MiniMax 是什麼？稀宇科技的公司、服務與模型三層指南，AI 影片選型與資料檢查點

MiniMax 是中國 AI 公司稀宇科技的品牌，總部在上海，名字同時指三件事：開發模型的公司稀宇科技（英文 wiki 條目登記的中國主體為上海稀宇科技有限公司）、你實際打開來用的服務（API 開放平台、海螺影片、Talkie 聊天 App），以及在背後幹活的模型（M3 文字、H3 影片、Speech 2.8 語音、Music 3.0 音樂）。三層混在一起談，麻煩跟著來：權重可下載被誤傳成 App 能離線用，M Plan 的方案調整被當成 API 漲價，影片模型的規格戰被看成跟自己帳單無關的科技新聞，三種誤解都源自把不同層的事讀成同一層。

這篇把三層各自攤開：公司層講清楚它從哪來、誰出錢、在國際模型競爭裡站哪個位置；服務層盤點兩套入口（中國境內與國際版是不同網站、不同營運主體、不同資料政策，這一點比多數人想像的重要）；模型層對齊 2026 年 10 月的現行型號與規格，並把 H3 與 H3 Max 放上 AI 影片選型的牌桌，跟 Veo、Kling、Sora 正面比一次。資料與隱私那節請放慢速度讀：MiniMax 的答案跟 DeepSeek 那種「資料直接落地中國」的口徑不同，國際平台的隱私政策由一家新加坡公司署名、聲明資料存在美國的資料中心，但集團的研發主體在中國，這種雙層結構要怎麼評估，比任何功能比較都值得先弄懂。

一個名字，三層身分：先分清你在跟誰打交道

公司這一層，登記與沿革有兩個日期要並陳：英文維基百科的條目寫 2021 年 12 月創立，官方英文站自述 2022 年初成立。這種落差在中國新創常見，公司登記日與對外營運口徑本來就未必相同，引用時標明出處即可，不必硬拗成單一數字。營運主體同樣要分入口核對：中國境內服務的登記主體是上海稀宇科技有限公司；國際平台的隱私政策則由新加坡商 Nanonoble Pte. Ltd. 署名，這個「雙軌主體」是 MiniMax 跟多數中國 AI 公司最不一樣的地方，後面資料檢查點那一節會回到它。

服務這一層，是你打開瀏覽器或 App 實際接觸的產品。服務條款與隱私政策約束的是這一層：資料存哪裡、輸入能不能用於研發、出事了向誰主張權利，答案都寫在你使用的那個入口的政策文件裡。模型這一層是資產本身：M3、H3 這些名稱對應的是權重與架構，發表在技術報告、模型卡與權重倉庫和 API 文件裡，其中 M 系列、H3 與 Music 3.0 都放了開放權重，可以下載、可以自架、可以微調。模型是引擎，服務是車，公司是造車廠，三句話記住就好。

三層各歸各位之後，新聞的正確讀法跟著浮現。「H3 權重開放下載」講的是模型層的資產釋出，海螺與 API 這些服務照樣要連網、照樣把提示詞送到伺服器；「H3 Max 進駐官方平台」的實情是生態夥伴 fal 用 H3 權重做了後訓練、官方再把它接回代管，跟自研一顆新模型是兩回事；「M Plan 改版」只影響訂閱制個人方案的用戶，API 計費那套帳單完全另一本帳。同一則消息落在哪一層，對你的意義就完全不同。

在組織裡導入時，三層各有該盯的人。採購與行政看服務層的方案與條款；技術團隊看模型層的授權、規格與 API 相容性；法務與稽核看公司層的主體與轄區，而 MiniMax 因為雙軌營運，法務要多問一句：同事登入的是 minimax.io 的國際平台，還是 minimax.cn 的中國站。同一間公司、兩套入口，資料政策可以差到完全相反，把這句話放進導入評估表，是成本最低的防呆。

