MiniMax H3 åpne vekter: hva du faktisk kan kjøre lokalt

I begynnelsen av august publiserte MiniMax vektene til H3-videomodellen sin på Hugging Face. Klipp med stereolyd kan nå genereres på din egen maskin – uten abonnement, ingen API-avgifter per generasjon. Men før du laster ned hundrevis av gigabyte, husk to ting: hele 2K-rørledningen kom ikke inn i den åpne utgivelsen, og lisensen tillater ikke alle, overalt.

Nøyaktig hva som ble sluppet

MiniMax-H3-depotet sender to oppgavespesifikke sjekkpunkter. FL2VA lager video med lyd fra tekst og kan animere rammer: du gir den første, den siste eller begge deler. Ref2VA bygger et klipp fra referanser - en enkelt forespørsel kan inneholde opptil ni bilder, tre videoer og tre lydfiler, så en karakters utseende, kamerabevegelse, stil og stemme er satt av sitt eget eksempel. Kjernen er en tett transformator med 33 milliarder parametere, vektene er publisert i BF16, og hele depotet veier rundt 288 GB.

Hva modellen kan

H3 tar tekst, bilder, video og lyd som input og produserer klipp på 4 til 15 sekunder ved 24 fps — med innebygd stereolyd som modellen syntetiserer selv, synkronisert med bildet. Grunnoppløsningen er 768p på kortsiden. Lyd er ikke et separat prosesseringstrinn her, men en del av samme modell: du kan angi en stemme eller musikalsk rytme ved referanse, noe som endrer den vanlige arbeidsflyten merkbart.

Omtrent 2K — et viktig forbehold

Den annonserte 2K kommer ikke fra den åpne delen av rørledningen. En egen modul kalt Regenerate-2K håndterer oppløsningsløftet, og MiniMax slapp den ikke: den offisielle ruten til 2K er å sende ditt lokale 768p-resultat tilbake til selskapets sky-API. Context-IR, modulen som analyserer komplekse kombinasjoner av spørsmål og referanser, er heller ikke åpen. Så «å kjøre alt lokalt» betyr for øyeblikket «å kjøre basegenerasjon».

Vil en vanlig datamaskin klare seg?

ComfyUI-teamet la til støtte på dag null og optimaliserte kjøringen kraftig: modulasjonsvekter – omtrent 40 % av alle parametere – ble erstattet med en kompakt oppslagstabell, og int8-kvantisering krympet det totale fotavtrykket fra 123,6 GB til 42,5 GB. Kombinert med dynamisk avlasting til system-RAM er det nok til at modellen kan kjøre på et kort så beskjedent som RTX 3060. Fellesskapet gikk lenger: WanGP-konfigurasjoner for kort med 5–6 GB VRAM har dukket opp, ved bruk av aggressiv RAM-avlasting, redusert oppløsning og lange minutter per kort klipp. Husk at dette er fellesskapsoppskrifter, ikke offisielle krav: detaljer kommer mykere ut, og stabilitet avhenger av RAM-størrelsen og diskhastigheten. For full kvalitet anbefaler utviklerne topplagskort som RTX 5090.

Lisensering: dette er ikke åpen kildekode i vanlig forstand

Vektene er åpne, men distribuert under en fellesskapslisens med betingelser. Kommersiell bruk er tillatt for selskaper med under 20 millioner dollar i årlig omsetning - større virksomheter trenger en egen avtale. Og avgjørende, geografi: lisensen dekker bare USA, EU, Storbritannia og Sør-Korea; bruk andre steder krever skriftlig tillatelse fra MiniMax. "Åpne vekter" er det nøyaktige begrepet, ikke "helt åpen kildekode".

Som virkelig trenger et lokalt løp

En selvhostet forekomst er fornuftig når personvern, høyt generasjonsvolum eller finjustering av dine egne data betyr noe – akkurat hva åpne vekter muliggjør. Hvis du bare vil ha et kvalitetsklipp raskt, uten en GPU-farm eller miljøproblemer, er skyen enklere: iNeuralSpace videoseksjonklipp tar et par klikk, og vi dekket hva H3 selv kan gjøre i våregen anmeldelse.

FAQ

Hvilken GPU trenger MiniMax H3?

For komfortabelt arbeid, førsteklasses kort med mye minne. I praksis kjører folk grunngenerering selv på 6 GB VRAM gjennom ComfyUI og WanGP, og bytter bort oppløsning og hastighet: et kort klipp kan ta 10–15 minutter.

Kan jeg bruke H3 kommersielt?

Ja, hvis selskapets årlige inntekter er under 20 millioner dollar – er det en fellesskapslisensbetingelse. Større organisasjoner trenger en egen avtale med MiniMax.

Hvorfor er ikke H3 fullt åpen kildekode?

Bare basisdelen av rørledningen er åpen: modulene for oppskalering til 2K og analysering av komplekse referanser forblir stengt, og lisensen begrenser kommersiell bruk og regioner.