MiniMax H3: offene Gewichte und lokale Einführung des
Anfang August veröffentlichte MiniMax die Gewichte ihres Videomodells H3 auf Hugging Face. Videos mit Stereoton können jetzt auf dem eigenen Computer generiert werden – ohne Abonnement und ohne für jede Generation zu bezahlen bis API. Bevor Sie jedoch Hunderte von Gigabyte herunterladen, sollten Sie zwei Dinge bedenken: Die vollständige Pipeline in 2K-Qualität ist nicht öffentlich verfügbar und die Lizenz erlaubt nicht die Nutzung durch jedermann und nicht in allen Ländern.
Was genau gepostet wurde
Das Repository MiniMax-H3 enthält zwei Prüfpunkte für verschiedene Aufgaben. FL2VA erstellt Videos mit Ton aus Text und kann Frames animieren: Sie können den ersten, letzten oder beide gleichzeitig festlegen. Ref2VA sammelt ein Video basierend auf Referenzen – eine Anfrage umfasst bis zu neun Bilder, bis zu drei Videos und bis zu drei Audiodateien: Das Aussehen des Charakters, die Kamerabewegung, der Stil und die Stimme werden in separaten Beispielen angegeben. Der Kern des Modells ist ein dichter Transformator mit 33 Milliarden Parametern, die Gewichte werden genau als BF16 veröffentlicht und das gesamte Repository wiegt etwa 288 GB.
Was kann ein Model?
H3 akzeptiert Text, Bilder, Video und Audio und erzeugt Videos mit einer Länge von 4 bis 15 Sekunden bei 24 Bildern pro Sekunde – mit integriertem Stereoton, den das Modell synchron zum Bild selbst synthetisiert. Die Basisauflösung beträgt eher 768p. Der Ton ist hier keine separate Bearbeitungsstufe, sondern Teil desselben Modells: Als Referenz kann eine Stimme oder ein Musikrhythmus festgelegt werden, was den gewohnten Arbeitsablauf deutlich verändert.
Über 2K – ein wichtiger Haftungsausschluss
Die deklarierten 2K werden im offenen Teil der Pipeline nicht erreicht. Ein separates Modul, Regenerate-2K, ist für die Erhöhung der Auflösung verantwortlich, und MiniMax hat es nicht gepostet: Der offizielle Weg zu 2K besteht darin, das lokale 768p-Ergebnis zurück an das Cloud-Unternehmen API zu senden. Auch das Context-IR-Modul, das komplexe Kombinationen aus Textabfragen und Referenzen analysiert, ist nicht geöffnet. „Alles lokal ausführen“ bedeutet also vorerst „Basisgenerierung ausführen“.
Kommt ein normaler Computer damit zurecht?
Das ComfyUI-Team fügte am Veröffentlichungstag Unterstützung hinzu und optimierte den Start erheblich: Modulationsgewichte – etwa 40 % aller Parameter – wurden durch eine kompakte Nachschlagetabelle ersetzt, und die int8-Quantisierung schrumpfte das Gesamtvolumen von 123,6 auf 42,5 GB. Zusammen mit dem dynamischen Hochladen in den RAM reicht dies aus, damit das Modell auch auf einer Grafikkarte der RTX 3060-Ebene funktioniert. Die Community ist noch einen Schritt weiter gegangen: WanGP hat Konfigurationen für Karten mit 5–6 GB Videospeicher eingeführt – aggressives Hochladen in den RAM, reduzierte Auflösung und lange Minuten für ein kurzes Video. Es ist wichtig zu verstehen: Dies sind keine offiziellen Anforderungen, sondern Volksrezepte. Die Detaillierung ist weicher und die Stabilität hängt von der RAM-Größe und der Festplattengeschwindigkeit ab. Für volle Qualität empfehlen die Entwickler erstklassige Karten wie die RTX 5090.
Lizenz: Dies ist kein Open Source im herkömmlichen Sinne
Die Gewichte sind Open Source, werden jedoch unter einer Community-Lizenz mit Bedingungen vertrieben. Die kommerzielle Nutzung ist Unternehmen mit einem Jahresumsatz von bis zu 20 Millionen US-Dollar gestattet, bei größeren Unternehmen ist eine gesonderte Vereinbarung erforderlich. Und die Hauptsache ist die Geographie: Die Lizenz gilt nur in den USA, der Europäischen Union, Großbritannien und Südkorea; In anderen Regionen bedarf die Verwendung einer schriftlichen Genehmigung MiniMax. Daher ist es richtiger, von „offenen Gewichten“ als von „komplett Open Source“ zu sprechen.
Wer braucht wirklich einen lokalen Start?
Ihre eigene Instanz ist dort gerechtfertigt, wo Datenschutz, große Generierungsmengen oder die Anpassung des Modells an Ihre Aufgaben wichtig sind – offene Gewichte ermöglichen eine Feinabstimmung Ihrer Daten. Wenn Sie nur schnell ein qualitativ hochwertiges Video benötigen, ohne eine Farm zu benötigen und sich mit der Umgebung herumschlagen zu müssen, ist die Cloud bequemer: Videoabschnitt NeuralSpace Videos werden mit wenigen Klicks erstellt und wir haben eine detaillierte Analyse der Fähigkeiten von H3 selbst durchgeführt separate Rezension.
Häufig gestellte Fragen
Welche Art von Grafikkarte wird für MiniMax H3 benötigt?
Für komfortables Arbeiten – Top-End-Karten mit viel Speicher. In der Praxis wird die Basisgeneration sogar auf 6 GB VRAM über ComfyUI und WanGP gestartet, was zu Einbußen bei Auflösung und Geschwindigkeit führt: Ein kurzes Video kann als 10–15 Minuten angesehen werden.
Kann H3 in kommerziellen Projekten verwendet werden?
Ja, wenn der Jahresumsatz des Unternehmens weniger als 20 Millionen US-Dollar beträgt, ist dies eine Bedingung der Community-Lizenz. Größere Organisationen benötigen eine gesonderte Vereinbarung mit MiniMax.
Warum kann H3 nicht als vollständig Open Source bezeichnet werden?
Nur der grundlegende Teil der Pipeline ist offen: Module für das Upgrade auf 2K und das Parsen komplexer Referenzen bleiben geschlossen, und die Lizenz beschränkt die kommerzielle Nutzung und Regionen.