Vale a pena o MiniMax H3 em 2026? O guia de compra honesto (reference-to-video)

Resposta curta: vale a pena se o seu plano é um personagem falando — ou uma edição pequena sobre um clipe que já te agradou — e não vale a pena se você busca ação cinética pesada, um plano de mais de quinze segundos ou um letreiro que precise ser lido. O MiniMax H3 no modo Ref2V (reference-to-video, ou r2v) é a raia econômica do diálogo na Moosky: até 9 imagens, 3 vídeos e 3 áudios de referência por corrida (12 arquivos no total), saída entre 4 e 15 segundos; rascunhos em 768P giram em torno de 10 créditos por segundo, finais em 2K perto de 18. Cada número deste guia sai do código de cobrança do próprio composer, e o valor exato aparece na tela antes do primeiro clique. Se você está comparando motores de referência, esta é a nota de compra; o passo a passo do fluxo mora em outro lugar, no guia do fluxo MiniMax H3 Ref2V. Leitor anglófono? O guia de compra em inglês vive em Is MiniMax H3 worth it in 2026?.

O que a direção por referência segura — e o que não segura

O r2v existe para uma promessa: mostrar o plano em vez de descrevê-lo. No H3 a promessa se cumpre em três terrenos concretos:

• Diálogo atuado. É a força declarada do modelo: voz por referência com lábios no tempo da fala escrita, em qualquer um dos seus 11 idiomas de diálogo, com áudio estéreo nativo na mesma passada. Um personagem que fala e sustenta o mesmo rosto entre takes é exatamente o que o H3 faz melhor que os irmãos de raia.
• Identidade presa na folha de referências. Quando o personagem mora nos seus arquivos (três ângulos de rosto, a roupa à parte, o objeto isolado) e não num golpe de sorte de render, a cara aguenta as viradas de câmera e a roupa não muda de take para take.
• Edição delta sobre um clipe aprovado. Você anexa a tomada que já te agradou como Video 1 e pede só a mudança — mesma cena, mesma entrega, o casaco agora azul. Você paga os segundos de saída mais os segundos do vídeo anexado (que é cobrado por segundo de entrada na tarifa da resolução de saída), não uma reconstrução do zero. É a função que transforma iterar em algo barato.

E o que ele não segura: texto exato na tela é pouco confiável (não projete a cena em torno de um letreiro legível), e a sincronia labial quadro-perfeita em palavras específicas não está prometida. Se a sua entrega depende disso, comece com um rascunho curto antes de apostar a cena.

A conta honesta: créditos por clipe

É aqui que este guia se diferencia de uma resenha. O composer do H3 Ref2V cobra uma única receita, aberta: uma taxa base de 10 créditos mais os segundos de saída conforme a resolução, mais os materiais de entrada cobrados à lista. Cem créditos somam US$ 1, não existe assinatura, e corrida que falha é reembolsada.

As cinco primeiras imagens de entrada são gratuitas; dali em diante cada imagem extra soma US$ 0,04 e cada segundo de vídeo de entrada soma US$ 0,08 (768P) ou US$ 0,13 (2K) — o vídeo de entrada é cobrado conforme a resolução de SAÍDA que você escolher, e é por isso que o mesmo clipe de movimento encarece mais em 2K —, e o áudio é cortesia da casa. Esses valores de entrada são convertidos a crédito com o mesmo acréscimo de 30 % da casa que a saída (100 créditos = US$ 1) e arredondados para cima uma única vez por corrida, não por arquivo: uma imagem extra de US$ 0,04 é lançada como 6 créditos — nunca 5,2. Com a grade acima e a cotação na tela antes de gerar, você tem o número exato. Três corridas reais para o número parar de ser abstrato:

• Exploração: 4 segundos em 768P com três imagens (todas dentro das cinco grátis) → 50 créditos, uns US$ 0,50.
• Tomada de direção: 5 segundos em 768P com um clipe de referência de 3 segundos → 92 créditos, uns US$ 0,92 (a saída de cinco segundos a 10 créditos por segundo mais a base de 10 fecha em 60; a entrada de 3 segundos, tabelada em US$ 0,08 por segundo com o acréscimo e o arredondamento por corrida, entra com os 32 restantes).
• Final: 8 segundos em 2K com o mesmo clipe de 3 segundos → 205 créditos, uns US$ 2,05 (a saída de oito segundos a 18 créditos por segundo mais a base de 10 fecha em 154; a entrada de 3 segundos, tabelada em US$ 0,13 por segundo com o acréscimo e o arredondamento por corrida, entra com os 51 restantes).

Entre o rascunho de 50 créditos e o final de 205 há quase quatro vezes de diferença, e boa parte dela vem do degrau de resolução e da tarifa do vídeo de entrada (que cobra mais caro em 2K). É um número barato comparado a pagar a tomada boa em cada experimento — e o motivo pelo qual a disciplina do rascunho importa mais que a sorte do primeiro prompt.