上海稀宇科技：從商湯團隊到「AI 六小虎」

公司故事從創辦人講起。執行長閆俊傑（Yan Junjie）出身商湯科技，與兩位同樣來自商湯電腦視覺研究團隊的共同創辦人一起成立公司，這條路徑讓 MiniMax 從第一天就有濃厚的多模態基因：文字、語音、影像、影片並進，而非先做純文字再擴張。公司名稱取自博弈論裡的極小化極大（minimax）演算法，早期資金有遊戲公司米哈遊參與，後續投資者包括騰訊、IDG 資本與紅杉中國，2024 年 3 月由阿里巴巴領投一輪 6 億美元的融資，投後估值 25 億美元。這些數字都出自英文維基百科條目引述的媒體報導，數字會過期，方向不會：中國一線網路資本幾乎全數在場。

市場所說的中國「AI 六小虎」，MiniMax 是其中一家，與它並列的還有智譜、月之暗面、百川、零一與階躍。六小虎的共同處是都成立於 2022 年前後的大模型創業潮、都拿了一線資本、都在 2025 到 2026 年間面臨「打不打得過大廠自研模型」的生存問題；MiniMax 的差異化答題方式，是把寶押在多模態與開放權重上，尤其是影片這個美國大廠收費最貴的品類。認識這家公司，你該記住的重點只有一句話：它是一家資金充足、以多模態與開放權重見長的中國模型公司。

有兩條爭議紀錄值得知道，因為它們會影響你對「拿它的模型做商業內容」的風險判斷。2025 年 9 月，迪士尼、環球與華納兄弟三家好萊塢片商在美國對海螺 AI 提起著作權訴訟，爭點是影片生成輸出與受版權保護角色的相似性；2026 年 2 月，Anthropic 公開指控包括 MiniMax 在內的中國公司以大量異常帳號對 Claude 產生上千萬次互動，懷疑用於模型蒸餾。訴訟尚未終結、指控也未經司法認定，本文不做裁決，但商用場景的授權與來源風險自評，這兩條都該列入考量清單，而不是當作沒看見。

產品線全貌：兩套入口，先確認你站在哪一邊

MiniMax 的服務分成兩個世界，界線清楚得像是兩間公司。中國境內這一側的入口是 minimax.cn 與「星野」App（角色聊天）、語音產品線，走人民幣計價與中國帳號體系；國際這一側的入口是 minimax.io 與 platform.minimax.io 開放平台，美元計價，消費端有 Talkie（角色聊天，talkie-ai.com，標示由 MiniMax 提供技術）與海螺 Hailuo（hailuoai.video，影片與圖像生成，目前跑的旗艦就是 H3）。兩側帳號與計費完全獨立，API 金鑰也分 Global 與 Mainland China 兩種，台灣使用者從國際站註冊，拿到的自然是 Global 金鑰。

消費端產品雖然跟多數工作場景無關，卻是認識這家公司最好的窗口。它的第一款產品 Glow 在 2022 年 10 月上線，是中國最早的角色聊天 App 之一，後來在中國應用商店下架，團隊把同一套能力拆成兩個品牌重新出發：境內的星野與境外的 Talkie，Talkie 在 2024 年中曾衝上美國娛樂類免費榜前段、月活約千萬級，這些數字出自維基百科條目引述的媒體報導。這段歷史告訴你兩件事：其一，MiniMax 的模型從第一天就在真實消費者流量裡淬鍊，語音、人設、多輪記憶這些能力不是實驗室 Demo，是在百萬級對話裡磨出來的產品能力；其二，角色聊天這個品類天生貼近內容紅線，應用商店政策一收緊就會出現上下架波動，把商業流程押在消費端產品上的人，要把這種波動計入風險，押在 API 與開放權重上的人則不受影響，這又是三層身分派上用場的地方。

