MiniMax H3: открытые веса и 2K-видеогенерация возвращаются.
Шанхайская компания MiniMax представила H3 — omni-модальную модель, которая понимает текст, картинки, видео и звук в одном контексте. Модель способна выдавать до 15 секунд видео в нативном 2K-разрешении со стереозвуком. Разработчики обещают открыть веса «в ближайшие дни».
Мы считаем это главной новостью. Открытая видеогенерация давно топталась на месте: последними заметными моделями были LTX-2 и Wan, а всё самое топовое остаётся за закрытыми API. В MiniMax согласны с этим и прямо заявляют, что закрытые модели слишком долго доминировали в сфере видео.
Параметры новинки не раскрыты, технический отчёт появится позже. Однако есть два намёка: совместимость с пользовательским железом закладывалась «с самых ранних стадий дизайна», а в планах указано, что нынешний размер модели ограничивает её возможности и его ещё предстоит масштабировать. Иными словами, H3 сознательно не является неподъёмным монстром.
Ключевая особенность, позволившая добиться 2K без апскейла, — токенизатор H3-VAE. Он даёт четырёхкратный выигрыш по эффективной длине последовательности, благодаря чему высокое разрешение является нативным.
Модели пока нет в открытом доступе, но ждать её появления стоит здесь: Hugging Face и GitHub. Ознакомиться с подробностями от разработчиков можно в первоисточнике: блог MiniMax.
Ещё новости:
