Auf die Schnelle

MiniMax hat am 31. Juli 2026 das Videomodell H3, auch Hailuo 3.0 genannt, veröffentlicht. Es erzeugt Clips von 5 bis 15 Sekunden in 2560 mal 1440 Pixeln bei 24 Bildern je Sekunde, mit Stereo-Ton im selben Durchlauf. Je Generierung lassen sich bis zu 9 Bilder, 3 Videoclips und 3 Audiodateien als Referenz mitgeben, sodass Gesicht, Bewegung und Stimme gleichzeitig übernommen werden können. Auf gängigen Gateways liegen die Preise bei rund 0,09 US-Dollar je Sekunde bei 768p und 0,13 US-Dollar je Sekunde bei nativem 2K, also etwa einem Drittel vergleichbarer Spitzenmodelle. Offene Gewichte gehören zur Positionierung des Modells.

Zwei Jahre lang war KI-Video vor allem eines: teuer genug, dass sich kleine Betriebe nicht damit beschäftigt haben. Mit MiniMax H3, veröffentlicht am 31. Juli 2026, rutscht der Sekundenpreis auf ein Niveau, bei dem sich die Rechnung ändert.

Die technischen Eckdaten

Eine Generierung liefert zwischen 5 und 15 Sekunden Video. Die Auflösung liegt bei 2560 mal 1440 Pixeln, also 2K, bei 24 Bildern je Sekunde. Der Ton entsteht im selben Durchlauf als Stereospur, nicht in einem zweiten Schritt.

Der interessanteste Teil sind die Referenzen. Bis zu 9 Bilder, 3 Videoclips und 3 Audiodateien lassen sich in einem Lauf mitgeben. Damit kann eine Aufnahme gleichzeitig ein Gesicht aus einem Foto, eine Bewegung aus einem Clip und eine Stimme aus einer Tonspur übernehmen.

Für Werbevideos ist genau das der Punkt, an dem KI-Video von Spielerei zu Werkzeug wird. Wenn dein Produkt in Aufnahme drei anders aussieht als in Aufnahme eins, kannst du das Material nicht verwenden.

Auch die 2K-Auflösung ist mehr als eine Zahl auf dem Datenblatt. Videoplattformen skalieren Material herunter, und wer mit 720p startet, hat nach der Komprimierung durch die Plattform sichtbar weniger Reserve. Wer in 2K liefert, kann außerdem im Schnitt noch hineinzoomen oder einen anderen Bildausschnitt wählen, ohne dass das Bild weich wird. Für vertikale Formate, bei denen aus einer Querformat-Aufnahme ein Hochformat geschnitten wird, ist das der Unterschied zwischen brauchbar und unbrauchbar.

Was es kostet

Auf gängigen Gateways liegt der Preis bei etwa 0,09 US-Dollar je Sekunde in 768p und bei etwa 0,13 US-Dollar je Sekunde in nativem 2K. Das entspricht ungefähr einem Drittel dessen, was vergleichbare Spitzenmodelle verlangen.

Rechne das einmal durch. Ein 15-Sekunden-Clip in 2K kostet damit rund zwei US-Dollar. Selbst wenn du fünf Versuche brauchst, bis das Ergebnis sitzt, bleibst du unter zehn Dollar für eine Aufnahme, die vorher ein Drehtag gewesen wäre.

Diese Preise sind Angaben von Gateways, über die das Modell erreichbar ist, keine offizielle Preisliste des Herstellers. Wer damit kalkuliert, prüft den aktuellen Stand beim tatsächlich genutzten Anbieter, denn Preise in diesem Markt bewegen sich monatlich.

Offene Gewichte, und warum das mehr ist als ein Detail

MiniMax positioniert H3 mit offenen Gewichten. Für Betriebe hat das zwei Folgen.

Die erste ist Unabhängigkeit. Ein Modell, dessen Gewichte verfügbar sind, kann grundsätzlich auf eigener Hardware oder bei einem europäischen Hoster laufen. Damit lässt sich die Frage beantworten, wo Bildmaterial von Mitarbeitern oder Kunden verarbeitet wird, ohne auf die Zusicherungen eines Anbieters angewiesen zu sein.

Die zweite ist Kostenkontrolle bei Menge. Wer zwanzig Clips im Monat erzeugt, fährt über eine Schnittstelle günstiger. Wer zweitausend erzeugt, rechnet irgendwann anders.

Realistisch betrachtet ist Selbsthosten für die allermeisten kleinen Betriebe keine Option, weil die Hardware für Videomodelle teuer und die Betreuung aufwendig ist. Der Wert offener Gewichte liegt für sie eher darin, dass es die Option überhaupt gibt und dass mehr Anbieter dasselbe Modell anbieten können, was den Preis drückt.

