Tại sao thứ hạng này lại quan trọng

Video do AI tạo ra từ lâu đã bị thống trị bởi các hệ thống độc quyền vốn che giấu trọng số (weights), khiến tất cả mọi người ngoại trừ công ty sở hữu đều không thể tiếp cận. Bằng cách công bố trọng số của mình, MiniMax mang đến cho các nhà nghiên cứu và nhà phát triển độc lập khả năng tiếp cận tương tự như những gì các mô hình văn bản mã nguồn mở đã có trong nhiều năm qua. Chiến thắng trong bài kiểm tra chuẩn (benchmark) cho thấy một mô hình mở hoàn toàn có thể cạnh tranh về chất lượng, chứ không chỉ về chi phí.

Con đường trở thành đối thủ cạnh tranh với trọng số mở

H3 của MiniMax tiếp nối một chuỗi các nỗ lực về video tạo sinh (generative video) vốn đã không ngừng cải thiện độ phân giải, tốc độ khung hình và tính mạch lạc. Cùng ngày ByteDance phát hành Seedance 2.5 — một mô hình có thể kết xuất các đoạn clip dài 30 giây nhưng lại giữ kín mã nguồn và trọng số sau tường lửa của doanh nghiệp — MiniMax đã chọn con đường ngược lại, công bố một mô hình với 33 tỷ tham số có khả năng xử lý văn bản, hình ảnh, video và âm thanh chỉ trong một lượt xử lý duy nhất.

Những gì mô hình có thể làm

  • Đầu vào đa phương thức (Multimodal input) – Một câu lệnh (prompt) duy nhất có thể bao gồm tối đa chín hình ảnh tham chiếu, ba đoạn video ngắn và ba đoạn âm thanh. Mô hình sẽ hợp nhất các tín hiệu này thành một biểu diễn trung gian có cấu trúc trước khi kết xuất.
  • Độ dài và chất lượng đầu ra – H3 tạo ra các phân đoạn video từ 4 đến 15 giây, mỗi đoạn đều có âm thanh nổi (stereo) được đồng bộ hóa.
  • Số lượng tham số – Với 33 tỷ tham số, mạng lưới này có quy mô tương đương với các sản phẩm mã nguồn đóng hàng đầu, giúp nó nắm bắt được các chuyển động và kết cấu chi tiết.

Những khả năng này giải quyết một vấn đề nan giải phổ biến: duy trì tính liên tục về hình ảnh và âm thanh giữa các khung hình. Bằng cách cho phép sử dụng một tập hợp tham chiếu phong phú hơn, H3 giúp giảm thiểu các lỗi "jump-cut" (nhảy khung hình) vốn thường gặp ở nhiều hệ thống text-to-video.

Những mảnh ghép còn ẩn giấu

MiniMax đã cố tình giữ kín hai thành phần: mô-đun nâng cấp độ phân giải (upsample) lên 2K và công cụ H3-Context-IR giúp chuyển đổi câu lệnh đa phương thức sang định dạng nội bộ. Nếu không có bộ nâng cấp (upscaler), độ phân giải cao nhất bạn có thể đạt được trên máy cục bộ là 768p. Người dùng cũng phải tuân theo các hướng dẫn viết prompt của MiniMax để chuẩn bị tài liệu tham chiếu, một bước có thể đòi hỏi kỹ thuật đối với những người mới bắt đầu.

Chạy H3 cục bộ

Bạn có thể tải mô hình thông qua giao diện ComfyUI do cộng đồng phát triển. Các trọng số cốt lõi là miễn phí, nhưng giới hạn về độ phân giải buộc những người đam mê và các studio nhỏ phải chấp nhận đầu ra có số lượng điểm ảnh thấp hơn, trừ khi họ mua bộ nâng cấp độc quyền. Việc tinh chỉnh (fine-tuning) trên các cảnh quay, nhân vật hoặc phong cách hình ảnh tùy chỉnh đều được hỗ trợ, mang lại cho các nhà phát triển sự tự do sáng tạo mà các mô hình đóng không có được.

Giấy phép hạn chế tiềm năng thương mại

Giấy phép của MiniMax chỉ cho phép triển khai thương mại đối với các công ty có doanh thu hàng năm dưới 20 triệu USD. Điều khoản này bảo vệ công ty khỏi các doanh nghiệp lớn có thể kiếm tiền từ công nghệ này ở quy mô lớn trong khi bỏ qua các sản phẩm của chính MiniMax. Các startup và phòng nghiên cứu được hưởng các điều khoản hào phóng; các đơn vị lớn hơn phải thương lượng một thỏa thuận riêng biệt.

Quan điểm ngược lại: tại sao một số người có thể vẫn trung thành với các mô hình đóng

  • Độ dài clip dài hơn – Hệ thống của ByteDance có thể tạo ra các video dài 30 giây, gấp đôi độ dài tối đa của H3.

Những gì cần theo dõi tiếp theo

  • **

Điểm rút ra

H3 của MiniMax chứng minh rằng một trình tạo video trọng số mở có thể đánh bại các gã khổng lồ đóng về chất lượng benchmark, nhưng độ phân giải hạn chế, các thành phần đóng bổ sung và giấy phép giới hạn doanh thu đã giữ nó nằm gọn trong phạm vi dành cho các nhà nghiên cứu, startup và những người đam mê. Sự linh hoạt đa phương thức và sự tự do tinh chỉnh của mô hình này thu hút cộng đồng mã nguồn mở, trong khi các doanh nghiệp có thể vẫn sẽ hướng tới các giải pháp độc quyền cho đến khi hệ sinh thái mở lấp đầy được những khoảng trống còn lại.