图片由 AI 生成
8 月 20 日，MiniMax 发布多模态创作 Agent 工作台 MiniMax Design，其核心目标在于推动模型能力进入商业内容生产流程。
MiniMax Design 是一款多模态创作 Harness。用户提出创作需求后，Agent 能够理解目标、拆解任务，并调用相应的模型与 Skills，完成素材处理、内容生成、编辑和最终交付。
上个月，7 月 31 日，MiniMax 发布了通用全模态生成模型 H3，也是该公司首个开源的视频生成模型。H3 核心的特点是打破任务边界，不再将文生图、图生视频、视频编辑等视为独立任务，而是在一个模型内统一处理。
不过，也有部分开发者表示 H3 提示词复杂，上手难度高，对硬件和配置的要求，让很多个人用户望而却步。
面对一项具体任务，MiniMax Design 试图判断需要提供哪些文字、图片、视频和音频，并识别其中需要参考或保留的内容，将创作需求转化为适合 H3 执行的素材和指令，补充了音视频生成前的分镜规划，以及生成后的剪辑和成片装配能力。
例如，其主推的 "3D 导演台 " 功能，可以根据场景、人物动作和镜头要求，在 3D 空间中摆放角色、调整姿态与机位，并从不同视角检查画面。
围绕 H3 开源后形成的创作者生态，MiniMax Design 已将部分社区工作流集合到产品中。已经使用 ComfyUI 的专业创作者也可以接入原有的本地部署方式和成熟工作流，选择云端或本地运行，并让 Agent 根据对话协助编辑工作流节点、调整生成参数。
此外，MiniMax 分享了对多模态生产力的两个判断：首先，未来的内容创作与修改将逐步从像素、图层、时间点和参数操作，转向语义层面的交互。用户只需说明想要什么、改变什么和保留什么，系统负责理解意图，并完成相应的生成、修改、重组和编辑。
其次，多模态模型需要理解的 Context 将从一次输入扩展到整个 Project。一项完整的内容任务通常包含多轮对话，以及剧本、图片、视频、音频、人物、场景、道具和品牌资产。不同版本及其修改记录也会成为后续创作的上下文。Context 长度之外，模型能否理解并有效使用这些内容，将影响其处理复杂任务的能力。
从行业层面来看，当前主流的 AI 视频生成工具，Runway、Pika、即梦、可灵等，团队迭代的重心在视频模型能力的进阶。其在 AI 视频实际工作流上，可以在输出独立视频片段，以及个人创作者创意实现上表现优异，但缺少完整项目管理、分镜编排、批量版本导出、企业资产规范，在大规模商业化上会存在一定的短板。
而一些垂直行业 SaaS，比如，电商剪辑工具、短剧制片平台，主要是针对单一场景封装，模型能力受限，跨品类复用差。为此，MiniMax Design 通过 Skill 生态，横向覆盖电商、短剧、品牌广告、教育科普、动画漫剧多个内容赛道。
这些是 MiniMax 推出 MiniMax Design 以寻求差异化优势的原因。不过，对于 MiniMax 来说，其视频模型能力在高端影视级生成能力仍有上限，模型画质和口碑均弱于头部竞品，这将直接限制其切入高溢价顶级广告制片市场。
MiniMax Design 的 Skill 生态起步较晚，优质行业模板数量不足，第三方开发者参与度低。而当前主流的创作工具平台，比如，ComfyUI、Runway 已经搭建起了庞大创作者生态，用户可以自定义插件、预设、教程、第三方服务商。
未来的行业竞争不会再只是聚焦于单一的视频生成效果，工作流复用能力、企业资产管控、多模型调度、行业垂直 Skill 生态，也就是 Harness 层的产品能力，也将成为视频模型厂商发展的核心要义。（本文首发于钛媒体 APP，作者｜李程程，编辑｜杨林）
