Hailuo AI i MiniMax H3 - cena, H3 Max i jak używać

MiniMax H3 to najnowszy model wideo firmy MiniMax, tej samej, która stoi za aplikacją Hailuo AI. Robi klipy od 4 do 15 sekund w 768P albo 2K, z dźwiękiem stereo opisanym w prompcie, a w Jantarisie kosztuje od 0,931 zł za sekundę (tyle w 768P, 2K jest droższe). Prostszy wariant MiniMax H3 Max kosztuje od 0,605 zł za sekundę. Poniżej: co potrafi H3, ile realnie zapłacisz za klip, kiedy brać H3, a kiedy H3 Max, i jak wygenerować pierwsze wideo w Studio albo przez API.

Hailuo AI, MiniMax H3, Hailuo 03 - o co chodzi z nazwami

Hailuo AI to konsumencka aplikacja MiniMaxa do wideo i obrazów. Przez długi czas jej najmocniejszym modelem był Hailuo 2.3. 31 lipca 2026 MiniMax wypuścił następcę i nazwał go MiniMax H3. Ten sam model bywa opisywany jako Hailuo 03, a społeczność mówi na niego Hailuo 3. Kto szuka w Google "hailuo ai", w praktyce szuka dziś właśnie H3.

W Jantarisie są dwa modele z tej rodziny:

• MiniMax H3 - pełna wersja: 768P albo 2K, dźwięk stereo, pierwsza i ostatnia klatka, referencje zdjęć, klipów i głosu.
• MiniMax H3 Max - wariant z progami 480P i 768P, z tekstu albo z pierwszej i ostatniej klatki, bez referencji i bez 2K.

Nazwa "Max" myli, bo sugeruje mocniejszą wersję. W katalogu jest odwrotnie: H3 Max ma niższe rozdzielczości i mniej trybów.

Co potrafi MiniMax H3

Parametry, które działają w Jantarisie (ze schematu modelu):

Według MiniMaxa H3 wyróżnia się trzema rzeczami: trzyma się polecenia, poprawnie rysuje tekst i logo w kadrze i potrafi przenieść ruch z klipu referencyjnego na nową scenę. Referencje działają tak, że zdjęcia pilnują wyglądu postaci, klipy ruchu, a nagrania audio głosu. Audio referencyjne musi iść razem ze zdjęciem albo klipem - samo nie wystarczy.

Mój test: zdjęcie z Groka ożywione w 2K

W sierpniu, jeszcze przed startem Jantarisa, sprawdziłem H3 przez API na jednym zadaniu: obraz z wcześniejszego testu Grok Imagine (lis skaczący w śnieg) jako pierwsza klatka i polecenie, żeby lis dokończył nurkowanie. Jedna próba, bez losowania od nowa.

Śnieg rozpryskuje się zgodnie z fizyką, a futro zachowuje strukturę ze zdjęcia. To dobry przykład przepływu, którego używam najczęściej: kadr robię modelem obrazów, ruch drugim modelem. Więcej o tym podejściu piszę w poradniku jak zrobić film AI ze zdjęcia.

Hailuo cena: ile kosztuje MiniMax H3

H3 jest rozliczany za sekundę gotowego wideo, a stawka zależy od rozdzielczości.

Dokładne stawki dla każdego progu są na stronach modeli: MiniMax H3 i MiniMax H3 Max, a kwotę dla Twojego zadania widzisz przed startem w Studio i w polu estimated_cost w API.

Przy referencjach dochodzą dopłaty, o których warto wiedzieć przed wysłaniem zadania:

• Klipy referencyjne - ich sekundy doliczają się do sekund rozliczanych. Klip 6 s z referencją 5 s kosztuje jak 11 sekund.
• Zdjęcia referencyjne - pierwszych pięć bez dopłaty, szóste do dziewiątego płatne osobno.
• Audio referencyjne - bez dopłaty.

