AnswersPublished20 sources
MiniMax H3 med åpne vekter: Dette får du faktisk med H3-Base
MiniMax publiserte H3 Base på Hugging Face 3. august 2026: en 33B parametrers tettpakket, enkelstrømmet modell for 768p video med synkronisert stereolyd.
Publisert avRedigert med GPT-5.6 TerraBilder generert med GPT Image 2
Research answer
Key takeaways
- MiniMax publiserte H3 Base på Hugging Face 3. august 2026: en 33B parametrers tettpakket, enkelstrømmet modell for 768p video med synkronisert stereolyd.
- Den åpne utgaven er bare én del av H3. Context IR for bearbeiding av komplekse inndata og Regenerate 2K for 2K resultater er ikke inkludert.
- Lokale vekter gir rom for egne arbeidsflyter, tilpasning og bedre kontroll over sensitivt materiale, men lisens, maskinvare og de manglende systemdelene må vurderes før produksjonsbruk.
AI Prompt
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’ lansering på Hugging Face 3. august 2026 er først og fremst en utgivelse av åpne vekter for H3-Base – selve genereringsleddet i H3-videosystemet. Det er ikke en full utgivelse av alle modellene som trengs for å gjenskape MiniMax’ komplette, driftede tjeneste.
Skillet er vesentlig: H3-Base kan lage synkronisert video og lyd i 768p, mens systemet for tolkning av komplisert kontekst og regenerering til 2K fortsatt er separate, lukkede deler. 1
5
Dette ble publisert
MiniMax la H3-vektene på Hugging Face 3. august 2026. Utgivelsen dreier seg om H3-Base, med rapporterte vekter for oppgavene FL2VA og Ref2VA. 1
13
Kjernen er H3-Omni-Transformer, en tettpakket Transformer med 33 milliarder parametere og én felles genereringsstrøm. I stedet for å legge på lyd etter at videoen er laget, avstøyer modellen video og lyd sammen i samme genereringsprosess. H3-systemet kan ta imot en samlet kontekst av tekst, bilder, video og lyd, og er laget for å levere video med innebygd stereolyd. 5
10
Tallet «33B» gjelder imidlertid genereringskjernen, ikke nødvendigvis alt som må lastes for å kjøre en komplett løsning. Rørledningen omfatter også en H3-koder, VisualVAE og AudioVAE. 10
13
Tre ledd – men bare ett er åpent
MiniMax beskriver H3 som et system i tre deler:
- H3-Context-IR tolker og foredler komplekse multimodale instrukser til en intern kontekstrepresentasjon som kan brukes i genereringen. MiniMax oppgir at dette leddet er viktig for sluttkvaliteten.
5
- H3-Base lager synkronisert video og lyd i 768p fra den bearbeidede konteksten. Dette er komponenten som er publisert med åpne vekter.
13
- H3-Regenerate-2K utfører et etterfølgende regenereringsledd for 2K-utdata. Det inngikk ikke i utgivelsen av åpne vekter.
9
En lokal installasjon av H3-Base bør derfor ikke forveksles med hele H3-produktet som vises i 2K-demonstrasjoner. Hele systemet støtter opptil 2K og opptil 15 sekunders videoklipp, men den utgitte basismodellen er 768p-leddet. 5
9
Én genereringsstrøm for bilde og lyd
H3s sentrale idé er én felles genereringsstrøm for video og lyd. Den 33B-parametrers H3-Omni-Transformeren bruker en tettpakket Transformer-arkitektur. MiniMax’ kodearkiv oppgir at omtrent 13B parametere ligger i AdaLN-relaterte grener, der utdataene kan forhåndsberegnes og mellomlagres. 10
Representasjonsrørledningen består blant annet av en koder, en visuell VAE og en lyd-VAE. Tekniske beskrivelser oppgir at den visuelle VAE-en komprimerer video 16 ganger romlig og 4 ganger tidsmessig, mens tokeniseringsdesignet gir en effektiv 32-gangers romlig reduksjon. Dette er avgjørende for å gjøre videogenerering håndterbar, men viser også hvorfor parameterantallet alene ikke forteller hele historien om modellstørrelse eller ressursbehov. 1
14
Hva den åpne modellen kan – og ikke kan – gjøre alene
Det komplette H3-systemet er laget for instruksjoner og referanser som kombinerer tekst, stillbilder, videoklipp og lyd. Det kan generere klipp med innebygd stereolyd, opptil 2K oppløsning og opptil 15 sekunders varighet. 5
10
De åpne H3-Base-vektene lar utviklere eksperimentere med lokal kjøring, kvantisering, adaptere, finjusteringsmetoder og egne kreative verktøy. Men utgivelsen inneholder ikke MiniMax’ Context-IR-system eller 2K-regenereringsmodellen. Team som bruker sammensatte referanser, må dermed eventuelt lage sitt eget lag for forberedelse av prompt og kontekst. Og behov for 2K kan ikke løses ved å anta at H3-Base alene gjenskaper resultatet fra den driftede tjenesten. 5
9
Pris og påstander om lokal drift
Publisert omtale oppga en API-pris på 0,8 yuan per sekund for 2K-generering. I det aktuelle tilbudet ble lydreferanser og de fem første bildereferansene også oppgitt som gratis. 14
27 Prisene er knyttet til tjeneste, marked og tidspunkt, og bør derfor leses som en offentlig oppgitt sats – ikke som en varig, global prisliste.
