RespuestasPublicado20 fuentes
MiniMax H3 abre los pesos de H3-Base: qué incluye y qué sigue cerrado
La publicación de MiniMax del 3 de agosto de 2026 en Hugging Face puso a disposición H3 Base: un modelo denso de flujo único de 33.000 millones de parámetros para generar vídeo a 768p y audio estéreo sincronizado. H3 puede trabajar con contexto combinado de texto, imágenes, vídeo y audio; el sistema completo promete...
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- La publicación de MiniMax del 3 de agosto de 2026 en Hugging Face puso a disposición H3 Base: un modelo denso de flujo único de 33.000 millones de parámetros para generar vídeo a 768p y audio estéreo sincronizado.
- H3 puede trabajar con contexto combinado de texto, imágenes, vídeo y audio; el sistema completo promete clips de hasta 15 segundos, sonido estéreo nativo y salida de hasta 2K.
- Los pesos abiertos permiten experimentar con despliegue local y personalización, pero Context IR y el regenerador a 2K continúan cerrados; también hay que revisar licencia, hardware y restricciones territoriales.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did MiniMax’s August 2026 open-weight release of H3-Base on Hugging Face include—covering H3’s 33B-parameter dense single-stream H3-Omn. Article summary: MiniMax’s August 3, 2026 Hugging Face release made the **H3-Base generation weights** available, not the entire three-stage H3 system. It brought a large multimodal, audio-native video model into local and customizable w. Topic tags: general, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
MiniMax abrió el 3 de agosto de 2026 los pesos de H3-Base en Hugging Face. Es una parte relevante de su sistema H3 de generación de vídeo, pero no equivale a liberar todo el producto alojado de MiniMax: H3-Base genera vídeo y audio sincronizados a 768p, mientras que el procesamiento de contexto y la regeneración a 2K siguen siendo etapas independientes. 1
5
Qué publicó MiniMax
La disponibilidad en Hugging Face se centra en H3-Base, con pesos para las tareas FL2VA y Ref2VA. 1
13
Su núcleo es H3-Omni-Transformer, un Transformer denso de flujo único con 33.000 millones de parámetros. En lugar de añadir el audio al final, el modelo elimina ruido de vídeo y audio conjuntamente dentro de un mismo proceso generativo. El sistema H3, en sentido amplio, acepta contexto unificado formado por texto, imágenes, vídeo y audio, y está diseñado para devolver vídeo con sonido estéreo nativo. 5
10
Hay un matiz importante: los 33.000 millones describen el núcleo generativo Omni-Transformer, no necesariamente todos los componentes que necesita cargar un despliegue completo. El flujo también emplea un codificador H3, además de VisualVAE y AudioVAE. 10
13
H3 está dividido en tres módulos
MiniMax presenta H3 como un sistema de tres partes:
- H3-Context-IR interpreta y refina instrucciones multimodales complejas para convertirlas en una representación intermedia de contexto apta para la generación. MiniMax afirma que esta etapa es decisiva para la calidad final.
5
- H3-Base genera el resultado de vídeo y audio sincronizados a 768p a partir de ese contexto procesado. Es el componente cuyos pesos se han abierto.
13
- H3-Regenerate-2K realiza la regeneración posterior destinada a obtener salida a 2K. No formó parte de la liberación de pesos.
9
Por tanto, una instalación local de H3-Base no debe confundirse con todo el producto H3 que aparece en demostraciones a 2K. El sistema completo admite hasta 2K y clips de hasta 15 segundos, pero el generador base liberado corresponde a la fase de 768p. 5
9
Una sola corriente generativa para imagen y sonido
El rasgo central de H3 es que trata vídeo y audio dentro de una única corriente generativa multimodal. H3-Omni-Transformer usa una arquitectura Transformer densa de 33.000 millones de parámetros; según el repositorio de MiniMax, cerca de 13.000 millones están en ramas relacionadas con AdaLN, cuyas salidas pueden precalcularse y almacenarse en caché. 10
La cadena de representación incorpora un codificador, un VAE visual y un VAE de audio. Las descripciones técnicas publicadas indican que el VAE visual comprime el vídeo 16 veces en el plano espacial y 4 veces en el temporal; el diseño de tokenización alcanza una reducción espacial efectiva de 32 veces. Estas compresiones hacen viable la generación de vídeo, pero también muestran por qué la cifra de parámetros del modelo no resume por sí sola el tamaño ni las necesidades de ejecución de toda la canalización. 1
14
Qué puede hacer H3 y qué no resuelve H3-Base por sí solo
El sistema H3 completo está pensado para instrucciones y referencias que mezclan texto, imágenes fijas, clips de vídeo y audio. Puede generar clips con audio estéreo nativo, hasta 2K y hasta 15 segundos de duración. 5
10
Para equipos técnicos, los pesos de H3-Base permiten probar inferencia local, cuantización, adaptadores, enfoques de ajuste fino y herramientas creativas propias. Sin embargo, la descarga no incluye el sistema Context-IR ni el modelo de regeneración a 2K. Por ello, quien trabaje con referencias complejas podría necesitar su propia capa de preparación de contexto; y quien requiera salida a 2K no debería asumir que H3-Base reproduce por sí solo el resultado del servicio alojado. 5
9
Precio de API y afirmaciones sobre ejecución local
Cobertura publicada situó el precio de la API para generación a 2K en 0,8 yuanes por segundo e indicó que las referencias de audio y las cinco primeras imágenes de referencia eran gratuitas en la oferta citada. 14
27 Como los precios dependen del servicio y de la región, estas cifras deben leerse como una tarifa publicada en ese momento, no como una lista global y permanente.
