Câu trả lờiĐã xuất bản20 nguồn
MiniMax H3 mở trọng số: H3-Base có gì và còn thiếu gì?
Ngày 3/8/2026, MiniMax đưa H3 Base lên Hugging Face: lõi Transformer đơn luồng dày đặc 33 tỷ tham số, tạo đồng thời video 768p và âm thanh stereo đồng bộ. Hệ H3 đầy đủ còn có H3 Context IR để xử lý ngữ cảnh phức hợp và H3 Regenerate 2K để tái tạo đầu ra 2K; hai phần này không nằm trong bản mở trọng số.
Đăng bởiBiên tập bằng GPT-5.6 TerraHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Ngày 3/8/2026, MiniMax đưa H3 Base lên Hugging Face: lõi Transformer đơn luồng dày đặc 33 tỷ tham số, tạo đồng thời video 768p và âm thanh stereo đồng bộ.
- Hệ H3 đầy đủ còn có H3 Context IR để xử lý ngữ cảnh phức hợp và H3 Regenerate 2K để tái tạo đầu ra 2K; hai phần này không nằm trong bản mở trọng số.
- H3 Base phù hợp để tự triển khai, lượng tử hóa và tích hợp quy trình sáng tạo, nhưng cần đánh giá kỹ giấy phép, phần cứng và các thành phần pipeline đi kèm.
Prompt AI
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 phát hành trên Hugging Face vào ngày 3/8/2026 nên được hiểu đúng là mở trọng số của H3-Base — tầng tạo sinh trong hệ video H3 — chứ không phải mở toàn bộ mô hình và quy trình đang vận hành trên dịch vụ của hãng. H3-Base tạo video kèm âm thanh đồng bộ ở 768p, trong khi khâu xử lý ngữ cảnh và tái tạo lên 2K vẫn là các phần riêng biệt. 1
5
Phần nào đã được phát hành?
Trọng tâm của đợt phát hành là H3-Base, gồm các trọng số tác vụ FL2VA và Ref2VA được công bố. 1
13
Lõi tạo sinh là H3-Omni-Transformer, một Transformer dày đặc 33 tỷ tham số, vận hành theo kiến trúc đơn luồng. Thay vì tạo hình rồi ghép âm thanh ở công đoạn sau, mô hình khử nhiễu video và âm thanh cùng lúc trong một quá trình tạo sinh chung. Hệ H3 nhận ngữ cảnh kết hợp từ văn bản, ảnh, video và âm thanh; đầu ra có thể là video kèm âm thanh stereo gốc. 5
10
Tuy nhiên, con số 33 tỷ tham số chỉ nói về lõi Omni-Transformer, không đồng nghĩa toàn bộ pipeline triển khai chỉ gồm một checkpoint 33 tỷ tham số. Pipeline còn có H3 Encoder, VisualVAE và AudioVAE. 10
13
H3 được chia thành ba tầng
MiniMax mô tả H3 là một hệ gồm ba mô-đun:
- H3-Context-IR: diễn giải và tinh chỉnh chỉ dẫn đa phương thức phức tạp thành biểu diễn trung gian ngữ cảnh (Context Intermediate Representation). MiniMax cho biết bước này rất quan trọng với chất lượng đầu ra.
5
- H3-Base: tạo video và âm thanh đồng bộ ở 768p từ ngữ cảnh đã xử lý. Đây là phần được mở trọng số.
13
- H3-Regenerate-2K: thực hiện bước tái tạo tiếp theo để cho đầu ra 2K. Mô-đun này không được phát hành cùng trọng số mở.
9
Vì vậy, một cài đặt H3-Base chạy cục bộ không nên bị xem là bản sao đầy đủ của sản phẩm H3 trong các màn trình diễn 2K. Hệ H3 hoàn chỉnh hỗ trợ đầu ra tối đa 2K và thời lượng tối đa 15 giây, nhưng bộ tạo sinh được mở là tầng 768p. 5
9
Kiến trúc: tạo hình và tiếng trong cùng một luồng
Điểm cốt lõi của H3 là đưa video và âm thanh vào một luồng tạo sinh thống nhất. H3-Omni-Transformer 33 tỷ tham số dùng kiến trúc Transformer dày đặc; kho mã của MiniMax cho biết khoảng 13 tỷ tham số nằm trong các nhánh liên quan đến AdaLN, với đầu ra có thể được tính trước và lưu đệm. 10
Phần biểu diễn dữ liệu đi kèm gồm encoder, VAE thị giác và VAE âm thanh. Các mô tả kỹ thuật cho biết VisualVAE nén video 16 lần theo không gian và 4 lần theo thời gian; thiết kế token hóa đạt mức giảm không gian hiệu dụng 32 lần. Những lớp nén này giúp bài toán tạo video khả thi hơn về tính toán, nhưng cũng cho thấy số tham số tiêu đề không phản ánh đầy đủ dung lượng pipeline hay yêu cầu khi chạy thực tế. 1
14
Làm được gì và không thể làm gì chỉ với bản mở?
