למה הדירוג חשוב

וידאו שנוצר על ידי בינה מלאכותית נשלט זמן רב על ידי מערכות קנייניות שמסתירות את המשקולות (weights) שלהן, מה שמשאיר את כולם מחוץ למעגל מלבד החברה הבעלים. על ידי פרסום המשקולות שלה, MiniMax מעניקה לחוקרים ולמפתחים עצמאיים את אותה גישה שדגמי טקסט בקוד פתוח נהנים ממנה כבר שנים. הניצחון בבנצ'מרק מראה שמודל זמין באופן פתוח יכול להתחרות באיכות, ולא רק בעלות.

הדרך להפוך למתמודד עם משקולות פתוחות (open-weight)

מודל H3 של MiniMax ממשיך סדרה של מאמצים בתחום הווידאו הגנרטיבי ששיפרו בהתמדה את הרזולוציה, קצב הפריימים והקוהרנטיות. באותו יום שבו ByteDance שחררה את Seedance 2.5, מודל שמייצר קליפים של 30 שניות אך שומר על הקוד והמשקולות שלו מאחורי חומת אש ארגונית, MiniMax בחרה בנתיב ההפוך ופרסמה מודל בעל 33 מיליארד פרמטרים שמטפל בטקסט, תמונות, וידאו ואודיו במעבר אחד.

מה המודל יכול לעשות

  • קלט מולטימודלי – פרומפט בודד יכול לכלול עד תשע תמונות ייחוס, שלושה קליפים קצרים של וידאו ושלושה קליפים של אודיו. המודל ממזג את האותות הללו לייצוג ביניים מובנה לפני הרינדור.
  • אורך ואיכות הפלט – H3 מייצר קטעי וידאו של 4 עד 15 שניות, כל אחד עם סאונד סטריאו מסונכרן.
  • מספר פרמטרים – עם 33 מיליארד פרמטרים, הרשת משתווה לגודלן של ההצעות המובילות בקוד סגור, מה שעוזר לה ללכוד תנועה ומרקם (texture) מפורטים.

יכולות אלו מטפלות בנקודת כאב נפוצה: שמירה על רציפות ויזואלית וקולית לאורך הפריימים. על ידי מתן סט עשיר יותר של ייחוסים, H3 מצמצם את ארטיפקטים של "jump-cut" המטרידים מערכות רבות של טקסט-לווידאו.

החלקים הנסתרים

MiniMax השאירה במכוון שני רכיבים סגורים: המודול שמבצע upsampling לרזולוציית 2K ומנוע ה-H3-Context-IR שהופך את הפרומפט המולטימודלי לפורמט הפנימי. ללא ה-upscaler, הרזולוציה הגבוהה ביותר שניתן לקבל במכונה מקומית היא 768p. משתמשים צריכים גם לעקוב אחר מדריכי הפרומפטים של MiniMax כדי להרכיב את חומרי הייחוס, שלב שעשוי להיות טכני עבור מתחילים.

הרצת H3 באופן מקומי

ניתן לטעון את המודל דרך ממשק ה-ComfyUI המונע על ידי הקהילה. המשקולות הליבה הן בחינם, אך תקרת הרזולוציה מאלצת חובבים ואולפנים קטנים להשלים עם פלטים ברזולוציה נמוכה יותר, אלא אם הם רוכשים את ה-upscaler הקנייני. המודל תומך ב-fine-tuning על צילומים, דמויות או סגנונות ויזואליים מותאמים אישית, מה שמעניק למפתחים חופש יצירתי שחסר במודלים סגורים.

הרישוי מגביל את הפוטנציאל המסחרי

הרישיון של MiniMax מאפשר פריסה מסחרית רק לחברות עם הכנסה שנתית של פחות מ-20 מיליון דולר. הסעיף מגן על החברה מפני ארגונים גדולים שעלולים להרוויח מהטכנולוגיה בקנה מידה רחב תוך עקיפת ההצעות של MiniMax עצמה. סטארט-אפים ומעבדות מחקר נהנים מתנאים נדיבים; שחקנים גדולים יותר חייבים לנהל משא ומתן על הסכם נפרד.

נקודת מבט נגדית: למה חלק עשויים להישאר עם מודלים סגורים

  • אורך קליפים ארוך יותר – המערכת של ByteDance יכולה לייצר סרטוני 30 שניות, כפול מהאורך המקסימלי של H3.

מה כדאי לעקוב אחריו בהמשך

  • **

שורה תחתונה

מודל H3 של MiniMax מוכיח שמחולל וידאו עם משקולות פתוחות (open-weight) יכול לנצח ענקים סגורים באיכות הבנצ'מרק, אך הרזולוציה המוגבלת שלו, הרכיבים הסגורים הנוספים והרישיון המוגבל בהכנסה שומרים אותו בדיוק בתחום של חוקרים, סטארט-אפים וחובבים. הגמישות המולטימודלית של המודל והחופש לביצוע fine-tuning מושכים את קהילת הקוד הפתוח, בעוד שארגונים עשויים עדיין להימשך לפתרונות קנייניים עד שהמערכת האקולוגית הפתוחה תמלא את הפערים שנותרו.