Китайский разработчик MiniMax опубликовал веса своей новой видеомодели H3, что ознаменовало важный прецедент в индустрии: впервые открытое решение заняло лидирующую позицию в независимом бенчмарке. Как пишет The Decoder, эксперты из Artificial Analysis поставили H3 на первое место в категории редактирования видео, на второе — в генерации видео из текста и на третье — в создании роликов из изображений.

Модель с 33 миллиардами параметров демонстрирует мультимодальный подход, обрабатывая текст, изображения, видео и аудио в едином потоке. Это позволяет генерировать клипы продолжительностью от 4 до 15 секунд, которые сопровождаются синхронизированным стереозвуком. Согласно технической документации, один промпт может объединять до девяти референсных изображений, а также по три видео- и аудиофрагмента, что открывает широкое поле для экспериментов с консистентностью кадров.

Архитектура MiniMax H3 позволяет гибко настраивать процесс генерации. Пользователи могут использовать опубликованные веса для дообучения модели на собственных данных, будь то специфические персонажи или уникальная визуальная стилистика. Однако стоит учитывать, что в открытый доступ попали не все компоненты: модуль для повышения разрешения до 2K и система H3-Context-IR, отвечающая за структурирование сложных входных данных, остались закрытыми проприетарными инструментами.

Особенности локального запуска и технические барьеры

Для тех, кто предпочитает запускать нейросети на собственном железе, например, через интерфейс ComfyUI, текущая версия H3 ограничена разрешением 768p. Поскольку инструмент для подготовки контекста не опубликован, пользователям придется самостоятельно структурировать входные данные, опираясь на гайды по промптингу от MiniMax. Это напоминает ситуацию, когда вам дают мощный двигатель, но чертежи топливной системы просят набросать по памяти.

Доступ к весам модели с 33 млрд параметров — это весомый аргумент в пользу демократизации видео-ИИ, однако отсутствие модуля 2K-апскейлинга превращает «открытость» в маркетинговый фасад. Мы получаем мощное ядро, скованное низким выходным разрешением, что вынуждает профессионалов либо оставаться в облаке вендора, либо искать костыли в сторонних инструментах. Настоящий прорыв здесь не в свободе кода, а в том, что китайские лаборатории начали диктовать стандарты качества, обходя западных конкурентов на их же поле бенчмарков.

Юридическая сторона вопроса также содержит важный нюанс. Хотя веса доступны для скачивания, лицензия ограничивает коммерческое использование: оно разрешено без дополнительных отчислений только компаниям, чья выручка не превышает 20 миллионов долларов. Для крупных игроков рынка модель остается скорее объектом исследования, чем готовым производственным инструментом.

Параллельно с релизом открытой H3, компания ByteDance представила свою закрытую модель Seedance 2.5. Этот конкурент способен создавать 30-секундные ролики со встроенным звуком, что подчеркивает стремительную гонку вооружений в сегменте видеогенерации. Пока одни делают ставку на длительность и закрытые экосистемы, другие, как MiniMax, пытаются привлечь сообщество разработчиков через частичную открытость и высокие позиции в рейтингах.