اگر امروز برای تولید ویدیوهای باکیفیت به سرویس‌های ابری گران‌قیمت وابسته هستید، MiniMax بازی را تغییر داد. برای نخستین بار، یک مدل با وزن‌های باز (Open Weights) — یعنی مدل‌هایی که «دستور پخت» آن‌ها علناً منتشر شده و نه فقط غذای آماده — توانست رقبای بسته و انحصاری را در کیفیت خروجی شکست دهد.
طبق گزارش Artificial Analysis، مدل MiniMax H3 در رتبه‌بندی ویرایش ویدیو به جایگاه نخست رسید. این مدل که در ۳ آگوست ۲۰۲۶ عرضه شد، دسترسی به ابزارهای تولید ویدیو در سطح حرفه‌ای را از اکوسیستم‌های بسته خارج کرد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی دموکراتیزه شدن مدل‌های بنیادی اشاره کردیم، باز شدن وزن‌های مدل‌های پیشرو، قدرت را از شرکت‌های بزرگ به دست توسعه‌دهندگان می‌دهد.
به نقل از مستندات H3 و گزارش‌های the-decoder.com، این مدل با ۳۳ میلیارد پارامتر طراحی شده و یک مدل چندوجهی (Multimodal) است؛ یعنی مثل ما که با چند حس دنیا را می‌خوانیم، می‌تواند هم‌زمان متن، تصویر، ویدیو و صدا را پردازش کند. مشخصات فنی این مدل عبارت است از:
- خروجی: کلیپ‌های ۴ تا ۱۵ ثانیه‌ای با صدای استریوی داخلی.
- انعطاف ورودی: امکان ترکیب ۹ تصویر مرجع، ۳ کلیپ ویدیو و ۳ فایل صوتی در یک پرامپت.
- یکپارچگی: پشتیبانی از روز اول در ComfyUI (هرچند رزولوشن محلی روی 768p محدود شده است).
البته تمام بخش‌ها باز نیستند. MiniMax ماژول رزولوشن 2K و مترجم H3-Context-IR را منتشر نکرد؛ بنابراین کاربران محلی باید برای تنظیم زمینه (Context) از راهنماهای متنی استفاده کنند. با این حال، این مدل در بهینه‌سازی منابع موفق بوده و توانسته است مصرف حافظه گرافیکی را برای تولید ویدیوهای 2K تا ۶۶٪ کاهش دهد تا اجرای محلی تسهیل شود. همچنین مجوز استفاده تجاری تنها برای شرکت‌هایی با درآمد سالانه کمتر از ۲۰ میلیون دلار صادر شده است.
برای کسب‌وکارها، این یعنی تولید ویدیوهای باکیفیت دیگر نیازی به پرداخت هزینه برای هر بار تولید (Inference) به ارائه‌دهندگان ابری ندارد، به شرطی که سخت‌افزار لازم برای اجرای مدل ۳۳ میلیارد پارامتری را داشته باشند. این حرکت رقبایی مثل ByteDance و مدل Seedance 2.5 را مجبور می‌کند تا برای توجیه مدل‌های بسته خود، قابلیت‌هایی مثل زمان‌های طولانی‌تر یا رزولوشن بالاتر ارائه دهند.
گام بعدی شما
- برای تست مدل، از پیاده‌سازی Comfy Cloud استفاده کنید یا وزن‌ها را برای تنظیم دقیق (Fine-tuning) — شبیه وقتی که به یک پزشک عمومی تخصص پوست می‌دهیم تا روی یک حوزه دقیق شود — دانلود کنید.
- بررسی کنید که آیا جامعه متن‌باز جایگزینی برای ماژول حذف‌شده‌ی 2K می‌سازد یا خیر.
- استراتژی تولید محتوای خود را از مدل‌های اشتراکی به میزبانی شخصی تغییر دهید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک نیازهای پردازشی این مدل‌ها، به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو