljudreferenser läses som en enhetlig kontext, upp till 9 bilder, 3 videoklipp och 3 ljudklipp. HiDream: dess tillkännagivande listar text, bilder och video, men det offentliga förfrågningsschemat dokumenterar en referensbild plus en valfri prompt, vilket är den form du faktiskt skulle integrera mot.

• Utdatakontroll – H erbjuder styrning av första bildrutan, sista bildrutan och både första och sista bildrutan – HiDreams dokumenterade offentliga yta erbjuder ingen av dessa kontroller.

Mönstret i den listan är värt att säga rakt ut. Varje rad på MiniMax-sidan kommer från MiniMax. De flesta rader på HiDream-sidan kommer från styrelsen eller från tillkännagivandet snarare än från en specifikation, och där tillkännagivandet och det serverade kontraktet inte stämmer överens, är det serverade kontraktet det som kommer att avvisa din begäran.

Vad varje sekund kostar, vid den upplösning du skulle köpa

MiniMax fakturerar per sekund genererad utdata: 0,08 dollar per sekund vid 768p och 0,13 dollar per sekund vid 2K på sin egen plattform. Referensljudinmatning är gratis; referensbilder är gratis för de första fem. Dessa priser motsvarar 4,80 dollar per minut för 768p-konfigurationen på text-to-video- och redigeringspanelerna, och 7,80 dollar per minut för den 1080p-motsvarande konfiguration som image-to-video-panelen registrerar.

HiDreams enda cirkulerande siffra är 5,80 dollar per minut, vid 1080p, via modellskaparens API med standardinställningar, enligt vad Artificial Analysis har registrerat.

Vid en bokstavlig läsning ser det ut som om HiDream ligger mellan H3:s två tolkningar. Det är värt att motstå, av två skäl. 4,80 $ och 7,80 $ är samma modell i olika upplösningar, så att jämföra 5,80 $ mot endera är att jämföra en upplösning med en upplösning i stället för en modell med en modell. Och tricket att först göra ett utkast och sedan skala upp räddar inte räkningen: att generera H3 i 768p och sedan generera om till 2K kostar 0,08 $ plus 0,05 $, vilket är exakt 2K-priset på 0,13 $ per sekund. Det sparar bara pengar på tagningar som du ändå skulle kasta.

Det mått som överlever allt detta är kostnad per accepterat klipp, vilket räknar in omtagningar. I referenstungt arbete – återkommande karaktärer, en produkt som måste förbli identisk över tagningar – är H3:s nio bildreferenser och tre ljudreferenser riktade mot exakt det felmönster som genererar omtagningar, och en modell som håller motivet i ett försök är billigare än vad dess mätare antyder. I enbart promptbaserat arbete är dessa platser hyllor som du aldrig kommer att fylla.

Tillgänglighet, där asymmetrin är ovanligt konkret

Det här är den sällsynta matchningen där modellen med öppna vikter också är den mer tillgängliga.

MiniMax H3 finns i OrcaRouters katalog som minimax/minimax-h3, debiteras enligt leverantörens listpris — $0.00 per sekund vid 768p och $0.13 vid 2K, leverantörens egna priser — utan påslag från vår sida, så en prisändring från MiniMax slår igenom på vår linje samma dag i stället för vid förnyelse. Den ligger på samma OpenAI-kompatibla endpoint som textmodellerna, vilket innebär att ett videoanrop är ett byte av modell-ID i stället för en andra integration, och automatisk failover flyttar begäran till en frisk tjänsteväg innan svaret börjar i stället för att returnera ett fel till din applikation.

HiDream-O1-Video-1.0 är inte en OrcaRouter-rutt, och den här artikeln hävdar inte att den är det. Den går att nå via leverantörens egna ytor och via tredjepartsarbetsytor som återförsäljer den, med de 5,80 dollar per minut som tavlan anger som dess publicerade ekonomi.

Den asymmetrin slår åt andra hållet på en punkt, och det förtjänar att nämnas. Routing löser inte en licens. Om du finns i USA, Storbritannien, EU eller Sydkorea och tänkte självhosta H3:s vikter, är att anropa den via en router inte en genväg runt problemet – det är en annan produkt, och licensfrågan är fortfarande din att besvara.

Att välja mellan dem

• Båda, om jobbet är att animera en stillbild med ljud och inget mer. De två ligger statistiskt sett jämnt på den fronten, och då väljer du utifrån dokumentation, pris och huruvida du vill ha licensalternativet. H3 vinner på alla tre i de flesta fall, och HiDream vinner inte på något som du för närvarande kan verifiera.

• Enbart MiniMax H3, om indata är ett manus snarare än en bildruta. HiDreams dokumenterade förfrågan kommer inte att acceptera anropet, och ingen förstapartsväg för text-till-video är publicerad för den.

• Enbart MiniMax H3, om du klipper, förlänger eller stylar om filmmaterial. H3 ligger fyra på redigeringstavlan med 1 119 ±6 över 7 023 röster. HiDream är inte med.

• Enbart MiniMax H3, om självhostning finns på färdplanen och du befinner dig utanför de fyra undantagna territorierna. Inget på HiDream-sidan utgör något substitut.

• HiDream-O1-Video-1.0, om du specifikt vill ha en andra oberoende rösträkning bakom en nyare modell och är villig att integrera mot ett snävt, fortfarande rörligt begärandekontrakt. Sex punkter under H3 på den tavlan, vid en lägre registrerad frekvens, med förbehållet att mätningen har en urvalsstorlek som är hälften så stor som den yngre och mer väletablerade modellens.

Det som skulle avgöra saken är en HiDream-rad på en andra resultattavla. Om modellen får en post för text-till-video eller redigering kollapsar täckningshalvan av denna jämförelse och det blir en enkel fråga om pris och poäng för två modeller, vilket de nuvarande siffrorna lämnar öppet. Om den inte gör det är den försvarbara sammanfattningen den snäva: på den enda tavla där båda modellerna finns med är de lika inom sina intervall, och en av dem utför två uppgifter mer.