MiniMax H3 åbne vægte: hvad du faktisk kan køre lokalt
I begyndelsen af august offentliggjorde MiniMax vægten af sin H3-videomodel på Hugging Face. Klip med stereolyd kan nu genereres på din egen maskine - intet abonnement, ingen API-gebyrer per generation. Men før du downloader hundredvis af gigabyte, skal du huske på to ting: den fulde 2K-pipeline nåede ikke ind i den åbne udgivelse, og licensen tillader ikke alle, overalt.
Hvad der præcist blev frigivet
MiniMax-H3-depotet sender to opgavespecifikke kontrolpunkter. FL2VA skaber video med lyd fra tekst og kan animere frames: du giver den første, den sidste eller begge dele. Ref2VA bygger et klip ud fra referencer — en enkelt anmodning kan omfatte op til ni billeder, tre videoer og tre lydfiler, så en karakters udseende, kamerabevægelse, stil og stemme er hver sat efter deres eget eksempel. Kernen er en tæt 33-milliard-parameter transformer, vægtene er offentliggjort i BF16, og hele depotet vejer omkring 288 GB.
Hvad modellen kan
H3 tager tekst, billeder, video og lyd som input og producerer klip på 4 til 15 sekunder ved 24 fps — med indbygget stereolyd, som modellen syntetiserer selv, synkroniseret med billedet. Grundopløsningen er 768p på den korte side. Lyd er ikke et separat behandlingstrin her, men en del af samme model: du kan indstille en stemme eller musikalsk rytme ved reference, hvilket ændrer den sædvanlige arbejdsgang mærkbart.
Omkring 2K — en vigtig advarsel
Den annoncerede 2K kommer ikke fra den åbne del af rørledningen. Et separat modul kaldet Regenerate-2K håndterer opløsningsboostet, og MiniMax frigav det ikke: Den officielle rute til 2K er at sende dit lokale 768p-resultat tilbage til virksomhedens cloud API. Context-IR, modulet, der analyserer komplekse kombinationer af prompter og referencer, er heller ikke åbent. Så "at køre alt lokalt" betyder i øjeblikket "at køre basisgenerering".
Vil en almindelig computer klare sig?
ComfyUI-teamet tilføjede support på dag nul og kraftigt optimeret kørslen: Modulationsvægte - omkring 40% af alle parametre - blev erstattet med en kompakt opslagstabel, og int8-kvantisering skrumpede det samlede fodaftryk fra 123,6 GB til 42,5 GB. Kombineret med dynamisk aflæsning til system-RAM er det nok til, at modellen kan køre på et kort så beskedent som RTX 3060. Fællesskabet gik videre: WanGP-konfigurationer til kort med 5-6 GB VRAM er dukket op, ved hjælp af aggressiv RAM-aflæsning, reduceret opløsning og lange minutter pr. kort klip. Husk, at dette er fællesskabsopskrifter, ikke officielle krav: detaljerne bliver blødere, og stabiliteten afhænger af din RAM-størrelse og diskhastighed. For fuld kvalitet anbefaler udviklerne top-tier kort som RTX 5090.
Licensering: dette er ikke open source i sædvanlig forstand
Vægtene er åbne, men distribueres under en fællesskabslicens med betingelser. Kommerciel brug er tilladt for virksomheder med under 20 millioner dollars i årlig omsætning - større virksomheder har brug for en separat aftale. Og altafgørende, geografi: licensen dækker kun USA, EU, Storbritannien og Sydkorea; andetsteds brug kræver skriftlig tilladelse fra MiniMax. "Åbne vægte" er det nøjagtige udtryk, ikke "fuldt åben kildekode".
Hvem har virkelig brug for en lokal løbetur
En selv-hostet instans giver mening, når privatliv, høj generationsvolumen eller finjustering af dine egne data betyder noget - præcis hvad åbne vægte muliggør. Hvis du bare vil have et kvalitetsklip hurtigt, uden besvær med GPU-farm eller miljø, er skyen nemmere: iNeuralSpace video sektionklip tager et par klik, og vi dækkede, hvad H3 selv kan i voressærskilt anmeldelse.
FAQ
Hvilken GPU har MiniMax H3 brug for?
For behageligt arbejde, top-tier kort med masser af hukommelse. I praksis kører folk basisgenerering selv på 6 GB VRAM gennem ComfyUI og WanGP, og bytter opløsning og hastighed væk: et kort klip kan tage 10-15 minutter.
Kan jeg bruge H3 kommercielt?
Ja, hvis din virksomheds årlige omsætning er under 20 millioner dollars - det er en fællesskabslicens betingelse. Større organisationer har brug for en særskilt aftale med MiniMax.
Hvorfor er H3 ikke fuldt åben kildekode?
Kun basisdelen af pipelinen er åben: Modulerne til opskalering til 2K og parsing af komplekse referencer forbliver lukkede, og licensen begrænser kommerciel brug og regioner.