MiniMax og SGLang-materiale omtalte dessuten H3 som omtrent en tredel så kostbar som Seedance 2.0 i en bestemt sammenligning, og hevdet at den kan kjøres lokalt på to RTX 5090-GPU-er eller én RTX 6000. 28
31 Dette er påstander for bestemte oppsett med programvare, presisjon og eventuell avlasting av deler av modellen, ikke universelle minstekrav. Den samlede arbeidslasten omfatter dessuten koder- og VAE-komponentene i tillegg til 33B-Transformeren.
13
Hva det kan bety i praksis
Bedre kontroll med sensitivt materiale
Selvhosting kan la virksomheter holde produktbilder, upublisert videomateriale, stemmeopptak og instrukser innenfor egen organisasjon, fremfor å sende dem til en ekstern genererings-API. Det kan være interessant når materialet er konfidensielt.
Det fjerner likevel ikke behovet for tilgangskontroll, vurdering av rettigheter til inndata, gjennomgang av utdata og intern styring.
Et utgangspunkt for egne arbeidsflyter
Åpne vekter gir tekniske team mulighet til å koble generering til egne bilde- og mediebiblioteker, systemer for kreativ godkjenning, renderingsverktøy og etterarbeid. De kan også teste kvantisering og oppgavespesifikk tilpasning.
Lisensen bør granskes før en utrulling. Tredjepartsomtale beskriver geografiske begrensninger for lokal bruk i USA, EU, Storbritannia og Sør-Korea. 4
Mest relevant for korte, iterative produksjoner
Den tydeligste praktiske bruken er for team som lager mange korte varianter: annonsemateriell, produktklipp for netthandel, konseptarbeid, animatics og eksperimenter for sosiale medier. En lokal 768p-generator med integrert lyd kan senke terskelen i en tidlig kreativ fase, særlig for virksomheter som allerede har passende GPU-kapasitet.
Modellen er derimot ikke en komplett erstatning for alle krav i videoproduksjon. Den åpne utgaven mangler både det fulle kontekstleddet og 2K-leddet, og korte KI-genererte klipp trenger fortsatt menneskelig vurdering, redigering og rettighetsklarering.
Kort oppsummert
MiniMax åpnet en betydelig del av H3: H3-Base, drevet av en 33B-parametrers enkelstrømmet Transformer som genererer video og innebygd stereolyd sammen fra multimodale inndata. Men utgivelsen er bevisst smalere enn hele H3-produktet. Context-IR og 2K-regenerering er fortsatt lukkede, så H3-Base er et tilpasningsbart grunnlag for 768p-generering – ikke et komplett, åpent 2K-system. 5
9
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "MiniMax H3 med åpne vekter: Dette får du faktisk med H3-Base"?
MiniMax publiserte H3 Base på Hugging Face 3. august 2026: en 33B parametrers tettpakket, enkelstrømmet modell for 768p video med synkronisert stereolyd.
What are the key points to validate first?
MiniMax publiserte H3 Base på Hugging Face 3. august 2026: en 33B parametrers tettpakket, enkelstrømmet modell for 768p video med synkronisert stereolyd. Den åpne utgaven er bare én del av H3. Context IR for bearbeiding av komplekse inndata og Regenerate 2K for 2K resultater er ikke inkludert.
What should I do next in practice?
Lokale vekter gir rom for egne arbeidsflyter, tilpasning og bedre kontroll over sensitivt materiale, men lisens, maskinvare og de manglende systemdelene må vurderes før produksjonsbruk.