A parede de créditos, sem eufemismo

Nossa própria auditoria de funil deste mês registrou três tentativas na raia do H3 e nenhuma chegou a executar: contas novas esbarraram no saldo vazio sem saber o que estavam prestes a pagar. Para que não aconteça com você: o cadastro dá 10 créditos de presente mais 50 de planejamento, e isso NÃO compra um clipe de H3 — o rascunho mais barato do composer sai por 50 créditos, e o piso de qualquer corrida é de 12. Os créditos de entrada servem para preparar as imagens de referência, montar a folha e ver a cotação com os próprios olhos; para o primeiro clipe você vai precisar de uma recarga, mínima de US$ 5 (500 créditos) na página de créditos. Se você veio comparar antes de produzir, comece pela calculadora honesta de quanto custa um vídeo com IA: a lógica inteira do saldo está lá.

Quando NÃO comprar o H3 (e usar o quê no lugar)

Um guia de compra que não diz quando não comprar é publicidade. Quatro casos de saída:

1. Ação cinética pesada. Perseguições, esportes, coreografias de câmera violentas: a raia econômica de referência não é a melhor para isso. No mesmo saldo de créditos, o Wan 3.0 R2V é a escolha padrão para movimento transferido de um clipe — o fluxo dele em português, com a armadilha dos 30 segundos inclusa, está em como fazer um vídeo a partir de uma referência com IA.
2. Planos de mais de 15 segundos. O teto de saída do H3 r2v são 15 segundos; se a cena pede de 16 a 30, esse trabalho é do Wan 3.0, que ainda chega ao 1080p.
3. Consistência de identidade longa em resolução máxima. Dez imagens de referência e saídas mais longas pertencem a outro motor; o H3 ganha no plano falado curto.
4. Orçamento de tomada única. Se o seu projeto é um único clipe herói sem iteração, a diferença entre motores quase não aparece e vale mais gastar o tempo no briefing. A decisão completa modo por modo — r2v contra imagem-para-vídeo contra texto-para-vídeo — está em what is reference-to-video (r2v).

Contra a assinatura: o que você paga quando não paga por mês

A comparação de compra que importa não é H3 contra outros modelos, e sim r2v-a-créditos contra o plano mensal de qualquer plataforma que te obriga a pagar o mês inteiro use ou não. Uma assinatura de topo custa na casa dos US$ 20 mensais com créditos que não passam para o mês seguinte; aqui cada 100 créditos custam 1 dólar, o saldo espera, e a marca d'água vem desligada de fábrica. Se você gera todo dia dentro do ecossistema de um grande fornecedor, o plano dele se justifica pelo pacote inteiro; se você gera por projeto — três clipes esta semana, nenhum no mês que vem —, a conta acima (50 / 92 / 205 créditos) diz a verdade: você paga a tomada que fica, não o calendário. As duas páginas do MiniMax na Moosky — o painel comercial do modelo e a página do modo Ref2V — têm os exemplos ao vivo, caso queira ver o nível antes de carregar qualquer coisa.

Perguntas frequentes

Os 10 créditos de presente chegam para testar o H3? Para montar a folha de referências e ver a cotação, sim. Para um clipe, não: o rascunho mais barato do composer sai por 50 créditos. É a parede que mais derruba gente, e preferimos avisar aqui a te mostrar depois.

Compensa começar direto no 2K para não duplicar trabalho? Não. A sequência econômica é rascunho em 768P (10 créditos por segundo), acertos de um arquivo só na tomada, e só então a edição delta da tomada aprovada em 2K. Pagar o 2K no rascunho é pagar duas vezes a mesma sorte.

O clipe de referência encarece a corrida? Sim, e é o número que mais gente subestima: cada segundo de vídeo anexado é cobrado pela tabela da sua resolução de saída — US$ 0,08/s quem vai fechar em 768P, US$ 0,13/s quem vai fechar em 2K — sempre com o acréscimo da casa e o arredondamento por corrida. Corte-o no osso: os segundos que sustentam o gesto, não a tomada inteira.

O H3 faz diálogo em português? Sim — o modelo performa a fala em onze idiomas, e o português está na lista; a linha vai escrita entre aspas no prompt, e se você anexar uma amostra de voz como Audio 1, ele entrega com aquele timbre.

A conta final, em uma linha: compre o MiniMax H3 r2v quando o que você precisa é um personagem que fala — rascunho de 50 créditos, direção por 92, final por 205 — e deixe-o na prateleira quando o seu caso for ação longa, planos de mais de quinze segundos ou um letreiro que precise ser lido. Decidido? O gerador com o composer do H3 aberto te mostra a cotação antes da primeira corrida.