開發者側的產品值得多看兩眼，因為它們的定位在 2026 年很罕見。MiniMax Code 是官方的桌面編碼代理，有 Coding 與 Work 兩種模式，一種保留程式碼管理工具、一種聚焦最終交付；MiniMax Design 是「AI 代理帶領的商業內容產製平台」，輸入行銷目標後由代理拆解任務、呼叫模型、產出海報配圖腳本配音。真正關鍵的是 M Plan：官方文件明載它支援 Claude Code、Codex、Cursor、OpenCode、Hermes Agent 與 OpenClaw 等第三方代理工具，原理是提供 Anthropic 相容的 API 端點，讓你用熟悉的工具殼去跑 M 系列模型。換句話說，已經把工作流架在 Claude Code 上的人，換一組金鑰就能比較 M3 的表現，切換成本接近零，這個設計決策本身就是產品策略。

M Plan 的結構依官方說明頁整理：三個階級 Go、Explore、Build，用量分別是 1 倍、3 倍與 7.5 倍基準，最新文字模型 M3.1-Flash-Preview 三階都含，影片模型 H3 從 Explore 起跳，額度有五小時與每週兩個獨立視窗，影片只有週視窗，用完可以加購 credit packs 或轉換成隨用量計費的標準金鑰，年繳是買十個月送兩個月。方案價格文件頁未列，以官網方案頁現場數字為準。對台灣使用者的判斷很實際：重度且規律的個人多模態使用，訂閱制通常划算；要接進自家產品對外提供服務，走 API 隨用量計費，兩者帳單邏輯不要混。

從 abab 到 M3 與 H3：版本沿革的正確讀法

版本史先看文字這條線。2022 年的 abab 系列是公司的第一代語言模型，名稱樸素到現在看起來像上個時代；2024 年 4 月的 ABAB 6.5 引入混合專家架構；2025 年 1 月的 MiniMax-01 系列（含文字與視覺）是第一波國際能見度；2025 年 6 月的 M1 之後，命名轉為 M 系列，節奏加快：M2 在 2025 年下半年登場並開放權重，M2.1、M2.5 在 2026 年 2 月前後推進，M2.7 接在 3 月，M3 則在 2026 年 6 月 1 日發布，成為現行旗艦。依中國官網研究專欄的日期，M3 的三個關鍵字是 MSA 稀疏注意力、1M 上下文與原生多模態，定位直指編碼與代理任務。最新的 M3.1-Flash-Preview 尚未全面開放，目前綁在 M Plan 與 MiniMax Code 裡。

影片這條線更陡。2024 年 9 月的 video-01 是第一代文字生影片模型，之後以「海螺」為產品名、Hailuo 02 與 2.3 為模型名逐步換代；2026 年 7 月 31 日的 H3 是質變點，開放權重、多模態輸入、可生成立體聲。8 月下旬，生態夥伴 fal 以 H3 權重做後訓練推出 H3 Max，強化提示遵循與畫面美感、大幅提速，官方平台隨後把 H3-Max 也接進 API 選單。這個「開放權重、夥伴後訓練、官方回收代管」的三步走，是讀懂 MiniMax 影片策略的鑰匙：它把模型當成平台在做，生態越大、模型被改造的版本越多，牌桌上的座位就越穩。

沿革表看完，判斷資訊新舊的規則也該交給你：版本與價格的現況，一律以開放平台的版本紀錄與定價頁為準。App 選單會滯後，第三方教學會過期，這篇文章本身也一樣有保存期限，唯一的差別是每個數字都標了查證日期，過期了你知道從哪裡開始重查。官方文件活著，轉述都是快照。

模型家族現況：文字、影片、語音、音樂各守一攤

文字這攤，M3 是現行旗艦。依 Hugging Face 官方組織頁與 API 文件的交叉核對，M3 總參數 427B，強項是編碼與代理任務，靠新的 MSA 稀疏注意力架構把上下文推到 1M token，並原生支援多模態輸入；M2.7、M2.5、M2.1 與 M2 都是 229B 級，作為成本與速度的梯度選項並存。API 介面有三套相容層：Anthropic 相容、OpenAI 相容與官方原生，另有 MCP 與網頁搜尋工具可用，這種「全面相容」的姿態，擺明要讓既有應用零改動搬家。

