MiniMax H3 Mở Mã Nguồn với 33 Tỷ Tham Số: Các Mô Hình Video Vượt Qua Đường Chính Thức Sản Xuất

Vào ngày cuối cùng của tháng 7, MiniMax đã giới thiệu H3, một mô hình video có 33 tỷ tham số đạt SOTA trên các bài kiểm tra video chính. Cùng ngày, các trọng số đã được mở mã nguồn. Câu chuyện không chỉ là một phòng thí nghiệm khác đã bắt kịp Seedance của ByteDance. Câu chuyện là tạo video đã vượt qua ranh giới từ 'thử nghiệm thú vị' sang 'công cụ sản xuất', và MiniMax đã chọn lúc này để phát hành.

Trên videobao, điều đó thay đổi những gì bạn có thể làm trong một phiên duy nhất. Hãy đọc tiếp để biết phân tích H3, lập luận 'tại sao 33B là tiêu đề chính', và cách sử dụng thế hệ mô hình này trong dự án tiếp theo của bạn.

MiniMax H3 Thực Sự Làm Gì

H3 được xây dựng xung quanh hai ý tưởng: đầu vào đa năng độc quyền và chỉnh sửa chính xác giữa các mô hình. Văn bản, hình ảnh, âm thanh và video đều có thể được sử dụng làm tham chiếu trong cùng một lời nhắc. Điều đó có nghĩa là bạn có thể đưa cho mô hình một đoạn phim ngắn, chỉ vào một nhân vật với một chỉ dẫn văn bản, và thay thế chỉ nhân vật đó trong khi mọi thứ xung quanh vẫn nguyên vẹn.

Các thử nghiệm ban đầu của MiniMax tập trung vào những cảnh mà các nhóm sản xuất thực sự cần điều này: các bài hướng dẫn thiết kế giao diện người dùng, quảng cáo thương hiệu, cắt chế MV, các cảnh hình ảnh trò chơi, hiệu ứng AR và chuyển tiếp, và thử mặc thương mại điện tử. Lời đề xuất không phải là 'AI có thể tạo ra một video' mà là 'AI có thể tạo ra video cụ thể bạn cần, với phần tử cụ thể được thay đổi.'

H3 cũng tạo ra 2K một cách độc quyền, với một bộ tách từ hoàn toàn mới được xây dựng dựa trên kiến trúc Hailuo-02. Nén hiệu quả hơn, chi phí huấn luyện và suy luận thấp hơn, và mô hình đủ nhỏ (33B) để các nhóm sản xuất nghiêm túc thực sự có thể lưu trữ nó.

Tại Sao 33B Là Câu Chuyện Lớn Hơn SOTA

SOTA là tiêu đề. 33B là tin thực sự. Hầu hết các mô hình video SOTA vào năm 2025 đều có 70B+ tham số, điều đó có nghĩa là hóa đơn tính toán nghiêm trọng, lặp lại chậm, và các API đóng. Một mô hình 33B ở SOTA có nghĩa là ba điều.

Thứ nhất, huấn luyện dễ tiếp cận hơn. Các nhóm mà không thể đủ khả năng huấn luyện một mô hình video tiên phong năm ngoái giờ có thể điều chỉnh hoặc rút gọn một mô hình. Thứ hai, suy luận rẻ hơn. Chi phí tính bằng credit mỗi lần tạo trên videobao được định hình bởi chi phí phía trên, và các mô hình nhỏ hơn đẩy con số đó xuống. Thứ ba, triển khai thực tế hơn. Bạn có thể chạy một mô hình video 33B trên phần cứng sản xuất nghiêm túc mà không cần xây dựng trung tâm dữ liệu tùy chỉnh.

Nói cách khác, SOTA ở 33B là điều chuyển một kết quả nghiên cứu thành một sản phẩm mà các nhóm thực sự có thể xây dựng. Điều tương tự đã xảy ra với các mô hình ngôn ngữ khi các mô hình mã nguồn mở hiệu quả đã đạt được mức chất lượng GPT-3 với một kích thước nhỏ hơn nhiều. Video đang trải qua cùng một quá trình chuyển đổi, chỉ là 12 tháng sau.

Từ Thủ Thuật Thử Nghiệm Đến Công Cụ Sản Xuất

Một năm trước, video AI được đánh giá dựa trên việc một con thỏ có nhất quán hay không. Toàn bộ lĩnh vực đang tối ưu hóa độ nhất quán về mức độ nhắc, và ngay cả điều đó cũng rất khó. Mức chất lượng 2026 là khác. Các mô hình như Veo 3.1, Kling 2.5, Sora 2 và bây giờ H3 không chỉ tạo ra. Chúng thay thế một nhân vật một cách chính xác mà không làm vỡ nền. Chúng không chỉ bao gồm âm thanh. Veo 3.1 phát hành âm thanh độc quyền 48 kHz, và hầu hết các mô hình chủ lưu bây giờ đẩy ra video đồng bộ hóa môi một cách đơn giản.

