MiniMax H3 Offene Gewichte: Was Sie tatsächlich lokal ausführen können
Anfang August veröffentlichte MiniMax die Gewichte seines H3-Videomodells auf Hugging Face. Clips mit Stereoton können jetzt auf Ihrem eigenen Computer generiert werden – kein Abonnement, keine API-Gebühren pro Generation. Bevor Sie jedoch Hunderte von Gigabyte herunterladen, sollten Sie zwei Dinge bedenken: Die vollständige 2K-Pipeline hat es nicht in die offene Version geschafft und die Lizenz erlaubt nicht jeden und überall.
Was genau wurde veröffentlicht
Das MiniMax-H3-Repository enthält zwei aufgabenspezifische Prüfpunkte. FL2VA erstellt Videos mit Ton aus Text und kann Frames animieren: Sie stellen den ersten, den letzten oder beide bereit. Ref2VA erstellt einen Clip aus Referenzen – eine einzelne Anfrage kann bis zu neun Bilder, drei Videos und drei Audiodateien enthalten, sodass das Aussehen, die Kamerabewegung, der Stil und die Stimme einer Figur jeweils durch ein eigenes Beispiel festgelegt werden. Der Kern ist ein dichter 33-Milliarden-Parameter-Transformer, die Gewichte werden in BF16 veröffentlicht und das gesamte Repository wiegt etwa 288 GB.
Was das Modell kann
H3 nimmt Text, Bilder, Video und Audio als Eingabe und produziert Clips von 4 bis 15 Sekunden mit 24 Bildern pro Sekunde – mit integriertem Stereo-Audio, das das Modell synchron zum Bild selbst synthetisiert. Die Basisauflösung beträgt eher 768p. Audio ist hier keine separate Verarbeitungsstufe, sondern Teil desselben Modells: Sie können eine Stimme oder einen musikalischen Rhythmus per Referenz festlegen, was den gewohnten Arbeitsablauf spürbar verändert.
Ungefähr 2K – ein wichtiger Vorbehalt
Die angekündigten 2K stammen nicht aus dem offenen Teil der Pipeline. Ein separates Modul namens Regenerate-2K übernimmt die Auflösungssteigerung, und MiniMax hat sie nicht veröffentlicht: Der offizielle Weg zu 2K besteht darin, Ihr lokales 768p-Ergebnis zurück an die Cloud-API des Unternehmens zu senden. Auch Context-IR, das Modul, das komplexe Kombinationen aus Eingabeaufforderungen und Referenzen analysiert, ist nicht geöffnet. „Alles lokal ausführen“ bedeutet derzeit also „Basisgenerierung ausführen“.
Wird ein gewöhnlicher Computer damit zurechtkommen?
Das ComfyUI-Team fügte am Tag Null Unterstützung hinzu und optimierte den Lauf stark: Modulationsgewichte – etwa 40 % aller Parameter – wurden durch eine kompakte Nachschlagetabelle ersetzt, und die int8-Quantisierung reduzierte den Gesamtspeicherbedarf von 123,6 GB auf 42,5 GB. In Kombination mit dynamischem Offloading in den System-RAM reicht das aus, damit das Modell auf einer so bescheidenen Karte wie der RTX 3060 läuft. Das Netzwerk ging noch einen Schritt weiter: Es sind WanGP-Konfigurationen für Karten mit 5–6 GB VRAM erschienen, die aggressives RAM-Offloading, reduzierte Auflösung und lange Minuten pro kurzes Video verwenden. Bedenken Sie, dass es sich hierbei um Community-Rezepte und nicht um offizielle Anforderungen handelt: Details kommen weicher zur Geltung und die Stabilität hängt von der Größe Ihres RAM und der Festplattengeschwindigkeit ab. Für volle Qualität empfehlen die Entwickler erstklassige Karten wie die RTX 5090.
Lizenzierung: Dies ist kein Open Source im üblichen Sinne
Die Gewichte sind offen, werden jedoch unter einer Gemeinschaftslizenz mit Bedingungen vertrieben. Die kommerzielle Nutzung ist Unternehmen mit einem Jahresumsatz von weniger als 20 Millionen US-Dollar gestattet – größere Unternehmen benötigen eine separate Vereinbarung. Und ganz entscheidend die Geografie: Die Lizenz gilt nur für die USA, die Europäische Union, das Vereinigte Königreich und Südkorea; Die anderweitige Verwendung bedarf der schriftlichen Genehmigung von MiniMax. „Offene Gewichte“ ist der richtige Begriff, nicht „vollständig Open Source“.
Wer braucht wirklich einen lokalen Lauf?
Eine selbst gehostete Instanz ist sinnvoll, wenn es auf Datenschutz, ein hohes Generierungsvolumen oder die Feinabstimmung Ihrer eigenen Daten ankommt – genau das, was offene Gewichtungen ermöglichen. Wenn Sie nur schnell und ohne GPU-Farm oder Umgebungsprobleme einen hochwertigen Clip wünschen, ist die Cloud einfacher: in der NeuralSpace Videobereich Clips erfordern ein paar Klicks, und wir haben in unserem besprochen, was H3 selbst tun kann separate Rezension.
FAQ
Welche GPU benötigt MiniMax H3?
Für komfortables Arbeiten sorgen erstklassige Karten mit viel Speicher. In der Praxis wird die Basisgenerierung sogar mit 6 GB VRAM über ComfyUI und WanGP ausgeführt, wobei Auflösung und Geschwindigkeit aufs Spiel gesetzt werden: Ein kurzer Clip kann 10–15 Minuten dauern.
Kann ich H3 kommerziell nutzen?
Ja, wenn der Jahresumsatz Ihres Unternehmens unter 20 Millionen US-Dollar liegt, ist dies eine Community-Lizenzbedingung. Größere Organisationen benötigen eine gesonderte Vereinbarung mit MiniMax.
Warum ist H3 nicht vollständig Open Source?
Nur der Basisteil der Pipeline ist offen: Die Module für die Hochskalierung auf 2K und das Parsen komplexer Referenzen bleiben geschlossen, und die Lizenz schränkt die kommerzielle Nutzung und Regionen ein.