影片這攤是主秀。H3 是 33B 的圖文生影片模型，依官方影片生成文件的規格：單段 4 到 15 秒、768P 或 2K、每秒 24 幀、輸出帶 32kHz 立體聲，提示詞最長 7,000 字元；參考輸入可以塞最多 9 張圖、3 段影片與 3 段音訊（混合上限 12 個檔案），支援首幀與尾幀指定、[pan]、[zoom]、[static] 這類鏡頭語言標籤，768P 成品可以加價重生成為 2K，還有 H3-Context-IR 把多模態素材整理成結構化提示詞。H3 Max 是同一家族的高速版，480P 與 768P 兩檔、5 到 15 秒，由 fal 後訓練調校，犧牲 2K 解析度換取速度，fal 對兩個型號的建議很直白：要 2K、要參考與編輯端點用 H3，要快要省用 H3 Max。fal 生態裡還有 H3 Max Director 與 3D-to-Video 等衍生端點，依 fal 的 H3 產品頁，登入用戶每天有五次免費 H3 Max 生成可以試手感。

語音與音樂兩攤，規模小但完整。Speech 2.8 分 hd 與 turbo 兩條線，附帶語音設計、聲音複製與語音辨識；Music 3.0 是 2B 的音樂生成模型，單首最長五分鐘，已經開放權重，官方同時宣布音樂 API 自 2026 年 8 月 20 日起不再收新用戶、免費端點逐步退場，等於明白告訴開發者：音樂這條線走開放權重自架，別押在 API 上。影像這攤最薄，image-01 一款按張計費。整體看，MiniMax 的版圖是「文字與影片雙旗艦、語音音樂補完、影像點綴」，資源集中度非常高。

把規格表讀成選型語言，三個事實跳出來。第一，H3 是 2026 年 10 月市場上少數「旗艦級又開放權重」的影片模型，你可以在自己的機器上跑它、微調它，這在 Veo 與 Sora 身上都做不到；第二，立體聲原生輸出讓影片成品不需要後製配音就可用，對短影音量產場景是實打實的工時節省；第三，M 系列的全面 API 相容意味著文字這攤的試用成本幾乎為零，換個模型名稱就能跑 A/B。三個事實疊起來，就是下一節選型表的地基。

AI 影片生成怎麼選：H3 放上 2026 年 10 月的牌桌

選型先看牌桌上有誰、條件是什麼，全部依 2026 年 10 月 9 日查證的官方文件整理。Google 這側是雙線並行（依 2026 年 10 月 9 日的 Google 定價頁與 Veo 文件）：現行預設的影片模型是 Gemini Omni Flash，720p 影片輸出換算約每秒 0.10 美元；Veo 3.1 三檔並售，Standard 每秒 0.40 美元（720p 與 1080p 同價、4K 每秒 0.60 美元）、Fast 每秒 0.10 到 0.12 美元（4K 為 0.30）、Lite 每秒 0.05 到 0.08 美元，官方文件建議需要場景延伸、尾幀控制或既有管線整合時才選 Veo，單段 4、6 或 8 秒（1080p、4K 與參考圖情境限 8 秒），延伸功能每次加 7 秒、最長可疊到 148 秒。快手 Kling 的現行旗艦是 Kling 4.0，消費端與 API 並行，官方定價頁需登入且動態載入，本次匿名查證拿不到牌價，選型時請以官網現場數字為準。OpenAI 的 Sora 出現結構性變化：官方文件載明 Sora 2 模型與 Videos API 已於 2026 年 9 月 24 日退役，影片生成 API 這條路在 OpenAI 側已收起來，消費端 App 是帳號內服務、本次未能匿名驗證其現況，兩件事不要混為一談。

MiniMax 自己的牌是這樣打的：H3 每秒 768P 0.08 美元、2K 0.13 美元，H3 Max 每秒 480P 0.05 美元、768P 0.08 美元。輸入素材另外計費，規則分型號：音訊輸入免費，H3 的參考圖前五張免費、之後每張 0.04 美元，H3 Max 前兩張免費、之後每張 0.074 美元，輸入影片按秒另計。換算成一支 10 秒成品的輸出裸價：H3 Max 480P 是 0.50 美元，H3 768P 是 0.80 美元，H3 2K 是 1.30 美元，Veo 3.1 Standard 1080p 是 4.00 美元。同一張牌桌上，最高與最低價差到八倍，這還沒算 Kling 與 Sora 的變數。價格差距這麼大，選型就必須從「哪家最強」換成「我的場景付得起哪個檔位」，這正是選型表存在的理由。