Nieudane generacje nie są płatne: blokada środków wraca na saldo w całości. Na koncie PL płacisz w złotówkach z VAT, BLIK-iem albo kartą, a faktura z NIP-em wystawia się sama po każdym doładowaniu. Bez abonamentu, saldo nie wygasa. Jak te stawki wypadają na tle innych modeli, liczę w tekście ile kosztuje rolka z AI.

H3 czy H3 Max - kiedy który

Najciekawsza rzecz z cennika: w 768P H3 Max nie jest tańszy od pełnego H3, w momencie pisania jest nawet minimalnie droższy. Oszczędność daje tylko w 480P. Z tego wynika prosty podział:

• H3 w 2K - gotowy materiał na YouTube albo do reklamy, kiedy potrzebujesz dźwięku stereo i jakości do montażu.
• H3 w 768P - rolki i social media, gdzie 2K i tak zostanie zmniejszone przez platformę.
• H3 z referencjami - ta sama postać w kilku ujęciach, ruch skopiowany z nagrania, głos z próbki.
• H3 Max w 480P - najtańsze szkice ruchu i przejść między dwiema klatkami, zanim puścisz finał w H3.

Jeśli i tak robisz 768P, wybieram pełny H3: ta sama cena, a w zapasie referencje i dźwięk.

Jak używać MiniMax H3 w Jantaris Studio

1. Załóż konto i doładuj saldo od 40 zł.
2. W Studio otwórz zakładkę Wideo i wybierz MiniMax H3.
3. Napisz prompt i dopisz na końcu, co ma być słychać.
4. Wybierz proporcje, rozdzielczość (768P albo 2K) i długość 4-15 s.
5. Jeśli startujesz od kadru, rozwiń Pierwsza klatka i wgraj plik. Dla przejścia A→B dodaj też Ostatnią klatkę.
6. Sprawdź Koszt i kliknij Generuj.

Jedna pułapka: przy starcie ze zdjęcia H3 nie przyjmuje proporcji, bo bierze je z obrazu. Za to przy samym tekście musisz wybrać konkretne proporcje, adaptive jest wtedy odrzucane.

Hailuo po polsku

Studio, cennik i faktura są po polsku. Z mową w klipach jest gorzej: MiniMax nie publikuje listy języków, które H3 obsługuje w dźwięku, więc polskich dialogów nie obiecuję. Prompt piszę po angielsku, a kwestie mówione, jeśli są, daję w cudzysłowie. Polskiego lektora nagrywam osobno. Zasady opisu ruchu kamery i dźwięku zebrałem w tekście o promptach do wideo AI.

MiniMax H3 przez API

export JANTARIS_API_KEY="sk-jt-..."

Klip z tekstu w 2K z dźwiękiem

curl https://jantaris.com/v1/generate \
  -H "Authorization: Bearer $JANTARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-h3",
    "input": {
      "prompt": "A street food vendor flips noodles in a flaming wok at night, slow push-in, steam and neon reflections. Audio: sizzling oil, clanging wok, distant traffic.",
      "duration": 8,
      "resolution": "2K",
      "aspect_ratio": "16:9"
    }
  }'

Zwróć uwagę na wielkość liter: H3 przyjmuje 768P i 2K, nie 768p.

Przejście między pierwszą i ostatnią klatką

{
  "model": "minimax-h3-max",
  "input": {
    "prompt": "The camera glides forward as the empty shop fills with customers, lights turn on one by one",
    "image_url": "https://twoja-domena.pl/pliki/sklep-pusty.jpg",
    "end_image_url": "https://twoja-domena.pl/pliki/sklep-pelny.jpg",
    "duration": 6,
    "resolution": "480P"
  }
}

Postać i głos z referencji

{
  "model": "minimax-h3",
  "input": {
    "prompt": "The woman from the reference photo sits at a cafe table and says: \"I finally finished the project.\" Quiet cafe chatter in the background.",
    "image_urls": ["https://twoja-domena.pl/pliki/postac.jpg"],
    "audio_urls": ["https://twoja-domena.pl/pliki/glos.mp3"],
    "duration": 6,
    "resolution": "768P"
  }
}

W trybie referencji proporcje domyślnie przyjmują adaptive, więc pominąłem aspect_ratio.

