답변게시됨20 소스
MiniMax H3 오픈 웨이트: 33B 모델 전체가 아니라 ‘H3-Base’가 공개됐다
2026년 8월 3일 Hugging Face에 공개된 것은 H3 전체가 아니라 768p 영상·오디오 생성 단계인 H3 Base 가중치다. 핵심인 H3 Omni Transformer는 영상과 오디오를 하나의 생성 흐름에서 함께 처리하는 330억 파라미터 밀집형 단일 스트림 Transformer다.
게시자GPT-5.6 Terra로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 2026년 8월 3일 Hugging Face에 공개된 것은 H3 전체가 아니라 768p 영상·오디오 생성 단계인 H3 Base 가중치다.
- 핵심인 H3 Omni Transformer는 영상과 오디오를 하나의 생성 흐름에서 함께 처리하는 330억 파라미터 밀집형 단일 스트림 Transformer다.
- 복잡한 입력을 해석하는 Context IR와 2K 출력을 위한 Regenerate 2K는 공개 범위에 포함되지 않았다.
- 국내 자체 호스팅을 검토한다면, 한국을 대상으로 한 지역 제한이 보도된 커뮤니티 라이선스를 반드시 먼저 확인해야 한다.[4]
AI 프롬프트
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
MiniMax의 2026년 8월 Hugging Face 공개를 한마디로 정리하면, H3 전체 시스템이 아니라 H3-Base의 오픈 웨이트가 공개된 것이다. H3-Base는 영상과 오디오를 함께 생성하는 핵심 단계지만, 복잡한 멀티모달 입력을 정리하는 단계와 2K 결과를 만드는 후속 재생성 단계까지 모두 포함한 패키지는 아니다.1
5
이 차이는 실제 도입에서 중요하다. 공개된 가중치만으로는 로컬 환경에서 768p 생성기를 실험·개조할 수 있지만, MiniMax가 2K 데모에서 보여준 완성형 워크플로를 그대로 재현한다고 보기는 어렵다.5
9
이번에 공개된 범위
MiniMax는 2026년 8월 3일 H3 가중치를 Hugging Face에 게시했다. 공개의 중심은 H3-Base이며, 보도에 따르면 FL2VA와 Ref2VA 작업용 가중치가 포함됐다.1
13
생성 코어는 H3-Omni-Transformer다. 330억 파라미터 규모의 밀집형(dense) 단일 스트림 Transformer로, 영상만 먼저 만들고 나중에 소리를 붙이는 방식이 아니라 영상과 오디오를 하나의 생성 과정에서 공동 노이즈 제거한다. H3는 텍스트·이미지·영상·오디오를 섞은 컨텍스트를 입력으로 다루며, 네이티브 스테레오 오디오가 동기화된 영상을 목표로 한다.5
10
다만 ‘330억 파라미터’라는 숫자가 전체 실행 파이프라인의 모든 구성 요소를 뜻하는 것은 아니다. H3-Base 파이프라인에는 H3 인코더와 VisualVAE, AudioVAE도 함께 쓰인다.10
13
H3는 세 단계로 나뉜다
공식 설명상 H3 시스템은 다음 세 모듈로 구성된다.
- H3-Context-IR: 복잡한 텍스트·이미지·영상·오디오 지시를 깊게 해석하고 다듬어, 생성기가 이해하기 쉬운 ‘컨텍스트 중간 표현(Intermediate Representation)’으로 바꾼다. MiniMax는 이 단계가 최종 품질에 중요하다고 설명한다.
5
- H3-Base: 처리된 컨텍스트를 바탕으로 768p 해상도의 동기화된 영상과 오디오를 생성한다. 이번 오픈 웨이트 공개의 대상이다.
13
- H3-Regenerate-2K: 2K 출력을 위해 뒤이어 수행되는 재생성 단계다. 오픈 웨이트에 포함되지 않았다.
9
즉, H3 전체 시스템은 최대 2K·최대 15초 출력이 가능하지만, 내려받아 사용할 수 있게 공개된 베이스 생성기는 768p 단계다.5
9
핵심 설계: 영상과 소리를 한 흐름에서 생성
H3의 핵심은 영상과 오디오를 별개 모델로 다루지 않고 하나의 생성 스트림에서 처리한다는 점이다. H3-Omni-Transformer는 330억 파라미터의 밀집형 단일 스트림 구조이며, GitHub 설명에 따르면 이 중 약 130억 파라미터는 AdaLN 관련 분기에 있다. 해당 조절 출력은 사전 계산과 캐싱이 가능하다.10
표현 파이프라인에는 인코더, VisualVAE, AudioVAE가 포함된다. 공개된 기술 설명에 따르면 VisualVAE는 영상을 공간적으로 16배, 시간적으로 4배 압축하며, 토큰화 설계 기준 실효 공간 축소율은 32배다.1
14
이 압축은 영상 생성을 현실적인 연산량으로 만들기 위한 핵심 장치다. 동시에 ‘33B’라는 헤드라인 숫자만으로 전체 가중치 용량이나 실행 자원을 판단하기 어렵다는 뜻이기도 하다.