把帳單結構讀細，還能設計出更省的工作流。輸入價先記 H3 這組：參考圖前五張免費、之後每張 0.04 美元，輸入影片按秒計費（768P 每秒 0.08 美元）；H3 Max 的免費額度只到前兩張，之後每張 0.074 美元，所以跑 H3 Max 草稿時參考圖控制在兩張內最划算。另一個關鍵數字是 768P 升級 2K 的重生成，輸出每秒只要 0.05 美元。這幾個數字湊出一個實戰節奏：草稿階段全部用 768P 甚至 H3 Max 480P 跑量，同一組提示詞反覆試錯，每支失敗品的輸出成本壓在半美元上下；入選的少數幾支再用重生成升到 2K，只為入選者付升級價。同樣的邏輯套到其他家不成立，Veo 的 4K 是一次到位計價、沒有升級檔，Sora 的 API 已收，這套「便宜試錯、精選升級」的兩段式成本設計，是 H3 系列在量產場景最實際的競爭力。

表格之外，四條判斷軸把選型收斂成可執行的決定。單位成本軸：批量素材場景（電商商品展示、社群短影音的量產帳號）對每秒單價最敏感，H3 Max 480P 的 0.05 美元是牌桌上最低的公開牌價，一支 10 秒素材半美元，跑一百支的預算也才 50 美元。能力軸：品牌形象片或需要 4K 的正式交付，Veo 3.1 Standard 的 4K 檔與 H3 的 2K 檔是兩個不同氣質的選項，前者勝在畫面精緻度的市場口碑，後者勝在開放權重帶來的可控性。生態軸：要把影片生成塞進自動化流程或想微調專屬風格，H3 是唯一開放權重的旗艦級選項，自架與 LoRA 微調都有官方文件背書。取得軸：台灣使用者四家的官網都連得上，API 端則各不相同：Google 帳號體系最無摩擦，MiniMax 國際站註冊即可用，Kling 網頁版即開即用、API 牌價要登入才看得到，OpenAI 的影片生成 API 已收、只剩消費端 App 這條路。

兩個提醒讓選型表用得更穩。其一，授權與法律風險自評不能省：好萊塢片商對海螺的訴訟還在進行，版權角色相似性、訓練資料來源與輸出授權的灰色地帶，在商用交付前都要過一遍法務眼光，fal 的服務條款允許 API 產出商用，但條款允許與法律風險消失是兩件事。其二，單工具的深度操作教學（提示詞結構、剪輯與續接）本站另有專文：Grok Imagine 的四層實戰寫在Grok Imagine 指南，跨模型選型的姊妹篇則是生圖模型的完整比較，影片與生圖的選型邏輯同骨架不同參數，兩篇對照著讀效率最高。至於把這些模型當素材庫用的第三方聚合平台，Freepik 的模型牆也列了 MiniMax 的影片模型，當作備用取得管道知道就好。

費用兩種算法：API 隨用量與 M Plan 訂閱分開算

費用沿著服務層的兩種身分分成兩套帳。API 這套按用量計費，文字以 token 計價，概念與各家相同，token 的計算邏輯這篇有完整說明，這裡直接給官方定價頁在 2026 年 10 月 9 日的牌價重點：M3 每百萬 token 輸入 0.30 美元、輸出 1.20 美元（這是掛了永久五折後的價，輸入超過 512K token 的長上下文請求加倍計價，Priority 服務等級再乘 1.5）；M2.7、M2.5 到 M2 全系都是 0.30 與 1.20 美元，快取讀取另有 0.03 到 0.06 美元的低價。語音按字元計，speech-2.8-hd 每百萬字元 100 美元、turbo 60 美元；音樂每首 0.15 美元；生圖每張 0.0035 美元。

