MiniMax H3 é o primeiro modelo de vídeo aberto a liderar ranking de edição de vídeo

A MiniMax disponibilizou publicamente os pesos do seu modelo de vídeo H3, marcando a primeira vez que um modelo aberto lidera um ranking de vídeo. No Artificial Analysis, o H3 ocupa o primeiro lugar em edição de vídeo, o segundo em texto para vídeo e o terceiro em imagem para vídeo. O modelo de 33 bilhões de parâmetros processa texto, imagens, vídeos e áudio em conjunto, produzindo um clipe de quatro a 15 segundos com som estéreo e, de acordo com a ficha técnica do modelo, pode lidar com até nove imagens de referência, três clipes de vídeo e três clipes de áudio por prompt. No entanto, dois componentes permanecem fechados: o módulo para resolução 2K e o H3-Context-IR, que converte prompts e material de referência em uma forma intermediária estruturada. Localmente, no ComfyUI, isso resulta em saída de 768p, mas o processamento de contexto pode ser replicado usando os guias de prompt publicados. Os pesos abertos também permitem ajuste fino (fine-tuning), por exemplo, no próprio material de vídeo, personagens ou um visual consistente, embora a licença permita uso comercial apenas para empresas com receita inferior a 20 milhões de dólares. Simultaneamente, a ByteDance lançou o Seedance 2.5, fechado, que entrega clipes de 30 segundos com áudio.