AnswersPublished20 sources
MiniMax H3 med öppna vikter: Det här ingår faktiskt i H3-Base
MiniMax släppte H3 Base på Hugging Face den 3 augusti 2026: en tät Transformer med 33 miljarder parametrar som skapar 768p video och synkroniserat stereoljud. H3 Base är bara en del av H3 systemet.
Publicerad avRedigerad med GPT-5.6 TerraBilder genererade med GPT Image 2
Research answer
Key takeaways
- MiniMax släppte H3 Base på Hugging Face den 3 augusti 2026: en tät Transformer med 33 miljarder parametrar som skapar 768p video och synkroniserat stereoljud.
- H3 Base är bara en del av H3 systemet. Kontextbearbetningen H3 Context IR och 2K steget H3 Regenerate 2K är fortfarande slutna.
- De öppna vikterna kan vara intressanta för lokal drift och anpassade kreativa arbetsflöden, men licensvillkor, maskinvarukrav och de saknade systemdelarna måste vägas in.
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 den 3 augusti 2026 ska främst förstås som ett släpp av öppna vikter för H3-Base – inte som en komplett lokal version av hela företagets H3-tjänst. Det är en avgörande skillnad: H3-Base genererar synkroniserad video och ljud i 768p, medan kontextbearbetningen och det separata steget för 2K-utmatning inte följde med i släppet. 1
5
Det som faktiskt släpptes
På Hugging Face publicerade MiniMax vikter för H3-Base, inklusive de rapporterade uppgiftsvikterna FL2VA och Ref2VA. 1
13
Kärnan är H3-Omni-Transformer, en tät Transformer med 33 miljarder parametrar och en enda genereringsström. Modellen behandlar inte ljud som ett pålagt efterarbete, utan brusreducerar video och ljud tillsammans i samma genereringsprocess. Det bredare H3-systemet kan tolka en gemensam kontext av text, bilder, video och ljud och skapa video med inbyggt stereoljud. 5
10
Siffran 33 miljarder beskriver dock själva genereringskärnan, inte nödvändigtvis allt som måste laddas för en fullständig installation. Pipelinesystemet omfattar även en H3-encoder samt komponenterna VisualVAE och AudioVAE. 10
13
H3 består av tre separata delar
MiniMax beskriver H3 som ett system med tre moduler:
- H3-Context-IR tolkar och förädlar komplexa multimodala instruktioner till en intern kontextrepresentation. Enligt MiniMax är detta steg viktigt för slutresultatets kvalitet.
5
- H3-Base skapar den synkroniserade video- och ljudutmatningen i 768p från den bearbetade kontexten. Det är denna del som har släppts med öppna vikter.
13
- H3-Regenerate-2K utför den efterföljande regenereringen för 2K-utmatning. Den modellen ingick inte i släppet.
9
En lokal H3-Base-installation ska alltså inte blandas ihop med hela H3-produkten som visas i 2K-demoexempel. Kompletta H3 kan enligt MiniMax leverera upp till 2K och klipp på upp till 15 sekunder, men den öppna basgeneratorn är 768p-steget. 5
9
En modellström för både bild och ljud
H3:s centrala idé är att video och ljud genereras i en och samma multimodala ström. Den täta H3-Omni-Transformern på 33 miljarder parametrar har omkring 13 miljarder parametrar i AdaLN-relaterade grenar, enligt MiniMax kodförråd. Deras utdata kan beräknas i förväg och cachelagras. 10
Runt genereringskärnan finns encodern, en visuell VAE och en ljud-VAE. Tekniska beskrivningar uppger att den visuella VAE:n komprimerar video 16 gånger rumsligt och 4 gånger tidsmässigt. Tokeniseringsupplägget ger en effektiv rumslig reducering på 32 gånger. Det är en viktig del av varför videogenerering alls blir hanterbar, men visar också varför den ofta citerade 33B-siffran inte ensam beskriver systemets totala storlek eller resursbehov. 1
14
Vad modellen kan göra – och vad den inte kan göra själv
Hela H3-systemet är byggt för instruktioner och referenser som kan kombinera text, stillbilder, videoklipp och ljud. Det kan generera video med inbyggt stereoljud i upp till 2K och med en längd på upp till 15 sekunder. 5
10
De öppna H3-Base-vikterna ger utvecklare möjlighet att experimentera med lokal inferens, kvantisering, adaptrar, finjustering och egna kreativa verktyg. Men släppet innehåller varken MiniMax Context-IR-system eller bolagets 2K-regenereringsmodell. Den som arbetar med komplicerade referensmaterial behöver därför bygga ett eget lager för prompt- och kontextförberedelse, medan den som behöver 2K inte kan räkna med att H3-Base ensamt återskapar resultatet från den hostade tjänsten. 5
9
Prisuppgifter och påståenden om lokal drift
Publicerade uppgifter angav ett API-pris på 0,8 yuan per sekund för 2K-video. Ljudreferenser och de fem första bildreferenserna uppgavs vara kostnadsfria inom det aktuella erbjudandet. 14
27 Sådana priser är knutna till tjänst, region och tidpunkt och bör därför ses som en då publicerad API-nivå, inte som en permanent global prislista.
