# fal 推出 H3 Max：3 秒生成 5 秒 768p 影片

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：NVIDIA AI Infrastructure (@NVIDIAAIInfra) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥🔥 · 日期：2026-08-28

> 原始來源：https://x.com/nvidiaaiinfra/status/2093126419475726444

## 證據與延伸閱讀

- [fal 推出 H3 Max：3 秒生成 5 秒 768p 影片。](https://blog.fal.ai/introducing-h3-max-by-fal) — 官方文件 · 最後核對：2026-08-28 · 支持主張：官方 fal 文章補足 768p/速度比較、prompt adherence 與 visual quality 的 post-training data、偏好評估方法，以及 base MiniMax H3 在 2K、reference input 與 editing 場景的不同定位。
- [post-training 與 GB200 整合](https://x.com/nvidiaaiinfra/status/2093126419475726444)

## 中文摘要

fal 推出 H3 Max：3 秒生成 5 秒 768p 影片。

fal 宣稱 5 秒、768p 影片可在 3 秒內完成，但相關速度與偏好結果均來自 fal 自行評估。

**模型定位** H3 Max 保留 MiniMax H3 的核心能力，新增強化 prompt adherence 與視覺品質的 post-training data，並以較快速度與較低價格為產品定位。它並非 base MiniMax H3 的全面替代品；需要 2K 輸出、reference input 或 editing endpoint 的使用者，仍應選擇 base MiniMax H3。

**效能與評估** 根據 fal 官方文章〈[Introducing H3 Max by fal](https://blog.fal.ai/introducing-h3-max-by-fal)〉，H3 Max 的吞吐量成長為官方 MiniMax H3 endpoint 的約 35 倍，速度約為品質相近模型的 15 倍。fal 也比較了 12 個具名影片模型，評估整體品質、prompt understanding 與 aesthetics；不過研究由 fal 設計並執行，未提供完整的 12 模型結果表或 Confidence intervals，因此不能視為獨立驗證。

**最佳化方法** fal 表示，團隊會淘汰降低內部品質排名的最佳化方案；只有在偏好排名維持不變時，才採用 lower precision、較少 sampling steps 或 approximation。這反映 H3 Max 的重點不只是換模型，而是把 post-training 與 GB200 NVL72 serving 放在同一個 co-design loop 中，針對 768p 場景壓低延遲。

**部署考量** 對實際導入者而言，應分開檢視解析度、reference 與 editing 需求，以及 fal 自行測得的速度和偏好表現；同時將 GB200 NVL72 的訓練與服務架構納入成本研究。上述 benchmark 屬供應商內部測量，尚未建立第三方重現結果，選型時不宜直接視為普遍效能保證。

## 標籤

新產品, 功能更新, AIGC, MiniMax