Material promocional de MiniMax y SGLang también afirmó que H3 costaba aproximadamente un tercio de Seedance 2.0 en una comparación concreta, y que podía ejecutarse localmente con dos RTX 5090 o una RTX 6000. 28
31 Son afirmaciones de despliegue ligadas a una configuración específica de software, precisión y descarga de memoria, no requisitos mínimos universales. La carga total incluye el codificador y los componentes VAE, además del Transformer de 33.000 millones de parámetros.
13
Por qué importa para equipos de producción
Más control sobre materiales sensibles
Un flujo autoalojado puede mantener dentro de la organización imágenes de producto, material audiovisual sin publicar, activos de voz e instrucciones, en vez de enviarlos a una API externa. Puede ser útil para equipos que manejan activos confidenciales. Aun así, no elimina la necesidad de controles de acceso, revisión de derechos sobre los materiales de entrada, revisión de resultados y normas internas de uso.
Base para flujos a medida
Los pesos abiertos dan a los equipos técnicos una vía para conectar la generación con bibliotecas de activos, sistemas de revisión creativa, herramientas de renderizado y procesos de posproducción. También permiten explorar cuantización y adaptación a tareas específicas. Antes de comprometer una implementación, conviene revisar la licencia: informes de terceros describen restricciones geográficas que afectan al uso local en Estados Unidos, la Unión Europea, Reino Unido y Corea del Sur. 4
El mejor encaje: creatividad breve e iterativa
Su utilidad práctica parece más clara para equipos que necesitan muchas variantes cortas: piezas publicitarias, vídeos de producto para comercio electrónico, trabajo conceptual, animáticas y experimentos para redes sociales. Un generador local a 768p con audio integrado puede agilizar las primeras iteraciones creativas, especialmente si ya existe capacidad de GPU adecuada.
No es un sustituto inmediato para todas las necesidades de producción de vídeo. La liberación no incluye las fases completas de contexto ni de 2K, y un modelo orientado a clips cortos sigue requiriendo revisión humana, edición y gestión de derechos. El valor no está únicamente en que H3 se pueda descargar, sino en poder integrar una fase capaz de generación audiovisual dentro de un flujo controlado, siempre que la licencia y el hardware lo permitan.
En resumen
MiniMax abrió una parte sustancial de H3: H3-Base, impulsado por un Transformer de flujo único de 33.000 millones de parámetros que genera conjuntamente vídeo y audio estéreo nativo a partir de entradas multimodales. Pero la publicación es más limitada que el producto H3 completo. Context-IR y la regeneración a 2K siguen cerrados, de modo que H3-Base es una base personalizable para generación a 768p, no un sistema abierto completo de 2K. 5
9
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "MiniMax H3 abre los pesos de H3-Base: qué incluye y qué sigue cerrado"?
La publicación de MiniMax del 3 de agosto de 2026 en Hugging Face puso a disposición H3 Base: un modelo denso de flujo único de 33.000 millones de parámetros para generar vídeo a 768p y audio estéreo sincronizado.
¿Cuáles son los puntos clave a validar primero?
La publicación de MiniMax del 3 de agosto de 2026 en Hugging Face puso a disposición H3 Base: un modelo denso de flujo único de 33.000 millones de parámetros para generar vídeo a 768p y audio estéreo sincronizado. H3 puede trabajar con contexto combinado de texto, imágenes, vídeo y audio; el sistema completo promete clips de hasta 15 segundos, sonido estéreo nativo y salida de hasta 2K.
¿Qué debo hacer a continuación en la práctica?
Los pesos abiertos permiten experimentar con despliegue local y personalización, pero Context IR y el regenerador a 2K continúan cerrados; también hay que revisar licencia, hardware y restricciones territoriales.