MiniMax H3 otvoreni utezi: što zapravo možete pokrenuti lokalno

MiniMax je početkom kolovoza objavio težinu svog video modela H3 na Hugging Face. Isječci sa stereo zvukom sada se mogu generirati na vlastitom računalu — bez pretplate, bez naknada za API po generaciji. Ali prije preuzimanja stotina gigabajta, imajte na umu dvije stvari: puni 2K cjevovod nije dospio u otvoreno izdanje, a licenca ne dopušta svima, svugdje.

Što je točno objavljeno

Spremište MiniMax-H3 isporučuje dvije kontrolne točke specifične za zadatak. FL2VA stvara video sa zvukom iz teksta i može animirati okvire: vi dajete prvi, zadnji ili oba. Ref2VA gradi isječak iz referenci — jedan zahtjev može uključivati ​​do devet slika, tri videa i tri audio datoteke, tako da su izgled lika, pokret kamere, stil i glas svaki postavljeni vlastitim primjerom. Jezgra je gusti transformator od 33 milijarde parametara, težine su objavljene u BF16, a cijeli repozitorij teži oko 288 GB.

Što model može

H3 uzima tekst, slike, video i audio kao ulaz i proizvodi isječke od 4 do 15 sekundi pri 24 fps — s ugrađenim stereo zvukom koji model sam sintetizira, sinkronizirano sa slikom. Osnovna rezolucija je 768p na kraćoj strani. Audio ovdje nije zasebna faza obrade, već dio istog modela: možete postaviti glas ili glazbeni ritam prema referenci, što značajno mijenja uobičajeni tijek rada.

Oko 2K — važno upozorenje

Reklamirani 2K ne dolazi iz otvorenog dijela cjevovoda. Odvojeni modul pod nazivom Regenerate-2K upravlja povećanjem razlučivosti, a MiniMax ga nije objavio: službeni put do 2K je slanje vašeg lokalnog 768p rezultata natrag u API tvrtke u oblaku. Context-IR, modul koji analizira složene kombinacije upita i referenci, također nije otvoren. Dakle, "pokretanje svega lokalno" trenutno znači "pokretanje osnovne generacije".

Hoće li se obično računalo nositi?

ComfyUI tim dodao je podršku nultog dana i snažno optimizirao izvođenje: težine modulacije — oko 40% svih parametara — zamijenjene su kompaktnom tablicom pretraživanja, a kvantizacija int8 smanjila je ukupni otisak sa 123,6 GB na 42,5 GB. U kombinaciji s dinamičkim rasterećenjem RAM-a sustava, to je dovoljno da model radi na kartici tako skromnoj kao što je RTX 3060. Zajednica je otišla dalje: pojavile su se konfiguracije WanGP za kartice s 5–6 GB VRAM-a, koristeći agresivno rasterećenje RAM-a, smanjenu rezoluciju i duge minute po kratkom isječku. Imajte na umu da su ovo recepti zajednice, a ne službeni zahtjevi: detalji su mekši, a stabilnost ovisi o veličini RAM-a i brzini diska. Za punu kvalitetu, programeri preporučuju vrhunske kartice poput RTX 5090.

Licenciranje: ovo nije open source u uobičajenom smislu

Težine su otvorene, ali se distribuiraju pod licencom zajednice s uvjetima. Komercijalna upotreba dopuštena je tvrtkama s godišnjim prihodom manjim od 20 milijuna dolara — veće tvrtke trebaju poseban ugovor. I što je ključno, zemljopis: licenca pokriva samo SAD, Europsku uniju, Ujedinjeno Kraljevstvo i Južnu Koreju; Za korištenje na drugim mjestima potrebno je pismeno dopuštenje MiniMaxa. "Otvorene težine" je točan izraz, a ne "potpuno otvoreni kod".

Tko stvarno treba lokalno trčanje

Samostalna instanca ima smisla kada je važna privatnost, veliki volumen generiranja ili fino podešavanje vaših vlastitih podataka — upravo ono što otvorene težine omogućuju. Ako samo želite kvalitetan isječak brzo, bez GPU farme ili okoliša, oblak je lakši: uVideo odjeljak NeuralSpaceza isječke potrebno je nekoliko klikova, a mi smo opisali što sam H3 može učiniti u našemzaseban pregled.

FAQ

Koji GPU treba MiniMax H3?

Za ugodan rad, vrhunske kartice s puno memorije. U praksi ljudi pokreću generiranje baze čak i na 6 GB VRAM-a putem ComfyUI i WanGP, mijenjajući rezoluciju i brzinu: kratki isječak može trajati 10-15 minuta.

Mogu li koristiti H3 komercijalno?

Da, ako je godišnji prihod vaše tvrtke ispod 20 milijuna dolara — to je uvjet licence zajednice. Veće organizacije trebaju poseban ugovor s MiniMaxom.

Zašto H3 nije potpuno otvorenog koda?

Otvoren je samo osnovni dio cjevovoda: moduli za povećanje veličine na 2K i raščlanjivanje složenih referenci ostaju zatvoreni, a licenca ograničava komercijalnu upotrebu i regije.