AREX Feed Article
fal 后训练出 H3 Max 自称三项第一，MiniMax 官方祝贺
8 月 27 日，宣布推出 H3 Max：fal Research 对 MiniMax 开放权重视频模型 H3 做后训练，fal 推理团队再针对速度做优化。fal 称，在自家的人类偏好评估中，H3 Max 的整体质量、提示遵循与美学三项均排名第一；生成一段 5 秒视频不到 3 秒，吞吐约为 MiniMax 官方 H3 端点的 35 倍。
博客发布约两个半小时后，发帖祝贺 fal 团队，称像 MiniMax-H3 Max 这样的第三方后训练「展示了强基座模型的真正潜力被解锁时的样子」，「这正是我们坚持开放权重的原因」。这些性能数字均出自 fal 官方博客，属于发布方单方声明。
fal 博客发布的 H3 Max 评测图表，含贝叶斯 Elo 分数、平均延迟与第三方排名。图片来源：fal 官方博客。
从开放权重 H3 出发：后训练与推理协同设计
fal 在博客中介绍，H3 Max 以 MiniMax 开放权重模型 H3 为起点，后训练阶段引入大量新数据，重点放在提示遵循与画面质量上；fal 称基座模型的核心能力保持完好，同时延迟极低。训练与推理全部在 NVIDIA GB200 NVL72 系统上完成，按单芯片计算，GB200 性能是 fal 此前所用加速器的至多 2 倍。
fal 把模型研究与推理优化放在一起做，博客称这两项能力「很少同处一室」：推理团队有四年扩散模型与生成式媒体负载的优化经验，在模型还在开发时就把系统技术应用进去，让训练与推理栈的决策互相影响。fal 还立了一条筛选规则：降精度、减采样步数、近似昂贵算子这类加速手段，只有在该模型内部质量评估中不掉位时才被保留。
H3 Max 本身在 fal Serverless 上训练，fal 称这与开发者自训模型所用的基础设施相同。
12 个对手、三项第一，评测方法写在博客里
fal 的评测以两两对比的人类偏好研究为主：H3 Max 与 12 个主流视频模型对比，包括 MiniMax 官方 H3 端点、Gemini Omni Flash、Wan 3.0、Seedance 2.5、Kling 3 与 Veo 3.1。评估分整体偏好、提示遵循、美学三个维度，用带 95% 置信区间的贝叶斯 Elo 汇总。
fal 称 H3 Max 三个维度均排第一，并对包括原始 H3 在内的每个被测模型赢下多数对决。博客配图中，H3 Max 的整体偏好 Elo 为 2080，Gemini Omni Flash 为 2060，官方 H3 端点为 2048。
第三方榜单方面，fal 称 Artificial Analysis 与 Design Arena 的独立评测中 H3 Max 同样排名第一，并引述 Design Arena 的评语：「MiniMax H3 Max by fal delivers the quality of MiniMax H3 at more than 50× the speed……establishing a new speed–preference Pareto frontier」（MiniMax H3 Max by fal 以超过 50 倍的速度交付了 MiniMax H3 的质量……建立了一条新的速度—偏好帕累托前沿）。
5 秒视频不到 3 秒，吞吐是官方端点的 35 倍
速度是这次发布强调的重点。fal 称，生成一段 5 秒视频耗时不到 3 秒，吞吐约为官方 H3 端点的 35 倍，平均比质量相近的模型快 15 倍，也快于对比中的所有其他模型。博客配图显示，H3 Max 平均延迟 3.49 秒，官方 H3 端点为 122 秒，两者相除恰好约等于 35。生成快于视频本身的时长，也就是 fal 博客和 MiniMax 推文都提到的「快于实时」。
fal 把这条结果表述为对行业常见取舍的挑战：高质量视频生成未必以更慢的推理为代价。实现方式是后训练与推理系统协同设计，后训练控制质量，系统工作控制执行效率，改进不必互相抵消。
已上线：Playground、fal Agent 与 API，首周五折
H3 Max 已上线 fal 平台，可在 Playground 试用、经 fal Agent 调用或直接调用 API，提供文生视频与图生视频两个入口。fal 宣布上线第一周提供五折价格。
fal 官方博客的 H3 Max 发布图。图片来源：fal 官方博客。
MiniMax 官方祝贺，开放权重逻辑获得公开背书
8 月 27 日 21:44（UTC），MiniMax 官方 X 账号（Business 认证）发帖祝贺：「Congrats to the fal team on MinMax-H3 Max - fantastic work!」（祝贺 fal 团队推出 MinMax-H3 Max，非常出色的工作！）。推文称：「Third-party post-trains like MiniMax-H3 Max showcase what happens when a strong base model's true potential is unlocked. This is exactly why we build with open weights - keep them coming!」（像 MiniMax-H3 Max 这样的第三方后训练，展示了强基座模型的真正潜力被解锁后的样子。这正是我们坚持开放权重的原因，继续来！）
这条祝贺推文的主体表述与 fal 博客原文几乎逐字一致，只是把主语从「我们」换成了「fal」：优化模型以提升真实世界表现，同时协同设计推理系统，让快于实时仍然可能，这需要很少同处一室的两项能力：前沿模型研究与深度推理优化/内核工作。
更早一步，fal 博客已经引述了 MiniMax H3 团队的评价：「H3 Max 将 SOTA 视频质量与生成速度的台阶式提升结合起来」；「我们从第一天起就与 fal 紧密合作，他们在生成式 AI 基础设施以及把前沿模型快速、可靠地带入生产方面的专长，使他们成为 H3 Max 的自然合作伙伴」。
MiniMax 的祝贺为开放权重路线提供了背书，但推文没有给出任何新的性能数据。截至本文写作时，35 倍吞吐与三项第一的出处仍然只有 fal 官方博客这一处可核实的来源。