MiniMax H3 的开放权重有多完整：33B 基座公开了，2K 质量链路还没有
MiniMax H3 公开 33B dense Omni Transformer 和本地 768p 工作流，但 Context-IR、2K regeneration 与首版稀疏注意力仍不在权重包里；本文拆开它的技术路线、部署边界与许可证条件。
MiniMax H3 这次公开的，是一条可以本地运行的 768p 基座路径，不是官方 2K 生成链路的完整开源版。Hugging Face 模型卡在北京时间 2026 年 8 月 3 日 14:20 显示最新更新，页面列出 33B dense H3-Omni-Transformer、两类本地 checkpoint 和完整 2K workflow；同一页面也明确写着，H3-Context-IR 不包含在开源发布中，H3-Regenerate-2K 尚未开源。1
这一区分决定了 H3 的真实定位：它给研究者和工程师一个相当完整的音视频生成底座，但官方演示中最影响复杂输入理解和 2K 输出的两段能力，仍通过托管服务提供。
先把「开放」拆成三件事
把权重下载下来，并不等于官方系统的每一个模块都能在本地运行。H3 的公开边界可以按功能拆开：
| 模块 | 负责什么 | 初始发布状态 | 对部署判断的影响 |
|---|---|---|---|
| H3-Context-IR | 理解文本、图片、视频、音频之间的关系，把自由形式输入整理成结构化上下文 | 官方实现不在开源包内；模型卡建议使用官方 API，或自行构建上下文处理系统 | 复杂多模态参考的输入理解，不能直接按官方实现本地复现。1 |
| H3-Base | 接收上下文与多模态潜变量，联合生成视频和音频 | 提供 FL2VA 与 Ref2VA 两类本地 checkpoint，主要对应 768p 工作流 | 这是本次开放权重最实在的增量，适合本地验证、二次开发和微调。1 |
| H3-Regenerate-2K | 把 768p 结果和原始上下文重新送入模型，生成 2K 结果 | 初始版本尚未开源；完整 2K 流程由本地 H3-Base 加官方 API 组成 | 下载权重后不能单靠本地组件复现官方 2K 路径。1 |
因此，「开放权重」在这里更准确的含义是：核心生成底座和配套组件公开，而不是「端到端的官方质量链路全部公开」。这不是措辞上的小差异。Context-IR 改变了输入如何被解释，Regenerate-2K 改变了高分辨率细节如何被补回；缺失它们，会改变系统的可复现边界。
技术主线：先理解关系，再生成音视频
MiniMax 官方博客把 H3 的问题定义为：真实创作不是只给模型一句画面提示词，而是要同时表达文字、图片、参考视频、声音，以及这些材料之间的关系。例如，镜头运动来自一段视频，人物外观来自一张图片，演唱声音来自一段音频，模型要把三者关系落实到同一段输出里。2
H3-Context-IR 的作用，就是先处理这层关系。模型卡将它描述为包含指令解析、跨模态关联、时间理解和复杂逻辑推理的托管预处理系统，然后把结果序列化成 H3-Base 能接受的结构。官方还称，部分原始素材约有 10 万 token 的理解输入，经过专用流水线后平均压缩到约 4000 token；这是官方对其上下文处理流程的说明，不是对所有输入都成立的固定压缩率。12
H3-Base 再把不同模态编码成统一的 packed multimodal sequence。文本由 H3-Encoder 编码，视觉输入同时经过 H3-Encoder 和 H3-VisualVAE，音频则经过 H3-AudioVAE；统一序列随后送入 H3-Omni-Transformer，联合预测视频和音频潜变量。模型卡称，H3-Encoder 使用完整的 Qwen3-VL-32B 权重，并取其第 50 层 hidden states。1
这里有一个容易被标题带偏的地方：H3-Omni-Transformer 不是 MoE。官方模型卡把它定义为 33B 参数的 dense、single-stream Transformer，约 13B 参数位于 AdaLN 相关分支；模态差异主要放在输入输出层和 AdaLN 分支，主干仍是共享的 Transformer。模型卡还说，首个开放版本只提供 full attention 推理，稀疏注意力实现会在后续更新中发布。1
2K 不是简单的超分辨率外挂
H3 的 2K 路径值得单独看，因为它解释了为什么「本地有权重」仍不能推出「本地有完整 2K」。
传统做法可以把低分辨率视频交给一个专门的超分模块，让它根据局部纹理猜高分辨率细节。MiniMax 的方案是让 H3 基座重新生成自己的低分辨率结果，同时再次读取原始多模态上下文。官方的解释是，这样既复用基座已有的生成能力，也能用原始上下文补回小字和细节，而不是只从低清结果猜测。12
这个设计有两个含义。
