¿Vale la pena MiniMax H3 en 2026? La guía de compra honesta (reference-to-video)

Respuesta corta: vale la pena si tu plano es un personaje hablando —o una edición chica sobre un clip que ya te gustó— y no vale la pena si buscás acción cinética pesada, un plano de más de quince segundos, o un 1080p de identidad estricta. MiniMax H3 en modo Ref2V (reference-to-video, o r2v) es el carril económico del diálogo en Moosky: hasta 9 imágenes, 3 videos y 3 audios de referencia por corrida (12 archivos como máximo en total), salida de 4 a 15 segundos, borradores en 768P a unos 10 créditos por segundo y finales en 2K a unos 18. Cada número de esta guía sale del código de cobro del propio composer, y la cotización exacta aparece en pantalla antes de apretar generar. Si venís comparando motores de referencia, esta es la nota de compra; el paso a paso del flujo vive aparte, en la guía del flujo MiniMax H3 Ref2V. ¿Lector angloparlante? La guía de compra en inglés vive en Is MiniMax H3 worth it in 2026?.

Qué sostiene y qué no la dirección con referencia

El r2v existe para una promesa: mostrar el plano en vez de describirlo. En H3 la promesa se cumple en tres terrenos concretos:

• Diálogo actuado. Es la fortaleza nombrada del modelo: voz por referencia con labios sincronizados a la línea escrita, en cualquiera de sus 11 idiomas de diálogo, con audio estéreo nativo en la misma pasada. Un personaje que habla y sostiene su cara entre tomas es exactamente lo que H3 hace mejor que sus hermanos de carril.
• Identidad atada a la hoja de referencias. Cuando el personaje vive en tus archivos (tres ángulos de cara, la ropa aparte, el objeto aislado) y no en un golpe de suerte de un render, la cara aguanta los giros de cámara y la ropa no cambia de toma a toma.
• Edición delta sobre un clip aprobado. Adjuntás la toma que ya te gustó como Video 1 y pedís solo el cambio —misma escena, misma entrega, la campera ahora azul—. Pagás los segundos de salida más los segundos del video adjunto (que se cobra por segundo de entrada a la tarifa de la resolución de salida), no una reconstrucción desde cero. Es la función que convierte iterar en barato.

Y lo que no sostiene: el texto exacto en pantalla es poco confiable (no diseñes alrededor de un cartel legible), y la sincronización labial cuadro-perfecta a palabras específicas no está prometida. Si tu entrega se juega ahí, primero un borrador corto antes de apostar la escena.

La cuenta honesta: créditos por clip

Acá es donde esta guía se diferencia de una reseña. El composer de H3 Ref2V se cobra de una sola receta, abierta: una tarifa base de 10 créditos más los segundos de salida según resolución, más los materiales de entrada pasados por lista. El crédito vale US$ 0,01 (100 = US$ 1), no hay suscripción, y las corridas fallidas se reintegran.

Las primeras cinco imágenes de entrada son gratis; de ahí en cada imagen extra suma US$ 0,04 y cada segundo de video de entrada suma US$ 0,08 (768P) o US$ 0,13 (2K) —el video de entrada se cobra según la resolución de SALIDA que elijas, por eso el mismo clip de movimiento encarece más en 2K—, y el audio es cortesía de la casa. Esos montos de entrada se convierten a créditos con el mismo 30 % de recargo de la casa que la salida (100 créditos = US$ 1) y se redondean hacia arriba una sola vez por corrida, no por archivo: un extra de US$ 0,04 aparece como 6 créditos, no 5,2. Con la grilla arriba y la cotización en pantalla antes de generar tenés el número exacto. Tres corridas reales para que el número deje de ser abstracto:

• Exploración: 4 segundos en 768P con tres imágenes (todas dentro de las cinco gratis) → 50 créditos, unos US$ 0,50.
• Toma de dirección: 5 segundos en 768P con un clip de referencia de 3 segundos → 92 créditos, unos US$ 0,92 (cinco segundos a 10 créditos por segundo más la base de 10 suman 60; los 3 segundos de entrada a US$ 0,08 por segundo, con el recargo y redondeados por corrida, aportan los 32 restantes).
• Final: 8 segundos en 2K con el mismo clip de 3 segundos → 205 créditos, unos US$ 2,05 (ocho segundos a 18 créditos por segundo más la base de 10 suman 154; los 3 segundos de entrada a US$ 0,13 por segundo, con el recargo y redondeados por corrida, aportan los 51 restantes).

Entre el borrador de 50 créditos y el final de 205 hay unas cuatro veces de diferencia, y buena parte la pone el escalón de resolución más la tarifa del video de entrada (que se cobra más caro en 2K). Es un número barato comparado con pagar la toma buena en cada experimento, y la razón por la que la disciplina del borrador importa más que la suerte del primer prompt.