Wofür sich das im Mittelstand lohnt

Kurze Produktaufnahmen für Social Media. Stellenanzeigen mit bewegtem Bild, was in Branchen mit Fachkräftemangel messbar mehr Bewerbungen bringt als eine Textanzeige. Erklärsequenzen für die eigene Website. Messevorbereitung, wenn ein Loop auf dem Bildschirm laufen soll.

Nicht lohnen wird sich alles, wo es auf exakte Wiedergabe realer Details ankommt. Eine Maschine mit korrekter Beschriftung, ein Gebäude, das wirklich so aussieht, ein Mitarbeiter, der wirklich dieser Mitarbeiter ist. Dafür bleibt die Kamera das richtige Werkzeug.

Wir sehen bei Teilnehmern immer wieder denselben Ablauf: Zuerst Begeisterung über die Technik, dann drei Wochen Herumprobieren, dann Ernüchterung, weil kein Material entstanden ist, das wirklich verwendet wurde. Der Grund ist fast nie das Modell. Der Grund ist, dass vorher niemand aufgeschrieben hat, welche drei Videos der Betrieb eigentlich braucht und wofür.

Wer es anders angehen will, dreht die Reihenfolge um. Schreib auf, welche Frage ein Kunde vor dem Kauf stellt, und mach daraus eine Aufnahme von fünfzehn Sekunden. Danach die zweithäufigste Frage. Nach drei solchen Clips habt ihr Material, das tatsächlich eine Aufgabe erfüllt, und einen Maßstab, an dem sich beurteilen lässt, ob das Werkzeug taugt. Ohne diesen Maßstab bleibt jede Bewertung Geschmacksfrage, und Geschmacksfragen werden im Betrieb nie entschieden.

Was rechtlich mitläuft

Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der EU-KI-Verordnung. Künstlich erzeugte oder veränderte Bild-, Ton- und Videoinhalte müssen als solche erkennbar gemacht werden. Für Werbematerial heißt das: Kennzeichnung von Anfang an einplanen, nicht nachträglich.

Bei Referenzbildern von Personen kommt das Recht am eigenen Bild dazu. Ein Gesicht aus einem Foto in ein generiertes Video zu übernehmen, ist nur mit Einwilligung der abgebildeten Person zulässig, und diese Einwilligung sollte schriftlich vorliegen und den konkreten Zweck benennen. Dasselbe gilt für Stimmen. Was im Einzelfall gilt, klärt eine Fachanwaltskanzlei, hier steht keine Rechtsberatung.

Wer beides von Beginn an mitdenkt, spart sich die unangenehme Variante, in der ein fertiges Video wieder vom Netz muss.

Quellen

Die genannten Angaben stützen sich auf folgende öffentlich zugängliche Quellen (Stand der Recherche: 3. August 2026):

Häufige Fragen

Was kann MiniMax H3 technisch?

Das Modell erzeugt Clips von 5 bis 15 Sekunden in 2560 mal 1440 Pixeln bei 24 Bildern je Sekunde, mit Stereo-Ton im selben Durchlauf. Je Lauf lassen sich bis zu 9 Bilder, 3 Videoclips und 3 Audiodateien als Referenz mitgeben.

Was kostet ein Video damit?

Auf gängigen Gateways liegen die Preise bei rund 0,09 US-Dollar je Sekunde in 768p und rund 0,13 US-Dollar je Sekunde in nativem 2K. Ein 15-Sekunden-Clip in 2K kostet damit etwa zwei US-Dollar. Das sind Angaben der Gateways, keine offizielle Herstellerpreisliste, und Preise in diesem Markt ändern sich häufig.

Was bringen offene Gewichte im Alltag?

Theoretisch die Möglichkeit, das Modell auf eigener Hardware oder bei einem europäischen Hoster zu betreiben. Für die meisten kleinen Betriebe ist das keine realistische Option, weil Hardware und Betreuung teuer sind. Der praktische Vorteil liegt darin, dass mehrere Anbieter dasselbe Modell anbieten können, was den Preis drückt.

Darf ich ein Gesicht aus einem Foto in ein KI-Video übernehmen?

Nur mit Einwilligung der abgebildeten Person, und die sollte schriftlich vorliegen und den Zweck benennen. Dasselbe gilt für Stimmen. Dazu kommt die Kennzeichnungspflicht für künstlich erzeugte Inhalte nach Artikel 50 der EU-KI-Verordnung, die seit dem 2. August 2026 greift. Für den Einzelfall ist eine Fachanwaltskanzlei zuständig.

Werbevideos und Bildmaterial selbst erstellen statt teuer einkaufen?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag nutzen. Tiefer und praxisnah geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 3. August 2026. Stand der Recherche: 3. August 2026.