Pemberat terbuka MiniMax H3: perkara yang sebenarnya boleh anda jalankan secara setempat
Pada awal Ogos, MiniMax menerbitkan berat model video H3nya pada Hugging Face. Klip dengan bunyi stereo kini boleh dijana pada mesin anda sendiri — tiada langganan, tiada yuran API setiap generasi. Tetapi sebelum memuat turun ratusan gigabait, ingatlah dua perkara: saluran paip 2K penuh tidak masuk ke dalam keluaran terbuka, dan lesen tidak membenarkan semua orang, di mana-mana sahaja.
Apa sebenarnya yang dikeluarkan
Repositori MiniMax-H3 menghantar dua pusat pemeriksaan khusus tugas. FL2VA mencipta video dengan bunyi daripada teks dan boleh menghidupkan bingkai: anda menyediakan yang pertama, yang terakhir atau kedua-duanya. Ref2VA membina klip daripada rujukan — satu permintaan boleh memasukkan sehingga sembilan imej, tiga video dan tiga fail audio, jadi rupa watak, pergerakan kamera, gaya dan suara masing-masing ditetapkan oleh contoh mereka sendiri. Teras ialah pengubah 33 bilion parameter yang padat, pemberatnya diterbitkan dalam BF16, dan keseluruhan repositori mempunyai berat sekitar 288 GB.
Apa yang model boleh buat
H3 mengambil teks, imej, video dan audio sebagai input dan menghasilkan klip 4 hingga 15 saat pada 24 fps — dengan audio stereo terbina dalam yang model mensintesis sendiri, selari dengan gambar. Peleraian asas ialah 768p pada bahagian pendek. Audio bukanlah peringkat pemprosesan yang berasingan di sini tetapi sebahagian daripada model yang sama: anda boleh menetapkan suara atau irama muzik melalui rujukan, yang mengubah aliran kerja biasa dengan ketara.
Kira-kira 2K — kaveat penting
2K yang diiklankan tidak datang dari bahagian terbuka saluran paip. Modul berasingan yang dipanggil Regenerate-2K mengendalikan rangsangan resolusi, dan MiniMax tidak mengeluarkannya: laluan rasmi ke 2K adalah untuk menghantar kembali hasil 768p tempatan anda ke API awan syarikat. Context-IR, modul yang menghuraikan kombinasi kompleks gesaan dan rujukan, tidak dibuka sama ada. Jadi "menjalankan segala-galanya secara tempatan" pada masa ini bermaksud "menjalankan penjanaan asas".
Adakah komputer biasa dapat mengatasinya?
Pasukan ComfyUI menambah sokongan pada hari sifar dan sangat mengoptimumkan larian: pemberat modulasi — kira-kira 40% daripada semua parameter — telah digantikan dengan jadual carian padat, dan kuantisasi int8 mengecilkan jumlah jejak daripada 123.6 GB kepada 42.5 GB. Digabungkan dengan pemunggahan dinamik ke RAM sistem, itu sudah cukup untuk model berjalan pada kad sesederhana RTX 3060. Komuniti pergi lebih jauh: Konfigurasi WanGP untuk kad dengan 5–6 GB VRAM telah muncul, menggunakan pemunggahan RAM yang agresif, resolusi yang dikurangkan dan minit panjang bagi setiap klip pendek. Perlu diingat ini adalah resipi komuniti, bukan keperluan rasmi: butiran lebih lembut dan kestabilan bergantung pada saiz RAM dan kelajuan cakera anda. Untuk kualiti penuh, pembangun mengesyorkan kad peringkat teratas seperti RTX 5090.
Pelesenan: ini bukan sumber terbuka dalam erti kata biasa
Pemberat dibuka tetapi diedarkan di bawah Lesen Komuniti dengan syarat. Penggunaan komersial dibenarkan untuk syarikat yang mempunyai pendapatan tahunan di bawah $20 juta — perniagaan yang lebih besar memerlukan perjanjian yang berasingan. Dan yang penting, geografi: lesen hanya meliputi AS, Kesatuan Eropah, United Kingdom dan Korea Selatan; penggunaan di tempat lain memerlukan kebenaran bertulis daripada MiniMax. "Berat terbuka" ialah istilah yang tepat, bukan "sumber terbuka sepenuhnya".
Siapa yang benar-benar memerlukan larian tempatan
Contoh yang dihoskan sendiri masuk akal apabila privasi, volum penjanaan tinggi atau penalaan halus pada data anda sendiri penting — tepat apa yang didayakan oleh pemberat terbuka. Jika anda hanya mahu klip berkualiti pantas, tanpa ladang GPU atau kerumitan persekitaran, awan lebih mudah: dalamBahagian video NeuralSpaceklip mengambil beberapa klik, dan kami membincangkan perkara yang boleh dilakukan oleh H3 sendiri dalam kamisemakan berasingan.
Soalan Lazim
Apakah GPU yang diperlukan oleh MiniMax H3?
Untuk kerja yang selesa, kad peringkat teratas dengan banyak memori. Dalam amalan, orang menjalankan penjanaan asas walaupun pada 6 GB VRAM melalui ComfyUI dan WanGP, menukar resolusi dan kelajuan: klip pendek boleh mengambil masa 10–15 minit.
Bolehkah saya menggunakan H3 secara komersial?
Ya, jika hasil tahunan syarikat anda di bawah $20 juta — itu adalah syarat Lesen Komuniti. Organisasi yang lebih besar memerlukan perjanjian berasingan dengan MiniMax.
Mengapa H3 tidak sumber terbuka sepenuhnya?
Hanya bahagian asas saluran paip yang dibuka: modul untuk meningkatkan skala kepada 2K dan mengurai rujukan kompleks kekal ditutup, dan lesen mengehadkan penggunaan komersial dan wilayah.