MiniMax programa una demostración de hardware de consumo H3 mientras el rendimiento sigue sin verificarse
La sesión del 7 de agosto promete pesos H3 abiertos, audio estéreo y flujos de trabajo listos para usar, pero aún no hay un benchmark oficial que identifique el hardware, el uso de memoria o la velocidad de generación.
By Ryan Merket · Published
Primary source: MiniMax
Why it matters
H3 could put synchronized audio-video generation on personal machines, but developers still need reproducible GPU, memory and runtime measurements before they can assess its cost or compare it with Wan, HunyuanVideo and LTX-2.
MiniMax, fundada y dirigida por Junjie Yan, programó una transmisión en vivo para el 7 de agosto de 2026 con ComfyUI para demostrar su modelo de video H3 en hardware de consumo. La sesión estaba fijada para las 10 a.m., hora del Pacífico.
El anuncio suministrado dice que MiniMax mostrará "cómo H3 se redujo lo suficiente para ejecutarse en hardware de consumo" y proporcionará plantillas de flujo de trabajo de ComfyUI listas para usar. Eso establece una demostración prometida, no un rendimiento verificado. No existe en las fuentes revisadas ninguna grabación oficial ni registros que identifiquen la GPU, la VRAM, la memoria del sistema, los ajustes de cuantización, la configuración de descarga a la CPU, el tiempo de generación o si se generó localmente un clip en 2K.
El evento extiende el impulso de Yan para hacer que los modelos avanzados sean más baratos y más fáciles de distribuir. Yan, presidente, CEO y CTO de MiniMax, se unió a SenseTime en 2015 y más tarde se convirtió en vicepresidente antes de fundar MiniMax. Estudió matemáticas en Southeast University, obtuvo un doctorado en inteligencia artificial en Chinese Academy of Sciences y realizó investigación postdoctoral en Tsinghua University, según su biografía de la dirección de MiniMax.
En un discurso principal de 2025, Yan dijo que la innovación de código abierto se estaba poniendo al día, los costos de inferencia estaban disminuyendo y la IA útil necesitaba volverse asequible y accesible. MiniMax, fundada en diciembre de 2021 y con sede en Shanghai, desarrolla modelos y productos que abarcan lenguaje, video, audio y música.
Los detalles del hardware decidirán qué significa "consumidor"
El informe de investigación respalda esta descripción más concreta: H3 es un modelo multimodal de generación de video con pesos abiertos, audio estéreo nativo, opciones de salida de hasta 2K y soporte de flujo de trabajo para ComfyUI. La documentación de la plataforma de MiniMax enumera generación de texto a video, imagen a video, generación del primer y último fotograma y entradas de referencia multimodales, con clips que van de cuatro a 15 segundos a 24 fotogramas por segundo.
Los materiales oficiales de flujo de trabajo de texto a video de ComfyUI brindan a los usuarios flujos de trabajo H3 listos para generación local. Los materiales disponibles no proporcionan un benchmark local en 2K completado ni el hardware utilizado para ejecutar uno.
Esos archivos de flujo de trabajo hacen que el modelo sea inspeccionable y configurable. No muestran qué computadoras personales pueden producir clips a velocidades útiles. "Hardware de consumo" podría abarcar sistemas que van desde GPUs de escritorio con mucha memoria hasta laptops que usan cuantización agresiva y descarga a la CPU. Sin una máquina nombrada, un consumo de memoria visible y un tiempo de ejecución medido, los desarrolladores no pueden reproducir la afirmación de rendimiento de MiniMax ni estimar el costo de ejecutar H3 por su cuenta.
La participación de ComfyUI le da al test un peso práctico. Su interfaz representa las tuberías de generación como nodos conectados, exponiendo la carga de modelos, los prompts, los medios de referencia, la resolución y el manejo de salida. Yoland Yan, cofundador y CEO de Comfy Org, exingeniero de machine learning en Google Search y committer de Chromium, ha ayudado a desarrollar el proyecto más allá de su caso de uso original de generación de imágenes hacia flujos de trabajo de video, audio y 3D.
Comfy también ha atraído respaldo institucional alrededor de ese enfoque. Comfy Org recaudó $17 millones en 2025, seguido por una ronda de $30 millones en abril de 2026 con una valoración reportada de $500 millones. Entre los inversionistas reportados se incluyen Craft Ventures, Pace Capital, Chemistry, Abstract Ventures, Cursor Capital, Essence VC, Stratus Ventures, TruArrow y el fundador de Vercel, Guillermo Rauch.
H3 entra en un concurrido concurso de video local
MiniMax compite con varios modelos de video abiertos o descargables cuyos desarrolladores publican objetivos de memoria más concretos. Wan2.2 de Alibaba incluye un modelo de texto y imagen a video de 5 mil millones de parámetros dirigido a GPUs con al menos 24 GB de VRAM. HunyuanVideo-1.5 de Tencent usa una arquitectura de 8.3 mil millones de parámetros y documenta un mínimo de 14 GB de VRAM cuando se habilita el offloading. LTX-2 de Lightricks combina flujos separados de video de 14 mil millones de parámetros y audio de 5 mil millones de parámetros.
La combinación anunciada de H3 de pesos abiertos, sonido estéreo y clips de hasta 2K le da a MiniMax una propuesta técnica distintiva. La comparación sigue siendo incompleta hasta que MiniMax publique suficientes detalles de tiempo de ejecución para medir H3 frente a esas alternativas. El conteo de parámetros por sí solo no determina el uso de memoria ni la velocidad de generación; la precisión del modelo, la implementación de atención, la carga del encoder y las decisiones de offloading pueden cambiar materialmente el resultado.
MiniMax cuenta con capital amplio para apoyar el programa del modelo. Alibaba lideró una ronda de financiamiento de más de $600 millones en marzo de 2024 con una valoración aproximada de $2.5 mil millones. Los materiales de listado de MiniMax identifican backers adicionales que incluyen entidades relacionadas con Tencent, MiHoYo, Hillhouse, HongShan, IDG Capital, Yunqi Capital, GL Ventures y capital respaldado por el estado de Shanghai. La compañía luego recaudó aproximadamente $619 millones en su oferta pública inicial en Hong Kong en enero de 2026, según su prospecto de listado.
Esa financiación le da a Yan una base de distribución para H3. El asunto no resuelto es la ejecución en máquinas personales. Un benchmark reproducible necesita la GPU demostrada, el uso de VRAM y de memoria del sistema, la precisión del modelo, los ajustes de offloading, el tiempo de generación, la resolución y la duración del clip. Las fuentes revisadas establecen las capacidades anunciadas de H3 y el flujo de trabajo descargable de ComfyUI. No establecen su rendimiento real en hardware de consumo.