Froging AI
Início

MiniMax H3 Max: análise de quatro testes reais

Avaliamos quatro gerações de uma única tentativa com H3 Max. A análise de 4 de setembro de 2026 registra acertos e falhas sem prometer o mesmo resultado para todo pedido.

Método e medição

Os testes usam clipes de 5 segundos em 768P. Nas três solicitações novas cronometradas, a fal informou inferência de 1,28 a 2,81 segundos; nossa espera entre envio e resultado ficou de 6,85 a 7,29 segundos. São medidas diferentes, pois fila, rede e processamento influenciam o tempo completo. Não extrapolamos para todos os trabalhos.

Os vídeos são saídas originais, sem edição de conteúdo além da compressão para a web. Não houve comparação controlada de qualidade com H3 padrão. O modelo padrão continua relevante para 2K; H3 Max prioriza rapidez na infraestrutura da fal em 480P ou 768P.

Cada solicitação usou expansão de prompt no modo balanced e filtro de segurança ativado. Foram dois clipes 16:9, um 9:16 e um 1:1. Inspecionamos quadros em 10%, 40% e 80%, dimensões e faixas dos arquivos e a reprodução na página. Esta rodada avaliou apenas texto para vídeo: não testamos imagem inicial para vídeo, quadros finais ou entradas de referência. As três solicitações novas preservaram os IDs da fal no manifesto de produção; publicamos as primeiras saídas, sem escolher substitutas. O beija-flor anterior também foi uma primeira geração. Quatro resultados não estabelecem uma taxa geral de falhas.

Transformação e ação rápida

O primeiro prompt pedia que engrenagens, placas azuis e molas formassem um beija-flor mecânico, que decolaria e passaria pela câmera. A montagem é legível e o desenho se mantém, mas a ação final ficou incompleta: no quadro de 80% o pássaro ainda estava na bancada. A transformação foi mais convincente que o desfecho solicitado.

O segundo teste mostra um entregador de bicicleta com capa amarela, rua molhada e curva em 9:16. Pessoa, bicicleta e direção permanecem coerentes, e o ciclista sai do quadro. A geometria fina das rodas perde definição no pico da velocidade. A inferência informada foi 2,79 segundos, com 6,97 de espera medida.

Fala, mãos e tipografia

No terceiro teste, uma ceramista trabalha um pequeno recipiente e olha para a câmera. Rosto, avental, mãos e objeto permanecem estáveis nos quadros examinados, e o olhar volta ao torno. Há movimento de boca e áudio AAC. Não verificamos frase exata nem alinhamento de fonemas com transcrição controlada. Inferência: 2,81 segundos; espera: 6,85.

O quarto teste transforma papel azul e coral em uma cidade vista de cima, em 1:1. A palavra NORTH fica legível e a sequência de transformação é clara. O objeto inicial parece mais uma caixa do que um mapa de transporte dobrado. Inferência: 1,28 segundos; espera: 7,29. Uma palavra correta não prova confiabilidade tipográfica geral.

Preço observado e relação comercial

Em 4 de setembro de 2026, a fal mostrava promoção de US$ 0,04 por segundo em 768P, equivalente a US$ 0,20 para 5 segundos, e tarifa regular de US$ 0,08. A resposta não informou o valor realmente cobrado. A conta é uma estimativa da tabela daquele dia, não uma cobrança confirmada nem preço permanente.

Froging integra H3 Max pela fal e pode obter receita com créditos. A fal não patrocinou nem aprovou esta análise. Os testes favorecem iteração rápida e transformações claras, mas não autorizam promessas de física perfeita, diálogo exato ou execução de toda ação sem ajustes.

Arquivos entregues e limite da estimativa

Entregador: 768×1344, inferência de 2,79 segundos e espera de 6,97. Ceramista: 768×438, inferência de 2,81 e espera de 6,85. Cidade de papel: 768×768, inferência de 1,28 e espera de 7,29. Os três arquivos novos têm 5,184 segundos, 24 fps e áudio AAC; as quatro saídas da análise contêm uma faixa AAC. A duração entregue é diferente dos 5 segundos solicitados.

Pela tarifa promocional publicada, os três pedidos novos somavam uma estimativa de US$ 0,60. A resposta não informou cobrança nem eventual franquia gratuita. Os resultados servem para conceitos, anúncios, storyboards e iteração, mas não mostram que H3 Max substitua H3 padrão quando a entrega exige 2K, texto exato ou sincronização rigorosa.

Exemplos

MiniMax H3 Max

Teste 1: montagem mecânica

O beija-flor se monta e bate as asas, mas não conclui o voo solicitado diante da câmera.

