MiniMax baru sahaja memuat naik pemberat untuk model penjanaan video H3 miliknya di Hugging Face, jadi sesiapa sahaja yang mempunyai GPU yang mumpuni boleh memuat turun sistem teras tersebut. Pelancaran ini tidak merangkumi keseluruhan saluran paip komersial – hanya penjana H3-Base yang bersifat pemberat terbuka (open-weight); peringkat pra-pemprosesan dan peningkatan skala (upscaling) kekal di sebalik API.

Apa yang sebenarnya terkandung dalam pelancaran pemberat terbuka ini

Seni bina H3 MiniMax terbahagi kepada tiga blok logik. Dua daripadanya kekal sebagai API sahaja:

  • lapisan Context-IR – memproses awal input teks, imej atau petikan video.
  • lapisan Regenerate-2K – meningkatkan output kepada video resolusi tinggi (2K).

Pembangun boleh memuat turun penjana teras H3-Base, enjin yang menukarkan prom multimodal kepada klip video dengan sisi pendek 768 piksel berserta audio asli.

Realiti perkakasan dan masa larian

Model ini mengandungi 33 bilion parameter dan tersedia dalam dua versi:

  • fl2va – menerima prom teks dan imej.
  • ref2va – menerima video rujukan sebagai sebahagian daripada prom.

Titik semak (checkpoint) kuantisasi terkecil adalah sekitar 21 GB; titik semak ketepatan penuh adalah 123.6 GB. MiniMax mengesyorkan sekurang-kurangnya 42.5 GB VRAM atau storan untuk operasi yang lancar.

Pada GPU 12 GB, pembangun boleh menjalankan model tersebut dengan pemindahan beban CPU (CPU offloading), tetapi proses inferens akan menjadi perlahan secara ketara. Penjanaan tempatan dihadkan pada 768 px pada sisi pendek, jauh di bawah resolusi 2K yang dihasilkan oleh lapisan proprietari Regenerate-2K.

Mengapa pelancaran ini penting

Kedudukan terbaharu daripada Artificial Analysis meletakkan H3 di tempat pertama dalam kategori “penyuntingan video” dan dalam tiga teratas bagi kedua-dua “teks-ke-video” dan “imej-ke-video”. Skor tersebut menjadikannya model video pemberat terbuka yang paling berupaya yang tersedia hari ini.

Model ini bersifat multimodal: ia memahami teks, imej, video, dan audio, serta boleh mensintesis video dengan bunyi yang diselaraskan—satu keluasan fungsi yang jarang ditemui bagi set pemberat yang boleh dimuat turun secara awam.

Had dan sisi cerita yang lain

H3 tidak menang di mana-mana; Gemini Omni Flash mengatasi prestasinya dalam tugasan tertentu. Oleh kerana peningkatan skala resolusi tinggi berada di sebalik API, pembangun tidak dapat mencapai output komersial penuh tanpa membayar untuk perkhidmatan MiniMax.

Pelesenan menambah satu lagi halangan. Terma-terma tersebut secara eksplisit melarang penggunaan di Kesatuan Eropah, United Kingdom, Korea Selatan, dan Amerika Syarikat. Organisasi di wilayah tersebut mesti merundingkan perjanjian komersial berasingan atau mencari alternatif lain.

Rumusan: H3 pemberat terbuka MiniMax memberikan pembangun penjana video multimodal yang berkuasa untuk dijalankan secara tempatan, namun pra-pemprosesan dan peningkatan skala yang hanya melalui API, keperluan perkakasan yang besar, serta larangan pelesenan wilayah mengekalkan pengalaman komersial penuh daripada dicapai oleh ramai orang.