Các trường hợp sử dụng di chuyển theo khả năng. Năm ngoái là 'nhìn vào hiệu ứng thú vị này'. Năm nay là TVC, quảng cáo thương hiệu và thử nghiệm sản phẩm. Sự thay đổi từ 'khoe mẽ mô hình' sang 'sử dụng mô hình để phát hành một chiến dịch' là đường ranh mà ngành công nghiệp vừa vượt qua.

Nếu bạn đã thử video AI vào năm 2025 và không thành công, các mô hình 2026 là một sản phẩm khác. Trên videobao bạn có thể sử dụng Hailuo 02, Veo 3.1, Kling 2.5 và Sora 2 cùng một phiên và chọn mô hình phù hợp với yêu cầu.

Tại Sao Tập hợp Khi Mô Hình Mở Mã Nguồn

MiniMax đã chọn mở mã nguồn H3 mặc dù họ có hiệu quả SOTA và lợi thế chi phí. Điều này nghe có vẻ nghịch lý, nhưng việc mở mã nguồn đang trở thành tiêu chuẩn đối với các phòng thí nghiệm video nghiêm túc. Lý do đơn giản: các mô hình video sắp có mặt ở khắp mọi nơi, và việc là nhà cung cấp đóng của một phiên bản lớn hơn một chút ít có giá trị hơn là nền tảng cho phép người dùng so sánh tất cả.

Nhìn vào LTX-2.3. Đó là mô hình video mở mã nguồn nước ngoài đã vượt quá 18 triệu lượt tải xuống trên Hugging Face. Mười tám triệu. Hệ sinh thái mở mã nguồn video là có thực, nó đang hoạt động, và đây là nơi mà hầu hết các công việc sản phẩm mới đang diễn ra. Các nền tảng tập hợp như videobao nằm trên đỉnh của điều này: chúng tôi đóng gói mở mã nguồn, đóng mã nguồn, Trung Quốc và các mô hình phương Tây đằng sau một đăng nhập và một số dư tín dụng, vì vậy bạn không cần phải chọn.

Đó là câu trả lời thực tế cho câu hỏi 'mở mã nguồn hay đóng mã nguồn' đối với người dùng cuối. Bạn không chọn. Bạn sử dụng nền tảng, và nền tảng chọn mô hình thích hợp cho công việc. Đôi khi đó là MiniMax H3, hiện đang trên videobao. Đôi khi đó là Veo 3.1 cho các cảnh chính kịch. Đôi khi đó là Kling 2.5 cho các clip xã hội rẻ tiền với âm thanh độc quyền. Điểm là nền tảng có thể làm tất cả.

Cách Sử Dụng H3 trên videobao Ngay Hôm Nay

H3 hiện đã hoạt động trên videobao. Chọn khi bạn cần chỉnh sửa chính xác giữa các mô hình với một bề mặt 2K độc quyền. Cách thức: tải lên một hình ảnh tham chiếu hoặc đoạn phim ngắn, viết một lời nhắc mà tên của phần tử bạn muốn thay đổi, và H3 giữ nguyên phần còn lại của cảnh pixel-stabil. Hailuo 02, Kling 2.5 và Veo 3.1 đều cùng một phiên nếu bạn muốn cùng một quy trình làm việc với một mức giá hoặc độ phân giải khác.

Trên videobao, H3 chạy với 7 tín dụng mỗi giây cho 2K độc quyền với phạm vi thời gian từ 4-15 giây. Các chế độ sử dụng tích hợp gồm: text-to-video, hình ảnh khung hình đầu tiên, khung hình cuối cùng hoặc khung hình đầu+cuối sang video, và chế độ điều khiển bằng tham chiếu với tối đa 5 hình ảnh tham chiếu cùng các clip video và âm thanh tham chiếu tùy chọn. Chỉnh sửa chính xác giữa các mô hình là trường hợp sử dụng nổi bật. Hailuo 02 là lựa chọn rẻ hơn cho cùng một quy trình làm việc; Veo 3.1 là lựa chọn đúng nếu bạn cần 4K; Kling 2.5 là lựa chọn đúng nếu bạn muốn một bản nhạc tích hợp với ngân sách eo hẹp; Sora 2 là lựa chọn đúng cho câu chuyện dài nhiều cảnh. H3 là tầm premium chỉ trên videobao, vì tạo ra 2K có nghĩa là đắt hơn nhiều so với 1080p.

Xu wave 33B mở mã nguồn sẽ tiếp tục hạ thấp mức giá dưới cơ sở cả năm tới. Hành động đúng đắn là để khóa quy trình làm việc chỉnh sửa chéo mô hình ngay bây giờ, trong khi H3 là SOTA mới nhất và các mô hình khác tiếp tục nén dưới nó.