MiniMax publicó los pesos de su modelo de vídeo H3 y un modelo abierto ahora encabeza un ranking de vídeo por primera vez
MiniMax publicó los pesos de H3, un modelo de vídeo de 33 mil millones de parámetros que maneja texto, imágenes, vídeo y audio juntos. Artificial Analysis lo ubica en primer lugar en edición de video. Dos componentes permanecieron cerrados y la licencia tiene un límite de ingresos.
El laboratorio chino MiniMax ha publicado los pesos de H3, su modelo de vídeo más nuevo, y por primera vez un modelo descargable gratuitamente se sitúa en lo más alto del ranking de generación de vídeo. El sitio de evaluación comparativa Artificial Analysis coloca a H3 en primer lugar en edición de video, segundo en texto a video y tercero en imagen a video. Hasta ahora, los líderes en cada una de esas categorías eran productos cerrados y pagos.
H3 tiene 33 mil millones de parámetros, lo cual es pequeño para los estándares actuales y está al alcance de una única estación de trabajo bien equipada. Los parámetros son los números ajustables que un modelo aprende durante el entrenamiento y son una aproximación aproximada del tamaño más que de la calidad. El modelo toma texto, imágenes, vídeo y audio como entrada de una sola vez y produce clips de cuatro a quince segundos con sonido estéreo. Según la tarjeta modelo de Hugging Face, un solo mensaje puede contener hasta nueve imágenes de referencia, tres clips de vídeo y tres clips de audio, lo que hace que la partitura de edición sea plausible: puedes pasarle una toma existente y decirle qué cambiar.
Vale la pena tener en cuenta dos advertencias antes de entusiasmarse. El módulo de resolución 2K no forma parte del lanzamiento, ni tampoco H3-Context-IR, la pieza que convierte el material de referencia y de indicaciones en un formato interno estructurado que el modelo realmente lee. Ejecute H3 usted mismo en ComfyUI, una popular interfaz basada en nodos para modelos de imagen y video abiertos, y alcanzará un máximo de 768p mientras realiza la preparación del contexto a mano utilizando las guías de indicaciones publicadas por MiniMax. La licencia añade un límite más: el uso comercial sólo está permitido para empresas con ingresos inferiores a 20 millones de dólares.
Qué hay detrás de esto. Open weights significa que el archivo del modelo entrenado se puede descargar y ejecutar en su propio hardware, a diferencia de una API en la que envía un mensaje al servidor de otra persona. El vídeo ha sido el último bastión de los modelos cerrados, porque generar imágenes en movimiento es caro de entrenar y de servir, y porque la exposición de los derechos de autor es incómoda. Lo que MiniMax ha hecho aquí es un patrón familiar con un giro: liberar lo suficiente para ganar el ranking y la buena voluntad del desarrollador, retener las piezas que hacen que el producto alojado sea conveniente. El módulo de resolución y el traductor de contexto son exactamente las partes que convierten un modelo sólido en un producto fluido. ByteDance lanzó su Seedance 2.5 cerrado el mismo día, con clips de 30 segundos y audio integrado, lo que indica que la carrera comercial no se está desacelerando.
Qué significa esto para ti: si ha sentido curiosidad por los videos con IA pero no quería entregar el material a un servicio en la nube, esta es la primera versión en la que ejecutarlo localmente es una opción real en lugar de comprometer la calidad. Espere pasar una tarde configurando y vivir con 768p. Para todos los demás, el efecto práctico llega más tarde e indirectamente: los open weights hacen bajar el precio de las herramientas de vídeo alojadas y permiten a los proveedores europeos más pequeños crear ofertas sin licenciar un modelo de frontera. Si haces vídeos de forma profesional, el límite de ingresos de la licencia es la línea que debe leerse dos veces.
Fuentes
Karpathy convirtió un párrafo de Tolkien en una escena 3D por diez dólares y lo llamó un vibe check.
Andrej Karpathy le dio a Claude Opus 5 la apertura de El Señor de los Anillos y recuperó 5.500 líneas de código de navegador 3D funcional en dos horas. Tiene cuidado de decir que esto no es un benchmark, que es la parte más útil de la historia.
