Otevřené váhy MiniMax H3: co vlastně můžete provozovat lokálně

Na začátku srpna MiniMax zveřejnil váhy svého video modelu H3 na Hugging Face. Klipy se stereo zvukem lze nyní generovat na vašem vlastním počítači – žádné předplatné, žádné poplatky za API za jednotlivé generace. Ale před stažením stovek gigabajtů mějte na paměti dvě věci: plné 2K potrubí se nedostalo do otevřené verze a licence neumožňuje všem a všude.

Co přesně vyšlo

Úložiště MiniMax-H3 dodává dva kontrolní body specifické pro daný úkol. FL2VA vytváří video se zvukem z textu a umí animovat snímky: poskytnete první, poslední nebo obojí. Ref2VA vytváří klip z referencí – jeden požadavek může obsahovat až devět obrázků, tři videa a tři zvukové soubory, takže vzhled postavy, pohyb kamery, styl a hlas jsou každý nastaveny svým vlastním příkladem. Jádrem je hustý transformátor s 33 miliardami parametrů, hmotnosti jsou zveřejněny v BF16 a celé úložiště váží kolem 288 GB.

Co model umí

H3 přijímá text, obrázky, video a zvuk jako vstup a vytváří klipy o délce 4 až 15 sekund při 24 snímcích za sekundu – s vestavěným stereo zvukem, který si model syntetizuje sám, v synchronizaci s obrázkem. Základní rozlišení je 768p na krátké straně. Zvuk zde není samostatnou fází zpracování, ale součástí stejného modelu: pomocí odkazu můžete nastavit hlas nebo hudební rytmus, což znatelně změní obvyklý pracovní postup.

O 2K – důležité upozornění

Inzerované 2K nepochází z otevřené části potrubí. Samostatný modul nazvaný Regenerate-2K se stará o zvýšení rozlišení a MiniMax jej neuvolnil: oficiální cestou k 2K je poslat váš místní výsledek 768p zpět do cloudového API společnosti. Není otevřen ani modul Context-IR, který analyzuje složité kombinace výzev a odkazů. „Spustit vše lokálně“ tedy aktuálně znamená „spustit generování základny“.

Poradí si obyčejný počítač?

Tým ComfyUI přidal podporu v den nula a výrazně optimalizoval běh: modulační váhy – asi 40 % všech parametrů – byly nahrazeny kompaktní vyhledávací tabulkou a kvantizace int8 zmenšila celkovou stopu ze 123,6 GB na 42,5 GB. V kombinaci s dynamickým stahováním do systémové RAM to modelu stačí na to, aby běžel na tak skromné ​​kartě, jako je RTX 3060. Komunita šla dál: objevily se konfigurace WanGP pro karty s 5–6 GB VRAM využívající agresivní vykládání RAM, snížené rozlišení a dlouhé minuty na krátký klip. Mějte na paměti, že se jedná o recepty komunity, nikoli oficiální požadavky: detaily jsou měkčí a stabilita závisí na velikosti vaší paměti RAM a rychlosti disku. Pro plnou kvalitu vývojáři doporučují karty nejvyšší úrovně, jako je RTX 5090.

Licencování: nejedná se o open source v obvyklém smyslu

Závaží jsou otevřená, ale distribuována na základě licence Společenství s podmínkami. Komerční využití je povoleno společnostem s ročním příjmem nižším než 20 milionů USD – větší podniky potřebují samostatnou smlouvu. A co je nejdůležitější, geografie: licence se vztahuje pouze na USA, Evropskou unii, Spojené království a Jižní Koreu; použití jinde vyžaduje písemné povolení od MiniMax. "Otevřené váhy" je přesný termín, nikoli "plně otevřený zdroj".

Kdo opravdu potřebuje místní běh

Samoobslužná instance má smysl, když záleží na soukromí, velkém objemu generování nebo doladění vašich vlastních dat – přesně to, co umožňují otevřené váhy. Pokud chcete pouze kvalitní klip rychle, bez GPU farmy nebo problémů s prostředím, cloud je jednodušší: vSekce videa NeuralSpaceklipy zaberou pár kliknutí a my jsme se zabývali tím, co umí samotná H3 v našemsamostatná recenze.

FAQ

Jaký GPU MiniMax H3 potřebuje?

Pro pohodlnou práci špičkové karty s dostatkem paměti. V praxi lidé provozují základní generaci dokonce i na 6 GB VRAM prostřednictvím ComfyUI a WanGP, přičemž se mění rozlišení a rychlost: krátký klip může trvat 10–15 minut.

Mohu používat H3 komerčně?

Ano, pokud je roční příjem vaší společnosti nižší než 20 milionů USD – to je podmínka licence Společenství. Větší organizace potřebují samostatnou smlouvu s MiniMax.

Proč H3 není plně open source?

Otevřená je pouze základní část kanálu: moduly pro upscaling na 2K a analýzu komplexních referencí zůstávají uzavřené a licence omezuje komerční využití a oblasti.