Bobot terbuka MiniMax H3: yang sebenarnya dapat Anda jalankan secara lokal

Pada awal Agustus, MiniMax menerbitkan bobot model video H3-nya di Hugging Face. Klip dengan suara stereo kini dapat dibuat di mesin Anda sendiri — tanpa berlangganan, tanpa biaya API per generasi. Namun sebelum mengunduh ratusan gigabyte, ingatlah dua hal: pipeline 2K lengkap tidak masuk ke rilis terbuka, dan lisensinya tidak mengizinkan semua orang, di mana pun.

Apa sebenarnya yang dirilis

Repositori MiniMax-H3 mengirimkan dua pos pemeriksaan khusus tugas. FL2VA membuat video dengan suara dari teks dan dapat menganimasikan bingkai: Anda memberikan bingkai pertama, terakhir, atau keduanya. Ref2VA membuat klip dari referensi — satu permintaan dapat mencakup hingga sembilan gambar, tiga video, dan tiga file audio, sehingga tampilan karakter, pergerakan kamera, gaya, dan suaranya masing-masing diatur berdasarkan contohnya sendiri. Intinya adalah transformator padat dengan 33 miliar parameter, bobotnya dipublikasikan di BF16, dan seluruh repositori berbobot sekitar 288 GB.

Apa yang bisa dilakukan model tersebut

H3 mengambil teks, gambar, video, dan audio sebagai input dan menghasilkan klip berdurasi 4 hingga 15 detik pada 24 fps — dengan audio stereo internal yang disintesis sendiri oleh model, selaras dengan gambar. Resolusi dasarnya adalah 768p di sisi pendek. Audio bukanlah tahap pemrosesan terpisah di sini, melainkan bagian dari model yang sama: Anda dapat mengatur suara atau ritme musik dengan referensi, yang secara signifikan mengubah alur kerja biasa.

Tentang 2K — peringatan penting

2K yang diiklankan tidak berasal dari bagian pipa yang terbuka. Modul terpisah bernama Regenerate-2K menangani peningkatan resolusi, dan MiniMax tidak merilisnya: rute resmi ke 2K adalah mengirimkan hasil 768p lokal Anda kembali ke API cloud perusahaan. Context-IR, modul yang mengurai kombinasi perintah dan referensi yang kompleks, juga tidak terbuka. Jadi "menjalankan semuanya secara lokal" saat ini berarti "menjalankan generasi dasar".

Akankah komputer biasa bisa mengatasinya?

Tim ComfyUI menambahkan dukungan pada hari pertama dan mengoptimalkan proses secara menyeluruh: bobot modulasi — sekitar 40% dari seluruh parameter — digantikan dengan tabel pencarian yang ringkas, dan kuantisasi int8 memperkecil total jejak dari 123,6 GB menjadi 42,5 GB. Dikombinasikan dengan pembongkaran dinamis ke RAM sistem, jumlah tersebut cukup untuk menjalankan model pada kartu sederhana seperti RTX 3060. Komunitas melangkah lebih jauh: Konfigurasi WanGP untuk kartu dengan VRAM 5–6 GB telah muncul, menggunakan pembongkaran RAM agresif, resolusi yang lebih rendah, dan menit yang panjang per klip pendek. Ingatlah bahwa ini adalah resep komunitas, bukan persyaratan resmi: detailnya lebih halus, dan stabilitasnya bergantung pada ukuran RAM dan kecepatan disk Anda. Untuk kualitas penuh, pengembang merekomendasikan kartu tingkat atas seperti RTX 5090.

Lisensi: ini bukan open source seperti biasanya

Bobotnya terbuka tetapi didistribusikan di bawah Lisensi Komunitas dengan syarat. Penggunaan komersial diperbolehkan untuk perusahaan dengan pendapatan tahunan di bawah $20 juta — bisnis yang lebih besar memerlukan perjanjian terpisah. Dan yang terpenting, geografi: lisensinya hanya mencakup AS, Uni Eropa, Inggris, dan Korea Selatan; penggunaan di tempat lain memerlukan izin tertulis dari MiniMax. "Bobot terbuka" adalah istilah yang akurat, bukan "sumber terbuka sepenuhnya".

Siapa yang benar-benar membutuhkan lari lokal

Mesin virtual yang dihosting sendiri masuk akal ketika privasi, volume pembangkitan tinggi, atau penyesuaian data Anda penting — hal inilah yang dimungkinkan oleh bobot terbuka. Jika Anda hanya menginginkan klip berkualitas dengan cepat, tanpa kerumitan GPU atau lingkungan, cloud lebih mudah: diBagian video NeuralSpaceklip membutuhkan beberapa klik, dan kami membahas apa yang dapat dilakukan H3 di perangkat kamiulasan terpisah.

Pertanyaan Umum

GPU apa yang dibutuhkan MiniMax H3?

Untuk kenyamanan kerja, kartu tingkat atas dengan banyak memori. Dalam praktiknya, orang-orang menjalankan generasi dasar bahkan pada VRAM 6 GB melalui ComfyUI dan WanGP, mengorbankan resolusi dan kecepatan: klip pendek dapat memakan waktu 10–15 menit.

Bisakah saya menggunakan H3 secara komersial?

Ya, jika pendapatan tahunan perusahaan Anda di bawah $20 juta — itu adalah ketentuan Lisensi Komunitas. Organisasi yang lebih besar memerlukan perjanjian terpisah dengan MiniMax.

Mengapa H3 tidak sepenuhnya open source?

Hanya bagian dasar dari pipeline yang terbuka: modul untuk peningkatan ke 2K dan penguraian referensi kompleks tetap ditutup, dan lisensi membatasi penggunaan komersial dan wilayah.