這張表拿來逐格比大小會誤導，值得帶走的是兩個結構性觀察。其一，低價層早已進入割喉戰：gpt-6-luna 與 Haiku 5.5 都壓到 0.10 與 0.50 美元，低於 M3 的 0.30 與 1.20，「中國模型自動等於便宜」的假設在 2026 年的文字市場已經失效，選 MiniMax 需要比價格更硬的理由。其二，M3 真正的差異化在兩件美國陣營不提供的事：開放權重讓整條工作流可以搬離雲端，Anthropic 相容端點讓遷移的工程成本趨近於零。把牌價當成本下限、把遷移自由當主菜，這張表才算讀對。

抽象的牌價要落到月帳單才好比較。拿一個內部工具試算：每月 3,000 萬 token 輸入、600 萬 token 輸出，全走 M3 標準價，月費約 9 美元加 7.20 美元、合計 16.20 美元；影片管線另計，每週產三支 10 秒 768P 的 H3 素材，月費約 9.60 美元；品質要求允許的話降到 H3 Max 480P，月費約 6.00 美元，省三成七。M Plan 訂閱那套帳，適合的是「以個人工時為單位」的使用：重度編碼代理、每天多輪對話、每週固定量影片，Go 到 Build 的三階對應三種使用強度，額度用完加 credit pack 或轉標準金鑰，帳單邏輯清爽。判斷歸一句話：產品要對外提供服務選 API，個人產能放大選訂閱，兩者混用時以每月實際用量做一次試算，答案通常一面倒。

API 帳單還有三個能主動操作的槓桿。快取是第一個：M 系列快取讀取每百萬 token 0.03 到 0.06 美元，是未命中輸入價的十分之一到五分之一，系統提示與參考文件固定放在請求開頭、保持逐字一致，命中率自然拉高，把「每個請求重貼一次長文件」的寫法改掉，帳單常常直接少一截。長上下文是第二個：M3 對超過 512K token 的輸入加倍計價，把百萬級上下文當免費午餐的人會在帳單上被教育，資料該分塊、該檢索、該快取，架構層先想清楚再送請求。Priority 是第三個：標準價乘 1.5 換優先排程，只對延遲敏感的互動場景有意義，批次與非同步任務一律走標準，這個開關預設別開。

資料與隱私：入口決定轄區，動手前先過四個檢查點

這一節值得逐字讀完再動手。檢查點的骨架借用Gemini 3 企業落地的三道檢查，加上雙軌主體專屬的一道，同題型的對照可以讀DeepSeek 的中國轄區檢查點，兩家公司的答案剛好示範了同一套問題可以得出完全不同的結論。

檢查點一：你用的是哪個入口，營運主體是誰。國際平台的隱私政策在 2026 年 10 月 9 日的版本由 Nanonoble Pte. Ltd. 署名，註冊地址在新加坡，並附有歐盟、英國、瑞士、澳洲、美國各州、加拿大、馬來西亞與新加坡的轄區專節，這是標準的國際化合規佈局；中國境內入口則由上海稀宇科技營運，適用中國的個資與網路資料法規。同一個品牌、兩套主體、兩套法域，你必須先確認自己註冊與付費的是哪一個，後面三個檢查點的答案才會對。

知道主體之後，權利與救濟管道就看得懂了。國際政策列出當事人權利（存取、更正、刪除等），承諾收到郵件後十五個工作日內初步回覆，聯絡管道是政策上的信箱；歐盟與英國用戶適用 GDPR 等級的保障，如果你的客戶在歐盟，選國際入口等於選了一套有歐洲法配套的處理鏈。台灣團隊自己的義務在《個人資料保護法》的跨境委外條款：把含個資的資料交給境外處理者，委託契約要載明對象、地區與方式，這一條對美國供應商與新加坡主體的中國品牌一體適用，差別在後者的「集團研發在中國」這件事要額外寫進風險評估。還有一個小但硬的提醒：帳號刪除是永久且不可回復的操作，內容拿不回來，送出前先把要留的東西匯出。