MiniMax och SGLang-material beskrev också H3 som ungefär tre gånger billigare än Seedance 2.0 i en viss jämförelse, och angav att modellen kunde köras lokalt med två RTX 5090-kort eller ett RTX 6000-kort. 28
31 Det är dock påståenden för en specifik kombination av mjukvara, precision och eventuell offloading – inte universella minimikrav. Förutom 33B-transformern belastar även encodern och VAE-komponenterna systemet.
13
Vad släppet kan betyda i praktiken
Mer kontroll över känsligt material
Egen drift kan innebära att produktbilder, opublicerat videomaterial, röstresurser och prompter stannar inom organisationen i stället för att skickas till en extern genererings-API. Det kan vara värdefullt för verksamheter med känsliga eller affärskritiska tillgångar. Men lokal körning ersätter inte behoven av behörighetsstyrning, granskning av rättigheter för indata, kvalitetskontroll av utdata och intern styrning.
En grund för egna produktionsflöden
Öppna vikter gör det möjligt att koppla videogenereringen till exempelvis system för tillgångshantering, kreativa granskningsflöden, renderingsverktyg och postproduktion. Team kan även undersöka kvantisering och uppgiftsanpassning. Licensen bör dock granskas före en investering i drift: tredjepartsrapportering beskriver geografiska begränsningar för lokal användning i USA, EU, Storbritannien och Sydkorea. 4
Starkast för kort, iterativt kreativt arbete
Den tydligaste användningen är sannolikt verksamheter som behöver många korta variationer: annonsmaterial, produktklipp för e-handel, konceptarbete, animatik och experiment för sociala medier. En lokal 768p-generator med integrerat ljud kan minska friktionen i tidiga kreativa iterationer, särskilt för team som redan har lämplig GPU-kapacitet.
Det är däremot inte en nyckelfärdig ersättare för alla behov inom videoproduktion. Den öppna utgåvan saknar både hela kontextsteget och 2K-steget, och även korta AI-genererade klipp behöver mänsklig redigering, granskning och rättighetshantering. Det viktiga är alltså inte bara att H3 går att ladda ned, utan att en kapabel ljud- och videogenereringsdel kan byggas in i ett mer kontrollerat arbetsflöde – där licensen och hårdvaran tillåter det.
Slutsats
MiniMax har öppnat en betydande del av H3: H3-Base, med en enkelströms-Transformer på 33 miljarder parametrar som genererar video och inbyggt stereoljud tillsammans från multimodala indata. Men utgåvan är medvetet smalare än den kompletta H3-produkten. Context-IR och 2K-regenerering förblir slutna, vilket gör H3-Base till en anpassningsbar grund för 768p-generering – inte ett komplett öppet 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 öppna vikter: Det här ingår faktiskt i H3-Base"?
MiniMax släppte H3 Base på Hugging Face den 3 augusti 2026: en tät Transformer med 33 miljarder parametrar som skapar 768p video och synkroniserat stereoljud.
What are the key points to validate first?
MiniMax släppte H3 Base på Hugging Face den 3 augusti 2026: en tät Transformer med 33 miljarder parametrar som skapar 768p video och synkroniserat stereoljud. H3 Base är bara en del av H3 systemet. Kontextbearbetningen H3 Context IR och 2K steget H3 Regenerate 2K är fortfarande slutna.
What should I do next in practice?
De öppna vikterna kan vara intressanta för lokal drift och anpassade kreativa arbetsflöden, men licensvillkor, maskinvarukrav och de saknade systemdelarna måste vägas in.