MiniMax H3 öppna vikter: vad du faktiskt kan köra lokalt

I början av augusti publicerade MiniMax vikterna för sin H3-videomodell på Hugging Face. Klipp med stereoljud kan nu genereras på din egen maskin – ingen prenumeration, inga API-avgifter per generation. Men innan du laddar ner hundratals gigabyte, tänk på två saker: hela 2K-pipelinen kom inte in i den öppna versionen, och licensen tillåter inte alla, överallt.

Vad exakt släpptes

MiniMax-H3-förvaret levererar två uppgiftsspecifika kontrollpunkter. FL2VA skapar video med ljud från text och kan animera bildrutor: du tillhandahåller den första, den sista eller båda. Ref2VA bygger ett klipp från referenser — en enda begäran kan innehålla upp till nio bilder, tre videor och tre ljudfiler, så en karaktärs utseende, kamerarörelser, stil och röst bestäms av sitt eget exempel. Kärnan är en tät transformator med 33 miljarder parametrar, vikterna publiceras i BF16, och hela förvaret väger cirka 288 GB.

Vad modellen kan

H3 tar text, bilder, video och ljud som input och producerar klipp på 4 till 15 sekunder vid 24 fps — med inbyggt stereoljud som modellen syntetiserar själv, synkroniserat med bilden. Basupplösningen är 768p på kortsidan. Ljud är inte ett separat bearbetningssteg här utan en del av samma modell: du kan ställa in en röst eller musikalisk rytm genom referens, vilket ändrar det vanliga arbetsflödet märkbart.

Om 2K — en viktig varning

Den annonserade 2K kommer inte från den öppna delen av pipelinen. En separat modul som heter Regenerate-2K hanterar upplösningsförstärkningen, och MiniMax släppte den inte: den officiella vägen till 2K är att skicka ditt lokala 768p-resultat tillbaka till företagets moln-API. Context-IR, modulen som analyserar komplexa kombinationer av uppmaningar och referenser, är inte heller öppen. Så "köra allt lokalt" betyder för närvarande "kör basgenerering".

Klarar en vanlig dator?

ComfyUI-teamet lade till stöd på dag noll och kraftigt optimerade körningen: modulationsvikter – cirka 40 % av alla parametrar – ersattes med en kompakt uppslagstabell, och int8-kvantiseringen krympte det totala fotavtrycket från 123,6 GB till 42,5 GB. I kombination med dynamisk avlastning till system-RAM räcker det för att modellen ska köras på ett lika blygsamt kort som RTX 3060. Gemenskapen gick längre: WanGP-konfigurationer för kort med 5–6 GB VRAM har dykt upp, med aggressiv RAM-avlastning, reducerad upplösning och långa minuter per kort klipp. Tänk på att det här är community-recept, inte officiella krav: detaljerna blir mjukare och stabiliteten beror på din RAM-storlek och diskhastighet. För full kvalitet rekommenderar utvecklarna toppskiktskort som RTX 5090.

Licensiering: detta är inte öppen källkod i vanlig mening

Vikterna är öppna men distribueras under en gemenskapslicens med villkor. Kommersiell användning är tillåten för företag med mindre än 20 miljoner dollar i årliga intäkter - större företag behöver ett separat avtal. Och framför allt, geografi: licensen omfattar endast USA, EU, Storbritannien och Sydkorea; användning på annat håll kräver skriftligt tillstånd från MiniMax. "Öppen vikt" är den korrekta termen, inte "helt öppen källkod".

Som verkligen behöver en lokal löpning

En egen värd instans är vettig när integritet, hög generationsvolym eller finjustering av dina egna data är viktiga – precis vad öppna vikter möjliggör. Om du bara vill ha ett kvalitetsklipp snabbt, utan en GPU-farm eller miljökrångel, är molnet enklare: iNeuralSpace videosektionklipp tar ett par klick, och vi täckte vad H3 själv kan göra i vårseparat granskning.

FAQ

Vilken GPU behöver MiniMax H3?

För bekvämt arbete, toppklassiga kort med gott om minne. I praktiken kör folk basgenerering även på 6 GB VRAM genom ComfyUI och WanGP, och byter bort upplösning och hastighet: ett kort klipp kan ta 10–15 minuter.

Kan jag använda H3 kommersiellt?

Ja, om ditt företags årliga intäkter är under 20 miljoner USD – det är ett villkor för en gemenskapslicens. Större organisationer behöver ett separat avtal med MiniMax.

Varför är inte H3 helt öppen källkod?

Endast basdelen av pipelinen är öppen: modulerna för uppskalning till 2K och analys av komplexa referenser förblir stängda, och licensen begränsar kommersiell användning och regioner.