El modelo omni-modal MiniMax-H3 se ejecuta en Apple Silicon con el puerto MLX

MiniMax ha lanzado MiniMax-H3, describiéndolo como un sistema generativo omni-modal de propósito general que acepta texto, imágenes, audio y vídeo, y puede generar clips de vídeo de hasta 15 segundos, incluido el audio. Un paquete de Python adapta este modelo a MLX, lo que permite ejecutarlo en Apple Silicon. Simon Willison logró ejecutarlo en su MacBook Pro con M5 Max clonando un repositorio y ejecutando un script. El proceso implicó descargar aproximadamente 115 GB de archivos de modelo, y la generación de vídeo tardó poco menos de 45 minutos. El vídeo resultante fue impresionante, pero el audio se describió como basura extraña similar al habla, porque Willison no proporcionó instrucciones para el audio. Señaló que la guía de indicaciones contiene información extensa sobre cómo lograr una generación de audio adecuada, la cual no había leído antes del experimento.