Hệ H3 đầy đủ được thiết kế để xử lý prompt và tư liệu tham chiếu trộn lẫn văn bản, ảnh tĩnh, clip video và âm thanh. Hệ này có thể tạo clip dài tối đa 15 giây, có âm thanh stereo gốc và độ phân giải tới 2K. 5
10
Với đội ngũ kỹ thuật, trọng số H3-Base mở ra khả năng thử nghiệm suy luận cục bộ, lượng tử hóa, adapter, tinh chỉnh và xây dựng công cụ sáng tạo riêng. Nhưng bản phát hành không bao gồm Context-IR hay mô hình tái tạo 2K của MiniMax. Do đó, nhóm dùng tư liệu tham chiếu phức tạp có thể phải tự xây lớp chuẩn bị prompt/ngữ cảnh; còn nhóm cần đầu ra 2K không nên mặc định H3-Base sẽ tái tạo đúng kết quả của dịch vụ lưu trữ. 5
9
Giá API và tuyên bố về triển khai cục bộ
Các bài viết được công bố tại thời điểm đó nêu giá API tạo video 2K là 0,8 nhân dân tệ/giây; đầu vào âm thanh và tối đa năm ảnh tham chiếu đầu tiên được miễn phí trong gói dịch vụ được đề cập. 14
27 Đây là mức giá API được ghi nhận theo thời điểm, không phải bảng giá toàn cầu hay mức giá cố định lâu dài, vì giá có thể khác theo dịch vụ và khu vực.
MiniMax và các thông điệp quảng bá từ SGLang cũng mô tả H3 có chi phí khoảng một phần ba Seedance 2.0 trong một so sánh cụ thể, đồng thời nêu khả năng chạy cục bộ với hai RTX 5090 hoặc một RTX 6000. 28
31 Đây là tuyên bố triển khai phụ thuộc vào phần mềm phục vụ, độ chính xác tính toán và cách offload cụ thể; không nên coi là cấu hình tối thiểu áp dụng cho mọi trường hợp. Khối lượng công việc còn gồm encoder và các VAE, ngoài Transformer 33 tỷ tham số.
13
Ý nghĩa với đội ngũ sản xuất
Giữ dữ liệu nhạy cảm trong hạ tầng nội bộ
Tự triển khai có thể giúp ảnh sản phẩm, cảnh quay chưa công bố, tài sản giọng nói và prompt không phải gửi lên API tạo sinh của bên thứ ba. Điều này hữu ích với các quy trình có tài sản mật hoặc nhạy cảm. Tuy vậy, chạy nội bộ không thay thế yêu cầu về phân quyền truy cập, rà soát quyền sử dụng đầu vào, kiểm duyệt đầu ra và quản trị nội bộ.
Nền tảng để xây pipeline riêng
Trọng số mở cho phép kết nối bộ tạo sinh với thư viện quản lý tài sản, hệ thống duyệt sáng tạo, công cụ dựng hình và hậu kỳ; đồng thời thử nghiệm lượng tử hóa hoặc điều chỉnh cho tác vụ chuyên biệt. Trước khi đầu tư triển khai, doanh nghiệp vẫn cần xem kỹ giấy phép: các báo cáo bên thứ ba cho biết giấy phép có hạn chế địa lý đối với việc sử dụng cục bộ tại Mỹ, Liên minh châu Âu, Anh và Hàn Quốc. 4
Phù hợp nhất với công việc sáng tạo ngắn, lặp nhiều vòng
Ứng dụng thực tế rõ nhất là các nhóm cần tạo nhiều biến thể clip ngắn: quảng cáo, video sản phẩm thương mại điện tử, thử ý tưởng, animatic và thử nghiệm nội dung mạng xã hội. Bộ tạo sinh 768p tích hợp âm thanh có thể giảm đáng kể ma sát ở giai đoạn thử nghiệm sáng tạo, nhất là với đội ngũ đã có hạ tầng GPU phù hợp.
Đây chưa phải giải pháp thay thế trọn gói cho mọi nhu cầu sản xuất video. Bản mở thiếu tầng xử lý ngữ cảnh đầy đủ và tái tạo 2K; video ngắn tạo bởi AI vẫn cần con người kiểm tra, biên tập và quản lý quyền sử dụng. Giá trị thực tế không chỉ nằm ở việc H3 có thể tải về, mà ở khả năng đưa một tầng tạo video-âm thanh mạnh vào quy trình được kiểm soát — khi giấy phép và phần cứng cho phép.
Kết luận
MiniMax đã mở một phần quan trọng của H3: H3-Base, vận hành bằng Transformer đơn luồng 33 tỷ tham số để tạo đồng thời video và âm thanh stereo gốc từ đầu vào đa phương thức. Nhưng phạm vi phát hành hẹp hơn hệ H3 hoàn chỉnh: Context-IR và tầng tái tạo 2K vẫn đóng. Vì thế, H3-Base là nền tảng tạo sinh 768p có thể tùy biến, không phải một hệ 2K hoàn chỉnh đã được mở toàn bộ. 5
9
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "MiniMax H3 mở trọng số: H3-Base có gì và còn thiếu gì?" là gì?
Ngày 3/8/2026, MiniMax đưa H3 Base lên Hugging Face: lõi Transformer đơn luồng dày đặc 33 tỷ tham số, tạo đồng thời video 768p và âm thanh stereo đồng bộ.
Những điểm chính cần xác nhận đầu tiên là gì?
Ngày 3/8/2026, MiniMax đưa H3 Base lên Hugging Face: lõi Transformer đơn luồng dày đặc 33 tỷ tham số, tạo đồng thời video 768p và âm thanh stereo đồng bộ. Hệ H3 đầy đủ còn có H3 Context IR để xử lý ngữ cảnh phức hợp và H3 Regenerate 2K để tái tạo đầu ra 2K; hai phần này không nằm trong bản mở trọng số.
Tôi nên làm gì tiếp theo trong thực tế?
H3 Base phù hợp để tự triển khai, lượng tử hóa và tích hợp quy trình sáng tạo, nhưng cần đánh giá kỹ giấy phép, phần cứng và các thành phần pipeline đi kèm.