Odbiór wyniku w Pythonie

import os
import time
import requests

API = "https://jantaris.com/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['JANTARIS_API_KEY']}"}


def run(payload: dict) -> dict:
    r = requests.post(f"{API}/generate", headers=HEADERS, json=payload, timeout=30)
    if r.status_code != 202:
        raise RuntimeError(f"{r.status_code}: {r.json()['error']['message']}")
    task = r.json()
    print("koszt szacowany:", task["estimated_cost"])
    delay = 5
    while task["status"] not in ("succeeded", "failed"):
        time.sleep(delay)
        delay = min(delay * 1.5, 20)
        task = requests.get(f"{API}/tasks/{task['id']}", headers=HEADERS, timeout=30).json()
    return task


task = run({
    "model": "minimax-h3",
    "input": {
        "prompt": "Waves crash against black basalt cliffs at dusk, static tripod shot. Audio: deep surf, wind, gulls.",
        "duration": 6,
        "resolution": "768P",
        "aspect_ratio": "9:16",
    },
})

if task["status"] == "succeeded":
    with open(f"{task['id']}.mp4", "wb") as f:
        f.write(requests.get(task["output"][0]["url"], timeout=180).content)
    print("gotowe, koszt:", task["cost"])
else:
    print("nieudane, nic nie płacisz:", task["error"])

Link do pliku jest ważny ograniczony czas, więc pobieram od razu. Pełny opis pól jest w dokumentacji generowania, a odbiór przez webhook w dokumentacji webhooków.

MiniMax H3 na tle innych modeli

H3 wybieram, gdy potrzebuję 2K z dźwiękiem i kontroli przez referencje. Do dłuższych ujęć, do 30 sekund w jednym przebiegu, sprawdzam Seedance 2.5 (porównanie wersji jest w tekście Seedance 2.0 czy 2.5), a przy scenach wielokadrowych Kling 3.0, opisany w tekście Kling 3.0 - cena. Wszystkie modele wideo z cenami zestawiłem w porównaniu API do wideo AI.

Najczęstsze pytania

Ile kosztuje Hailuo AI w Jantarisie?

Najnowszy model Hailuo, MiniMax H3, kosztuje od 0,931 zł za sekundę w 768P, a 2K około 1,6 raza więcej. H3 Max kosztuje od 0,605 zł za sekundę w 480P. Płacisz za sekundy gotowego wideo, bez abonamentu.

Czy Hailuo AI jest za darmo?

W Jantarisie nie ma darmowego planu ani kredytów na start, płacisz od pierwszej generacji (minimalne doładowanie 40 zł). Nieudane generacje kosztują 0 zł. Sama aplikacja Hailuo daje nowym kontom pulę darmowych kredytów, ale według jej warunków takie klipy mają znak wodny, niższą rozdzielczość i nie można ich używać komercyjnie.

Czym różni się MiniMax H3 od H3 Max?

H3 ma 768P i 2K, dźwięk stereo i referencje zdjęć, klipów oraz głosu. H3 Max ma 480P i 768P, tryb z tekstu i z klatek, bez referencji. H3 Max opłaca się tylko w 480P.

Czy MiniMax H3 generuje dźwięk?

Tak, każdy klip H3 ma ścieżkę stereo, której treść opisujesz w prompcie. Listy obsługiwanych języków mowy MiniMax nie podaje.

Czy MiniMax H3 można uruchomić lokalnie?

MiniMax opublikował 2 sierpnia 2026 wagi wersji H3-Base, ale na licencji, która wyłącza z użycia między innymi Unię Europejską. Tryb 2K działa tylko w usłudze hostowanej, więc w Polsce H3 używa się przez aplikację albo API.

Jak długie wideo robi MiniMax H3?

Od 4 do 15 sekund w jednym zadaniu (H3 Max od 5 do 15). Dłuższy materiał składasz z kilku ujęć, najlepiej z tą samą postacią w referencjach.