할 수 있는 일과, H3-Base만으로는 할 수 없는 일
H3 전체 시스템은 텍스트, 정지 이미지, 영상 클립, 오디오를 조합한 입력을 대상으로 설계됐다. 최대 15초 길이의 영상과 네이티브 스테레오 오디오를 만들며, 전체 시스템 기준 출력 해상도는 최대 2K다.5
10
오픈된 H3-Base 가중치는 로컬 추론, 양자화, 어댑터 실험, 파인튜닝 방식 연구, 맞춤형 제작 도구 개발의 출발점이 될 수 있다. 그러나 공개본에는 Context-IR와 2K 재생성 모델이 없다. 따라서 참조 이미지·영상·오디오가 복잡한 프로젝트라면 자체적인 프롬프트·컨텍스트 준비 계층이 필요할 수 있고, 2K가 필요하다면 H3-Base만으로 호스팅 서비스의 결과를 재현할 수 있다고 가정해서는 안 된다.5
9
가격과 로컬 구동 주장은 어떻게 봐야 하나
공개 보도에서는 2K API 생성 요금이 초당 0.8위안으로 제시됐고, 해당 제공 조건에서 오디오 입력과 처음 5장의 이미지 참조는 무료라고 전했다.14
27 이는 특정 시점·특정 서비스의 공개 요금이므로, 현재의 지역별·서비스별 가격표로 일반화하기는 어렵다.
MiniMax와 SGLang 관련 홍보 자료는 특정 비교에서 H3가 ByteDance의 Seedance 2.0 대비 약 3분의 1 비용이라고 설명했고, 로컬 실행은 RTX 5090 2장 또는 RTX 6000 1장으로 가능하다고 주장했다.28
31 다만 이는 특정 서빙 소프트웨어, 정밀도, 오프로딩 구성에 따른 배포 주장이지 보편적인 최소 사양은 아니다. 실제 작업 부담에는 33B Transformer 외에 인코더와 VAE 구성 요소도 포함된다.
13
국내 팀이 먼저 확인할 점: 라이선스
자체 호스팅은 미공개 제품 이미지, 촬영 원본, 음성 자산, 프롬프트를 외부 생성 API로 전송하지 않고 조직 내부에서 처리할 수 있다는 장점이 있다. 민감한 자산을 다루는 제작팀에는 분명 매력적인 선택지다. 하지만 접근 통제, 입력물 권리 확인, 결과물 검수, 내부 거버넌스가 불필요해지는 것은 아니다.
특히 한국의 개발팀과 기업은 도입 전에 라이선스를 먼저 검토해야 한다. 제3자 보도는 MiniMax 커뮤니티 라이선스에 미국·EU·영국·한국에서의 로컬 사용에 영향을 주는 지역 제한이 있다고 전한다.4 따라서 한국에서 자체 배포나 상용 파이프라인 도입을 추진한다면, 다운로드 가능 여부와 별개로 최신 라이선스 원문 및 개별 승인 필요성을 확인하는 절차가 필요하다.
제작 현장에서의 의미
가장 현실적인 활용처는 짧은 결과물을 여러 버전으로 빠르게 만들어야 하는 작업이다. 광고 소재, 이커머스 상품 영상, 콘셉트 영상, 애니매틱, 소셜 콘텐츠 실험 등이 여기에 해당한다. 적절한 GPU 자원을 이미 갖춘 팀이라면, 오디오가 통합된 768p 생성기를 초기 크리에이티브 반복 작업에 연결해 마찰을 줄일 수 있다.
다만 이것을 모든 영상 제작 요구를 대체하는 완성형 솔루션으로 보기는 어렵다. 공개본에는 전체 컨텍스트 처리와 2K 단계가 빠져 있고, 짧은 클립 생성 모델의 결과물도 편집·검수·권리 관리가 필요하다. 핵심 가치는 단순히 ‘다운로드 가능한 모델’이라는 데 있지 않다. 라이선스와 하드웨어 조건이 허용되는 곳에서, 영상과 오디오를 함께 만드는 성능 있는 생성 단계를 통제 가능한 자체 제작 워크플로에 넣을 수 있다는 데 있다.
결론
MiniMax가 공개한 것은 H3의 의미 있는 핵심 부분, 즉 330억 파라미터 단일 스트림 Transformer를 기반으로 영상과 네이티브 스테레오 오디오를 함께 생성하는 H3-Base다. 그러나 공개 범위는 의도적으로 H3 전체보다 좁다. Context-IR와 H3-Regenerate-2K는 비공개로 남아 있어, H3-Base는 완전한 오픈 2K 시스템이 아니라 맞춤화 가능한 768p 생성 기반으로 이해하는 편이 정확하다.5
9
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"MiniMax H3 오픈 웨이트: 33B 모델 전체가 아니라 ‘H3-Base’가 공개됐다"에 대한 짧은 대답은 무엇입니까?
2026년 8월 3일 Hugging Face에 공개된 것은 H3 전체가 아니라 768p 영상·오디오 생성 단계인 H3 Base 가중치다.
먼저 검증할 핵심 포인트는 무엇인가요?
2026년 8월 3일 Hugging Face에 공개된 것은 H3 전체가 아니라 768p 영상·오디오 생성 단계인 H3 Base 가중치다. 핵심인 H3 Omni Transformer는 영상과 오디오를 하나의 생성 흐름에서 함께 처리하는 330억 파라미터 밀집형 단일 스트림 Transformer다.
실무에서는 다음으로 무엇을 해야 합니까?
복잡한 입력을 해석하는 Context IR와 2K 출력을 위한 Regenerate 2K는 공개 범위에 포함되지 않았다.