第一，2K 再生是生成流程的一部分，不是下载一个独立的放大器就能替代的后处理。第二，H3-Regenerate-2K 当前没有开源，官方推荐的完整验证方式是把本地 H3-Base 产生的结果交给 H3-Context-IR 与 H3-Regenerate-2K API。因而模型卡列出的「最高 2K」是系统能力规格，而不是首发权重包的单机能力规格。1
本地版本现在能做什么
模型卡提供两类任务专用 checkpoint：
- FL2VA：支持文本到音视频，以及首帧、尾帧或首尾帧到音视频。没有图片时是文生视频；提供一张或两张图片时，对应首帧、尾帧或首尾帧条件生成。
- Ref2VA：支持文本加多模态参考输入，可以放入图片、视频和音频，但音频不能单独作为输入。
Ref2VA 的输入边界也写得很具体：图片最多 9 张，视频最多 3 段，音频最多 3 段；视频和音频单类总时长不超过 15 秒，跨模态文件总数最多 12 个。输出为 4 至 15 秒、24 FPS，音频为 32 kHz 立体声；模型卡还列出阿拉伯语、中文、英语、法语、德语、意大利语、日语、韩语、葡萄牙语、俄语和西班牙语 11 种稳定支持的对话语言。1
这使 H3-Base 具备了一个可验证的本地工作面：开发者可以下载完整 checkpoint，用 SGLang、vLLM、diffusers 或 ComfyUI 尝试 768p 音视频生成，也可以围绕组件做进一步开发。模型卡的 SGLang 示例使用 4 张 GPU，应该读作官方部署示例，而不是所有硬件配置的最低门槛。1
官方数字应该怎样读
MiniMax 官方博客给出了几组很有吸引力的数字：2K 输出的每秒价格低于主流模型的三分之一，768p 输出的价格低于主流 720p 模型的一半；H3-Omni Transformer 的端到端训练吞吐提升近 30%；H3-VAE 的高压缩比带来 4 倍有效序列长度。2
这些数字可以帮助读者理解 MiniMax 的设计取舍，但不能直接变成「H3 已经全面领先」的结论。价格比较没有在页面上给出完整的对手名单、请求配置和统计口径；30% 是训练吞吐，不是用户端生成速度；4 倍有效序列长度是模型卡与博客对压缩设计的技术描述，也不等于所有长视频任务都会得到 4 倍吞吐。更稳妥的读法是：这些是 MiniMax 对成本和效率的自报主张，后续需要用公开权重、统一输入和真实硬件复测。
许可证让「开放」再多一层条件
H3 使用的不是 Apache 2.0 或 MIT，而是 MiniMax H3 Community License Agreement。许可证授予的权利是有范围的：Applicable Territory 定义为全球，但明确排除欧盟、英国、韩国和美国。换言之，不能把它写成「全球可直接部署」的模型。3
分发和商用也有额外条件：
- 向第三方分发时，需要提供许可证文本；修改文件要带明显的修改说明，分发包还要附带指定的 NOTICE 文件。
- 商业产品或服务年收入超过 2000 万美元，需要先向 MiniMax 取得书面授权；使用 H3 的商业产品界面还要显著显示「MiniMax H3」。
- 产品、服务或托管服务需要执行许可证和可接受使用政策中的限制，包含地区、知识产权、安全防护和若干高风险用途限制。3
这不影响它作为开放权重发布的事实，但会影响谁能在什么地方、以什么方式把它放进产品。研究者下载和本地实验是一回事；向用户提供托管服务、在受限地区部署或把它并入高收入商业产品，是另一回事。具体项目仍需要在上线前核对许可证全文。
最后的判断：它是开放底座，不是完整开放产品
H3 的实质增量有两层。模型层面，MiniMax 公开了一个 33B dense 的全模态音视频生成底座，连同两类 checkpoint、视觉和音频 VAE、文本编码器以及本地 768p 验证路径。系统层面，它把 Context-IR、联合音视频生成和上下文再生 2K 串成一条更接近真实创作流程的链路。
但第二层链路并没有完整交给社区：Context-IR 仍是托管预处理系统，Regenerate-2K 尚未开源，首个开放版本也没有稀疏注意力实现；官方博客中的价格与效率数字目前仍属于厂商披露；许可证还排除四个主要地区，并为分发和大型商业产品设置条件。123
对不同读者，下一步也不同：工程师应先验证本地 H3-Base 的显存、吞吐、音视频同步和参考输入质量；产品团队要把 2K 视为本地基座加托管模块的混合路径，并同时核对 API 成本与许可地区；研究者最该等待的是完整技术报告、稀疏注意力实现、两个未开放模块的后续发布，以及独立复现结果。现在最准确的结论不是「H3 已经完全开源」，而是：MiniMax 把一个可运行的 33B 全模态生成底座开放了，但官方 2K 质量链路仍然只开放了一部分。
References
- 1MiniMaxAI/MiniMax-H3 模型卡
huggingface.co
- 2MiniMax H3 官方发布页
minimax.io
- 3MiniMax H3 Community License
huggingface.co
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.
Related content
- Sign in to comment.