反超Seedance 2.0！RunningHub发布增强版H3，1秒只需0.1元

新智元报道 7月底MiniMax H3开源的时候，Artificial Analysis视频编辑榜Elo 1130分。 直冲全球第一，社区一片叫好。 不得不说，H3底子确实好。 但真拿去做量产，短板也在：多镜头一长，角色开始走样；商品多拍几组，轮廓就说不准；十几个镜头连着跑，后面越来越不像同一部片子。 从「跑得通」到「生产能用」，差的那一段是工程。 现在这段被补上了。 9月29日，RunningHub发布H3 RH Enhanced，一个基于MiniMax H3开源基座做深度后训练的增强模型。 RunningHub是海马云旗下的一站式全能创作平台，是目前全球最大的AIGC开发者创作者社区，聚集了500万以上专业创作者，覆盖140多个国家和地区。 通过 2000 组实测， H3 RH Enhanced 多镜头长时序叙事能力显著优于 Seedance2.0，整体表现直追 seedance2.5。 一秒一毛钱即可直接产出成片，降低成本。 这意味着， 一个开源后训练模型，做到了闭源的效果。 而成本仅为同等效果闭源模型的十分之一。 H3 RH Enhanced已经登陆 MiniMax ，面向全球B端创作者进行公开调用。现在可以在RunningHub平台上限时免费体验。 体验链接 ： rhTV： https://rhtv.runninghub.cn/projects?inviteCode=sn3gnlj9&model=484 RHSTORY： https://story.runninghub.cn/ai-comic 2000组盲测 多镜头叙事显著优于Seedance 2.0 1 秒只要 0.1 元 发布会上的Demo都好看，问题是真实场景什么样。 RunningHub这次的评测是按业务场景铺开的：人物连续特写、多场景转场运镜、多角色互动、16镜头以上完整叙事，四类各500组，合计2000组对照样本，横向拉齐当前主流模型。 结果里最关键的一项是多镜头长叙事：8到16镜连续生成，人物身份一致性、场景元素留存、指令约束留存三项指标，RH Enhanced全部显著领先Seedance 2.0。 来看几条实测。 先看一条15秒的赛博机车追逐。 同一张参考图、同一段14镜提示词，分别喂给RH Enhanced和Seedance 2.0，480P直出，音频由模型自己生成，不做任何针对性调参。 RH Enhanced这边，两辆车从起跑到冲线一直是参考图里那两辆，07号黑橙、12号白蓝，号码牌没糊过、没换过。 女主换了正面、背后、双人特写、终点定格四种机位，始终是同一张脸、同一套带橙色肩甲的机车服，背景城市也没跑偏。 声音跟画面一起生成出来：起跑前近乎安静，弹射那一拍轰鸣骤起，进隧道声画同时压暗，出隧道一起拉起。 RH Enhanced生成 Seedance 2.0单帧画质不差，护目镜里的倒计时甚至更贴提示词。 但镜头一多就松了：第4镜两辆车变成Tron风格的光环轮，已经不是参考图那款车；第5镜航拍直接换了一座城，广告牌全没了，还有明显穿模；第6镜女主的机车服从装甲款退成了普通皮衣。 不算崩，但已经不是同一部片子。 Seedance 2.0生成 十个镜头之后，RH Enhanced还认得参考图，Seedance 2.0开始凭印象重画。 再看一条电商的。 电商最怕的不是画面不美，是商品变样。 这条15镜香水片，RH Enhanced全程瓶子都是参考图那一只：方正厚玻璃、满瓶琥珀液、黑盖金环，ORBIT 07标识没漂过。 模特穿过沙漠、雨夜橱窗、电梯、天台，同一张脸、同一件黑丝绒礼服。 RH Enhanced生成 Seedance 2.0同样精致，但电梯那镜，瓶子悬在了掌心上方。 Seedance 2.0生成 极端长场景：人物崩坏率降低60%以上。 16镜往上，Seedance 2.0的角色遗忘开始集中爆发，前面还好好的女主角，后面突然换了张脸，衣服变了，道具丢了。RH Enhanced在同等条件下，这类崩坏砍掉了六成以上。 我们拿两条18镜的片子试了试。 18镜、五个世界，考的就是模型记不记得她是谁。 RH Enhanced从雨巷、沙漠、雪林、地铁到空间站再回雨巷，四次正面特写是同一张脸，黄雨衣一直敞着帽、红伞一直在手、黑包一直斜挎。第1镜埋下的街角时钟，第16镜回来还挂在原处。 RH Enhanced生成 Seedance 2.0开场和结尾都不差，最后回眸那帧很像参考图。 但中段崩了：雨巷里帽子戴着，到雪林就摘了；更要命的是红伞，从雪林奔跑、进地铁到整段空间站漂浮，将近4秒、3个镜头里伞直接不见了，到舱门那镜才重新出现—— 而提示词里「红伞、黑包、雨衣同时漂浮」恰恰是这段要测的东西。 Seedance 2.0生成 另一条18镜的东方奇幻，两个人加一只灵兽，三个主体得同时在线。 RH Enhanced很稳：女剑仙的白发、额心红印从特写到收尾是同一张脸，剑没离过手；黑甲将军有正面近景，脸、盔甲、披风、长枪都对得上参考图；灵兽每次出现都是同一只鹤。 最难的最后一镜也守住了：天宫半塌、碎石还在掉，女主和鹤在桥头，将军在远处残阶，三者位置一眼清楚。 RH Enhanced生成 Seedance 2.0画面同样华丽，但将军的近景只有盔甲没有脸；收尾天宫大门完好无损，「半塌」没发生。 Seedance 2.0生成 RH Enhanced能在长叙事上拉开差距，靠的是一套自研的RH长程记忆引擎。 普通模型的记性像一扇滑动的窗，镜头一多，第1镜那张脸就被挤出窗外了。 长程记忆引擎干的事，是在模型架构层面把跨帧信息钉住，让第14镜还记得第1镜的五官、服装和道具，不靠后期修补。 上线以来，RH Enhanced日均生成接近100万秒视频，相当于每天6.7万条15秒短视频，或者3300多集5分钟短剧。 RunningHub后训练做了什么 五层工程改造 让H3在量产场景更稳更快更省 RunningHub这次动的不只是权重。 从后训练、分辨率适配、采样策略、推理引擎到服务调度，五层一起改，每一层对应量产里一个绕不过去的问题。 第一层：场景定向后训练——把短剧、电商、漫剧的业务约束练进模型里。 H3基座管的是通用能力，什么都能做。 但短剧里人物频繁换装换场，电商里商品轮廓和材质一点不能变，漫剧里动作要连贯不能断，这些垂直场景各有各的细规矩，需要单独练。 RunningHub基于H3的单流Omni-Transformer架构和MM-RoPE多模态位置编码，给RH Enhanced搭了一条「场景SFT → 一致性优化 → 少步蒸馏」的训练链路。 训练数据是RunningHub围绕短剧、电商、漫剧三类真实业务构建的，每条样本都标清楚哪个是参考素材、哪个是目标人物、镜头指令指向谁。 训练时盯死四件事：人不换脸、有参考图就要像、动作做完整、运镜不乱跳，正是废片率最高的四种情况。再加上长程记忆引擎在跨帧维度上的增强，就有了前面16镜以上崩坏率下降60%的结果。 第二层：分辨率感知适配——训练分布对齐实际交付规格。 短剧、电商、漫剧的成片有自己的交付规格，跟模型默认的训练分辨率并不一样。 RunningHub按宽高比、帧数、时长给训练数据分桶，让分布直接贴着交付