La pared de créditos, sin eufemismos

Nuestra propia auditoría de embudo de este mes registró tres intentos sobre el carril H3 y ninguno llegó a ejecutar: las cuentas nuevas chocaban con el saldo vacío sin saber qué estaban por pagar. Para que no te pase: el registro regala 10 créditos más 50 de planificación, y eso NO alcanza un clip de H3 —el borrador más barato del composer sale 50 créditos, y el piso de cualquier corrida es de 12—. Los créditos de alta alcanzan para preparar las imágenes de referencia, armar la hoja y ver la cotización con tus propios ojos; para el primer clip hace falta una recarga, mínima de US$ 5 (500 créditos) desde la página de créditos. Si venís a comparar antes que a producir, mirá primero la calculadora honesta de cuánto cuesta un video con IA: la lógica del saldo entero está ahí.

Cuándo NO comprar H3 (y qué usar en su lugar)

Un buying guide que no dice cuándo no comprar es publicidad. Cuatro casos de salida:

1. Acción cinética pesada. Persecuciones, deportes, coreografías de cámara violentas: el carril económico de referencia no es el mejor para eso. En el mismo saldo de créditos, el Wan 3.0 R2V es la elección por defecto para movimiento transferido desde un clip —su flujo en español, con la trampa de los 30 segundos incluida, está en cómo hacer un video con un video de referencia.
2. Planos de más de 15 segundos. El techo de salida del H3 r2v son 15 segundos; si la escena necesita 16 a 30, ese trabajo es del Wan 3.0, que además llega a 1080p.
3. Consistencia de identidad larga a máxima resolución. Diez imágenes de referencia y salidas más largas pertenecen a otro motor; H3 gana en el plano hablado corto.
4. Presupuesto de una sola toma. Si tu proyecto es un único clip hero sin iteración, la diferencia entre motores casi no se nota y vale más gastar el tiempo en el brief. La decisión completa modo por modo —r2v contra imagen-a-video contra texto-a-video— está en qué es un video de referencia con IA.

Contra la suscripción: qué pagás cuando no pagás por mes

La comparación de compra que importa no es H3 contra otros modelos sino r2v-por-créditos contra el plan mensual de cualquier plataforma que te obligue a pagar el mes entero uses o no uses. Una suscripción de gama alta ronda los US$ 20 mensuales con créditos que no pasan al mes siguiente; acá cada 100 créditos cuestan 1 dólar, el saldo espera, y la marca de agua viene apagada de fábrica. Si generás todos los días en el ecosistema de un proveedor grande, su plan se justifica por el paquete completo; si generás por proyecto —tres clips esta semana, ninguno el mes que viene—, la cuenta de arriba (50 / 92 / 205 créditos) dice la verdad: pagás la toma que conservás, no el calendario. Los dos carriles de MiniMax en Moosky —el panel comercial del modelo y la página del modo Ref2V— tienen los ejemplos en vivo por si querés ver el nivel antes de cargar nada.

Preguntas frecuentes

¿Los 10 créditos de regalo alcanzan para probar el H3? Para armar la hoja de referencias y ver la cotización, sí. Para un clip, no: el borrador más barato del composer sale 50 créditos. Es la pared que más abandona gente, y preferimos decirlo acá que mostrarla después.

¿Conviene empezar en 2K para no duplicar trabajo? No. La secuencia económica es borrador en 768P (10 créditos por segundo), dejar la toma derecha con cambios de un solo archivo, y recién ahí editar el delta de la toma aprobada a 2K. Pagar el 2K en el borrador es pagar dos veces la misma suerte.

¿El clip de referencia me encarece la corrida? Sí, y es el número que más gente subestima: cada segundo de video de entrada se cobra según tu resolución de salida (US$ 0,08 por segundo a 768P, US$ 0,13 a 2K, con el recargo de la casa y redondeado por corrida). Cortalo al hueso: los segundos que sostienen el gesto, no la toma entera.

¿H3 hace el diálogo en español? Sí — el modelo performa el diálogo en once idiomas y el tuyo entra en la lista; la línea va escrita entre comillas en el prompt, y si adjuntás una muestra de voz como Audio 1, la entrega con ese timbre.

La cuenta final, en una línea: comprá MiniMax H3 r2v cuando lo que necesitás es un personaje que habla —borrador de 50 créditos, dirección por 92, final por 205— y dejalo en la góndola cuando lo tuyo sea acción larga, planos de más de quince segundos o un cartel que tenga que leerse. ¿Decidido? El generador con el composer de H3 abierto te muestra la cotización antes de la primera corrida.