Ler o prompt original

One continuous 5-second macro shot in a sunlit watchmaker's workshop. On a dark worn wooden bench, loose brass gears, cobalt-blue enamel plates, tiny screws, and coiled springs rapidly snap together in a clear sequence to form one palm-sized mechanical hummingbird. As the final chest plate clicks into place, its wings begin beating, fine metal dust lifts from the bench, and the bird launches forward before arcing past the camera. Low eye-level macro camera with a subtle push-in during assembly, then a short rack focus that follows the launch. Warm side light, crisp material detail, physically believable parts and motion, no cuts, no slow motion, no hands, no people, no text, no logos. Audio: precise metal clicks during assembly, a rising mechanical wing hum, a soft rush of air, and quiet workshop room tone; no music.

MiniMax H3 Max

Teste 2: ação vertical rápida

O ciclista sai do enquadramento, mas os detalhes das rodas perdem definição em alta velocidade.

Ler o prompt original

One continuous 5-second vertical documentary shot on a rainy city side street at blue hour. A bicycle messenger in a bright yellow rain shell rides quickly from left to right, leans through one sharp corner, crosses a shallow puddle that throws a clean fan of water from both tires, then straightens and accelerates out of frame. Low camera tracking parallel to the bicycle at wheel height, holding the same rider in profile through the turn. Natural wet asphalt reflections, believable balance and wheel rotation, jacket fabric reacting to speed, no cuts, no slow motion, no collisions, no text, no logos. Audio: tire hiss on wet pavement, one crisp chain shift, water spray, distant traffic and light rain; no music.

MiniMax H3 Max

Teste 3: diálogo e interação das mãos

Rosto e mãos ficam estáveis e há uma faixa AAC. As palavras exatas e a sincronização dos fonemas não foram validadas.

Ler o prompt original

One continuous 5-second naturalistic workshop shot. A ceramicist in her thirties sits at a pottery wheel shaping a small wet clay bowl with both hands. She glances up toward the camera and clearly says, ‘Slow hands make a clean curve.’ She gives a small smile, looks back down, and keeps the bowl centered as it spins. Locked medium close-up, 50mm lens, soft north-window daylight, clay texture and wet fingerprints visible, stable face and hands, no cuts, no subtitles, no text, no logos. Audio: her voice close and natural, steady pottery-wheel hum, wet clay rubbing softly, faint room tone; no music.

MiniMax H3 Max

Teste 4: cidade de papel e texto

A transformação avança e NORTH fica legível. A forma inicial parece mais uma caixa do que um mapa dobrado.

Ler o prompt original

One continuous 5-second stop-motion paper-craft shot, square format, viewed directly overhead on a clean white tabletop. A folded cobalt-and-coral transit map opens by itself in three clear accordion steps. Small paper streets rise first, then six miniature buildings unfold upright, and finally one cream station sign pops up in the center with the single word NORTH printed in bold black capital letters. Crisp cut-paper edges, visible fibers, consistent limited palette, stepped handmade motion, stable overhead camera, no hands, no cuts, no other words, no logos. Audio: three paper folds, soft cardboard pops as buildings rise, then one small wooden click when the NORTH sign locks into place; no music.

Fontes e documentação

Perguntas frequentes

Quatro vídeos originais, tempos medidos, fidelidade ao prompt e limitações. Diferencie inferência, espera total e verificação de áudio.

A geração foi mais rápida que o vídeo?

A inferência dos três testes ficou em 1,28–2,81 segundos, mas a espera total foi 6,85–7,29. Isso não garante o tempo de outros pedidos.

A sincronização labial foi validada?

Não em nível de frase ou fonema. Observamos boca em movimento e áudio AAC, sem alinhamento controlado.

É melhor que H3 padrão?

Não houve benchmark controlado. H3 padrão oferece 2K; H3 Max foca rapidez em 480P ou 768P.

O preço citado é atual?

É uma promoção observada em 4 de setembro de 2026. Confira o custo vigente antes de gerar.

Veja também

Blog do Froging AI: análises e guias

Leia testes de modelos, análises de anúncios e orientações para avaliar imagens e vídeos.

MiniMax H3 Max: gerador de vídeo com IA

Teste ideias audiovisuais com H3 Max, a variante de H3 pós-treinada pela fal para geração rápida. Ela aceita texto ou uma imagem inicial e inclui áudio nativo.

MiniMax H3: gerador de vídeo com IA

Gere cenas audiovisuais com MiniMax H3 usando texto ou a imagem do primeiro quadro. O fluxo oferece áudio estéreo nativo, saída até 2K e seis proporções.

Prompts de texto para vídeo: ação, câmera e som

Descreva uma ação que caiba na duração escolhida. Câmera e ambiente devem ajudar a entender o que acontece.