Новый замер Artificial Analysis поставил открытую модель MiniMax H3 выше закрытых систем: первое место в категории Video Editing, второе в Text-to-Video, третье в Image-to-Video. До этого верхние строчки видеорейтингов удерживали проприетарные модели, поэтому результат H3 — первый случай, когда открытые веса оказываются конкурентоспособны на таком уровне.
H3 — модель с 33 млрд параметров, которая обрабатывает текст, изображения, видео и аудио в одном контуре. Она генерирует ролики длиной от 4 до 15 секунд со стереозвуком, а в один запрос можно включить до девяти опорных изображений, трёх видеоклипов и трёх аудиофрагментов. Управление всеми модальностями из одного промпта — то, что обычно доступно только в закрытых API.
| Категория рейтинга | Позиция H3 |
|---|---|
| Video Editing | 1 |
| Text-to-Video | 2 |
| Image-to-Video | 3 |
Минусы открытого релиза видны при ближайшем рассмотрении. Модуль 2K-разрешения и H3-Context-IR, который превращает запрос и референсы в структурированный промежуточный формат, в веса не вошли. В ComfyUI генерация ограничена 768p, а подготовку контекста пользователь берёт на себя, следуя опубликованным MiniMax гайдам. Коммерческое использование разрешено только компаниям с выручкой менее $20 млн.
Генерирует ролики от 4 до 15 секунд со стереозвуком; в запрос входят до девяти опорных изображений.
Тем не менее открытые веса позволяют дообучать модель на собственном материале: например, адаптировать её под конкретные лица, персонажей или визуальный стиль. Это отличает H3 от закрытых видеогенераторов, где доступен только дообучение через API, если оно вообще предусмотрено.
В тот же день ByteDance выпустила закрытую модель Seedance 2.5, которая генерирует 30-секундные клипы со встроенным звуком. MiniMax тем самым предлагает обратный путь: отдать базовую модель сообществу, сохранив часть пайплайна за собой. Насколько такая стратегия окупится, будет видно по развитию экосистемы вокруг H3.