檢查點二：資料存在哪裡。國際平台政策原文寫明個人資料「儲存於位於美國的資料中心」，馬來西亞專節也重申伺服器位於美國，這與 DeepSeek 政策直書「在中華人民共和國收集、處理並儲存」形成鮮明對照。但 storage 地圖要讀完整：資料存放的轄區是一件事，集團研發與母公司所在的法域是另一件事，政策裡同時存在著中國個資法風味的條款語言，包括處理國家安全與國防安全相關事務時得不事先取得同意的例外。對台灣團隊的務實解讀是：國際入口的資料落地風險顯著低於直連中國的服務，但供應鏈風險評估仍應把「集團研發主體在中國」計入，兩層分開看，都不要假裝另一層不存在。

檢查點三：你的輸入會被拿去做什麼。國際平台政策列有「商業利用」條款：在正當利益基礎上，得對蒐集的個人資訊做自動化處理，去識別化或匿名化後形成用戶資料庫，進行挖掘、分析與商業化利用，目的涵蓋研發；政策同時聲明不用輸入資料推斷個人特徵、不用於消費者剖析。白話翻譯：隱私政策沒有像 DeepSeek 那樣把「訓練與改善模型」直接寫進處理目的，但保留了去識別化後的研究使用權；而且開放平台的服務條款另有一條寫得更直白：得使用你的輸入與生成內容來提供、維護、開發與改善服務。「訓練」兩個字雖然沒有出現，把輸入可能進研發管線當成預設值，是最不容易出錯的心態，API 企業級的資料承諾要逐入口向官方核對。這也是資料與隱私框架一文反覆驗證過的原則：退出某一種用途，不等於資料停止流動。

檢查點四：客戶合約與團隊規範。多數 B2B 合約的保密條款禁止把客戶資料交給第三方處理，而資料一貼進雲端 AI 服務，法律上通常就踩進這條線，動手前把合約翻出來看、該取得客戶同意的就先取得。團隊內部則要有白紙黑字的分工：資料分幾級、每一級能不能進 AI、產出由誰把關，三個問題寫成三行，貼出來比記在某人腦子裡可靠。真的要送工作文件進模型，先做最基本的遮罩：人名與客戶名改成代號、會指向特定人的編號與日期移除或平移、掃一遍簽名檔與表單標頭的殘留。遮罩降低的是被認出來的機率，商業機密的保密義務一毛不減，兩種保護要疊著用。

自架是主權解法，而 H3 在這條路上給得意外大方。依官方自架指南：權重採社群授權，美國、歐盟、英國與韓國是排除地域、需另行授權，台灣不在排除名單，下載部署與提供服務適用社群授權條款；硬體門檻方面，官方參考配置是單節點八張 B200，自架指南引述的上游實測則顯示兩張 RTX 5090 靠張量並行與分層卸載跑得動（每段約九分鐘）、單張 RTX 4090 24GB 搭 INT8 量化也勉強可行，這些是社群與上游數據，不是官方保證的最低門檻。要注意開放權重釋出只含 H3-Base 的文生影片與參考生成兩個部分，Context-IR 提示強化與 2K 重生成管線不在包裡，自架成品與官方 API 成品有功能差，驗收基準要分開設。自架路線的完整評估方法（量化、推論框架、成本模型）寫在本地部署實戰指南，通用結論同樣適用：自架買到的是控制權，賣掉的是有人幫你兜底的便利。

四個檢查點最後收斂成一條可執行的分級路線：對外可公開的素材與測試流量，走國際平台，吃低價與完整功能；客戶機密與含個資的原始檔，不進任何雲端模型，要處理就先去識別化到看不出對象；介於中間的商業文件，交給自架的 H3 或 M 系列，配合社群授權在台灣適用的條件，主控權留在自己的機器上。分級只需要回答一個問題：這些資料若出狀況，哪個法域的哪份合約會來善後。答得出口就放行，答不出來就把答案補齊再動作，這一題在每一家供應商的評估表上都通用，差別只在 MiniMax 這裡，同一張表要填兩個入口。

跟 ChatGPT、Claude 怎麼選：把 MiniMax 放對位置

要判斷它該不該進你的工具箱，先設計一個公平的測法。挑三個可重複的任務：一段要求保留所有但書的摘要、一組同提示詞同參考圖的影片、一次帶明確格式要求的文件整理，分別交給各家主力模型，記錄漏了幾項、來回改了幾次、產出可直接採用的比例。這種自家盲評一個下午跑得完，結論比任何外部評測都貼合你的工作型態，因為分母是你自己的任務。查證的紀律不因品牌放鬆，M3 的輸出同樣要對回原始來源，AI 幻覺的成因與防範那篇的框架一體適用。

結論先說死：既有的流程如果已經跑在 ChatGPT 或 Claude 上，不建議為了省錢而搬遷。遷移要重跑驗收、重學操作、重接整合，這些工時換算下來通常高於牌價差；低價層的競爭又已經白熱化，gpt-6-luna 與 Haiku 5.5 都比 M3 便宜，光靠省錢成立不了遷移理由。真正該把 MiniMax 放進工具箱的是三種場景。場景一，影音一條龍與影片量產：H3 系列的每秒單價加原生音訊，讓腳本、配音、影片在同一個平台上完成，同價位帶原生音訊的對手寥寥可數（Veo 3.1 Lite 是其中之一），H3 還多了開放權重這張牌。場景二，主權與自架需求：33B 的 H3、229B 的 M 系列、音樂模型都提供下載，微調、私有化、離線環境的彈性是封閉模型給不了的。場景三，想替編碼代理換一顆便宜的引擎：M Plan 的 Anthropic 相容端點讓Claude Code、Cursor 換組金鑰就能接上 M 系列，OpenClaw 這類開源代理的官方支援清單也列了 MiniMax，拿原有帳單對照試算一個月，值不值一翻兩瞪眼。

生態成熟度是另一個維度，帳面數字看不出來。企業要的管理後台、稽核軌跡、權限細節與整合件數，ChatGPT 與 Claude 累積了多年；MiniMax 的價值形狀不同，強在多模態一條龍、開放權重與對開發者工具鏈的全面相容。這兩種價值不在同一條跑道上排名次，務實的配置是主工作流留在穩定的那家，MiniMax 承接影片管線與成本敏感的批次。並用時唯一不能省的功課是留下紀錄：任務、模型、提示詞、驗收結果四個欄位，三個月累積下來就是你自己的選型資料庫，哪天供應商改版、漲價或調整政策，這份表立刻變成遷移評估的現成清單。

開始用之前的五個動作

收藏一堆技巧文，不如把五個動作照順序走完一遍。第一，註冊時認明國際官方網址（minimax.io 與 platform.minimax.io），中國站與國際站是兩套帳號與政策，別開錯邊。第二，花 0.80 美元跑一支 10 秒 768P 的 H3 影片，提示詞加一個 [zoom] 鏡頭標籤與一張參考圖，驗收點是畫面遵循度與立體聲品質，這支片子是你的第一手基準，別人的評測替代不了。第三，把國際平台隱私政策裡的資料儲存與商業利用兩節讀完，之後每次貼資料前，你腦中會自動跑一遍這兩節的檢查。第四，選一件每月都會重複跑的量大任務，分別用牌價與 M Plan 階梯各算一次月成本，兩個數字並排，該走哪套計費一目了然。第五，跟團隊約定三句話的分級規則：哪些資料可以進 AI、哪些不行、產出由誰複核，寫下來放在共同空間。

五個動作走完，手上的判斷素材就齊了：一支出自自家提示詞的影片、一組兩種計費的試算、一條貼在牆上的分級規則。回頭看這家公司，三個座標已經把它定位好：從商湯視覺團隊長出來的研發背景、服務與模型分開又彼此餵養的雙軌結構、資料在國際與中國兩側的不同落點。供應商的名字每季都在換，這三個座標的問法不會換，下一次新名字冒出來，同樣三問照樣把它的位置標出來。