Mô hình Omni-Modal MiniMax-H3 chạy trên Apple Silicon với bản port MLX

MiniMax đã phát hành MiniMax-H3, mô tả đây là một hệ thống sinh nội dung đa năng, đa phương thức (omni-modal), có thể nhận đầu vào dạng văn bản, hình ảnh, âm thanh và video, đồng thời có khả năng tạo ra các đoạn video dài tới 15 giây kèm âm thanh. Một package Python đã chuyển đổi (port) mô hình này sang MLX, cho phép nó chạy trên chip Apple Silicon. Simon Willison đã chạy thành công mô hình trên MacBook Pro M5 Max của mình bằng cách clone một repository và chạy một script. Quá trình này bao gồm việc tải xuống khoảng 115 GB tệp mô hình, và việc sinh video mất chưa đầy 45 phút. Đoạn video tạo ra khá ấn tượng, nhưng phần âm thanh lại được mô tả là những âm thanh lộn xộn, kỳ quặc, giống như giọng nói vô nghĩa, do Willison không cung cấp hướng dẫn (prompt) cụ thể cho phần âm thanh. Anh cho biết tài liệu hướng dẫn viết prompt có rất nhiều thông tin chi tiết về cách tạo âm thanh đúng cách, nhưng anh chưa đọc qua trước khi thực hiện thử nghiệm này.