MiniMax H3 с открытым исходным кодом на 33B: видеомодели пересекают производственную линию

В последний день июля MiniMax выпустила H3, 33-миллиардную параметрическую видеомодель, которая достигает SOTA на основных видео-бенчмарках. В тот же день веса модели стали открытым исходным кодом. История не только в том, что еще одна лаборатория догнала ByteDance's Seedance. История в том, что генерация видео пересекла черту от 'крутой демонстрации' к 'инструменту для производства', и MiniMax решила выпустить ее именно в этот момент.

На videobao это меняет то, что вы можете сделать за одну сессию. Читайте дальше для разбора H3, аргумента 'почему 33B является заголовком' и как использовать эту генерацию моделей в вашем следующем проекте.

Что на самом деле делает MiniMax H3

H3 построена вокруг двух идей: нативный мультимодальный ввод и кросс-модальное точное редактирование. Текст, изображение, аудио и видео могут использоваться как ссылки в одном запросе. Это означает, что вы можете передать модели короткий клип, указать на одного персонажа с текстовой инструкцией и заменить только этого персонажа, в то время как все остальное вокруг него остается неизменным.

Ранние демонстрации от MiniMax сосредоточены на сценах, где производственным командам действительно нужна эта функция: обзоры дизайна интерфейса, реклама брендов, клипы в стиле MV, игровая кинематография, AR и эффекты перехода, а также примерка для электронной коммерции. Продажа заключается не в том, что 'AI может сделать видео', а в том, что 'AI может сделать именно то видео, которое вам нужно, с изменением конкретного элемента'.

H3 также нативно генерирует 2K, с новым токенизатором, построенным на основе архитектуры Hailuo-02. Сжатие более эффективно, стоимость обучения и вывода ниже, и модель достаточно мала (33B), чтобы серьезные производственные команды могли фактически разместить ее.

Почему 33B является более значимой новостью, чем SOTA

SOTA - это заголовок. 33B - это реальная новость. Большинство SOTA видеомоделей в 2025 году имели 70B+ параметров, что означало серьезные счета за вычисления, медленную итерацию и закрытые API. Модель на 33B с SOTA означает три вещи.

Во-первых, обучение более доступно. Команды, которые не могли позволить себе обучение передовой видеомодели в прошлом году, теперь могут настроить или дистиллировать одну. Во-вторых, вывод дешевле. Стоимость кредита за генерацию на videobao формируется за счет стоимости вышестоящего уровня, и меньшие модели снижают это число. В-третьих, развертывание реалистично. Вы можете запустить 33B видеомодель на серьезном производственном оборудовании без специальной сборки центра обработки данных.

Другими словами, SOTA на 33B - это то, что превращает результат исследования в продукт. То же самое произошло с языковыми моделями, когда эффективные открытые исходные коды достигли качества GPT-3 при значительно меньшем размере. Видео проходит через ту же трансформацию, только на двенадцать месяцев позже.

От демонстрационного трюка к инструменту для производства

Год назад AI видео оценивалось по тому, был ли кролик связным. Вся область оптимизировалась для согласованности на уровне подсказки, и даже это было сложно. Бар в 2026 году отличается. Такие модели, как Veo 3.1, Kling 2.5, Sora 2 и теперь H3, не просто генерируют. Они точно заменяют персонажа, не размывая фон. Они не просто включают аудио. Veo 3.1 поставляется с нативным аудио 48 кГц, и большинство моделей в мейнстриме теперь выдают синхронизированное с губ видео за один проход.

Сценарии использования двигались вместе с возможностями. В прошлом году это было 'посмотрите на этот крутой эффект'. В этом году это ТВК, реклама брендов и демонстрация продукта. Переход от 'показать модель' к 'использовать модель для запуска кампании' - это черта, которую индустрия только что пересекла.

Если вы попробовали AI видео в 2025 году и отказались, модели 2026 года - это другой продукт. На videobao вы можете теперь использовать Hailuo 02, Veo 3.1, Kling 2.5 и Sora 2 в одной сессии и выбрать тот, который соответствует заданию.

Почему агрегация побеждает, когда модели становятся открытым исходным кодом

MiniMax решила открыть исходный код H3, несмотря на то, что у них есть SOTA производительность и преимущество в стоимости. Это звучит противоречиво, но открытый исходный код становится стандартом для серьезных видеолабораторий. Причина проста: видеомодели вот-вот будут повсюду, и быть закрытым поставщиком немного лучшей версии менее ценно, чем быть платформой, которая позволяет пользователям сравнивать их все.

Посмотрите на LTX-2.3. Это зарубежная открытая видеомодель, которая превысила 18 миллионов загрузок на Hugging Face. Восемнадцать миллионов. Экосистема открытых видео реальна, она активна, и именно там происходит большинство новых работ над продуктами. Агрегационные платформы, такие как videobao, находятся на вершине этого: мы упаковываем открытые, закрытые, китайские и западные модели за одним логином и одним балансом кредитов, так что вам не нужно выбирать.

Это практический ответ на вопрос 'открытый или закрытый исходный код' для конечных пользователей. Вы не выбираете. Вы используете платформу, и платформа выбирает правильную модель для работы. Иногда это MiniMax H3, теперь доступная на videobao. Иногда это Veo 3.1 для кинематографических кадров. Иногда это Kling 2.5 для дешевых социальных клипов с нативным аудио. Суть в том, что платформа может все это.

Как использовать H3 на videobao сегодня

H3 теперь доступна на videobao. Выберите ее, когда вам нужно кросс-модальное точное редактирование на нативной 2K холсте. Паттерн: загрузите эталонное изображение или короткий клип, напишите запрос, в котором укажите элемент, который вы хотите изменить, и H3 сохранит остальную часть сцены пиксельно-стабильной. Hailuo 02, Kling 2.5 и Veo 3.1 все в одной сессии, если вы хотите тот же рабочий процесс в другом ценовом или разрешительном уровне.

H3 на videobao работает по цене 7 кредитов в секунду для нативного 2K с диапазоном длительности 4-15 секунд. Интегрированные режимы использования: текст-в-видео, изображение первого кадра, последнего кадра или первого+последнего кадра в видео, а также режим на основе ссылок с до 5 изображениями-ссылками и опциональными видео- и аудио-ссылками. Точное межмодальное редактирование — главный сценарий использования. Hailuo 02 — это более дешёвый вариант для того же рабочего процесса; Veo 3.1 — правильный выбор, если вам нужен 4K; Kling 2.5 — правильный выбор, если нужна встроенная звуковая дорожка при ограниченном бюджете; Sora 2 — правильный выбор для длинного многосценарного повествования. H3 на videobao доступен только на премиум-уровне, потому что генерация 2K значительно дороже, чем 1080p.

Волна открытого исходного кода 33B будет продолжать снижать ценовой уровень по всей остальной линейке в течение следующих двух кварталов. Правильный шаг - зафиксировать рабочий процесс кросс-модального редактирования сейчас, пока H3 является самой свежей SOTA и другие модели продолжают сжиматься под ней.