MiniMax、ウェイトの公開を約束したH3 2Kビデオモデルを発表
MiniMaxは2Kビデオとネイティブのステレオ音声を備えたH3を発売した。MiniMaxは重みが数日以内に公開されると述べているが、H3のライセンスと公式なローカルハードウェア要件は8月2日現在、公表されていない。
By Ryan Merket · Published
Primary source: MiniMax
Why it matters
Usable H3 weights could let developers self-host, fine-tune and optimize a native audio-video model instead of relying entirely on MiniMax's API. The license, checkpoints and hardware requirements will determine how accessible that option becomes.
Yan Junjie's MiniMax, the Shanghai model maker, launched H3 on July 31 as a multimodal video model capable of generating clips with stereo audio at up to 2K resolution. MiniMax's H3 launch post says MiniMax plans to open the model's weights "in the coming days," subject to applicable laws and regulations.
その予定された公開の範囲は未だ確定していない。2026年8月2日現在、完了した公的なH3のweights公開は確認されていない。MiniMaxはローンチ投稿やAPIドキュメントでH3のライセンスや公式のローカルハードウェア要件を公表していなかった。これらの条件が、開発者がH3を自分たちのインフラで修正・展開できるかどうか、またMiniMaxがどのような商用利用を許可するかを左右することになる。
Yan, MiniMaxの創業者、会長、CEO兼CTOは、MiniMax設立前にコンピュータビジョンの研究でキャリアを築いた。SenseTimeに6年以上在籍し、副社長や同社研究所の副所長も務めた。YanはSoutheast Universityで数学を学び、Institute of Automation at the Chinese Academy of SciencesでAIの博士号を取得し、Tsinghua Universityで博士研究員（ポストドク）を務めた。MiniMax's management pageは彼の業績を約200本の学術論文と3万件超の引用と記している。
H3は、従来のテキスト→ビデオや画像→ビデオ生成器を超えてYanの技術的アジェンダを拡張する。MiniMaxはこのモデルを、テキスト、画像、ビデオ、オーディオをコンテキストとして受け取り、ネイティブのステレオ音声付きでビデオを生成できるよう設計したと述べる。MiniMaxによればH3は最大15秒、2K解像度のクリップを生成できるという。MiniMax's developer documentationには、出力が768pと2K、再生時間が4〜15秒、フレームレートが24fpsと記載されている。
2Kローンチとオープンウェイトのテストを見据えて
MiniMaxはH3をオープンで汎用のマルチモーダルビデオモデルとして説明している。現時点で検証済みのリリースはMiniMaxのホストされたモデル一覧であり、ダウンロード可能なチェックポイントではない。ダウンロード可能なファイル、ライセンス条件、公式のハードウェアガイダンスが、約束されたオープンウェイト公開の実際的な範囲を決定するだろう。
このモデルの中心的な技術的特徴は、複数の入力タイプを一つのビデオシステム内で扱える点にある。MiniMaxはH3がテキスト、画像、ビデオ、オーディオにまたがるコンテキストを統合的に理解できると述べている。開発者向けドキュメントには、テキスト→ビデオ、画像→ビデオ、最初と最後のフレーム生成（first-and-last-frame generation）、およびマルチモーダル参照生成がサポートモードとして列挙されている。
MiniMaxは以前にもオープンなモデルファイルを公開したことがある。MiniMax-M3 is downloadable from Hugging Faceは開発者にとって、H3のファイルと条件が入手可能になった際に比較可能な先例を提供する。
Yanの配布にかける賭け
利用可能なH3のweightsは、創作ソフトウェア、内部制作システム、MiniMaxのホストAPIを越えた特殊な計算環境などへモデルを持ち込む可能性を持つ。ライセンスや公開ファイルがそれらの用途を許すなら、開発者はデプロイコストを試算し、推論の最適化を行い、ファインチューニングを構築できる。
Lightricksは実務上の比較例を提供する。公式のLTX-Video repositoryは既にGitHubで公開されている。H3の配布価値は、MiniMaxがチェックポイントからデプロイへの同様に実用的な経路を提供するかどうかに依存するだろう。
H3のローンチは、資金調達と製品発表が急速に続いた流れに続くものだ。Investing.com reported in July 2026はMiniMaxが約20億ドルの資金調達を完了したと報じた。Yanはその後、7月30日に7月31日のローンチに先立ちteased H3 as a unified multimodal systemした。
MiniMaxは、広範なモデル配布と並行してホスト型販売を追求できる収益基盤を持っている。MiniMax's 2025 annual reportは2025年の売上高を7,900万ドルと記録しており、2024年の3,050万ドルから増加したと報告している。リサーチ概要は総収益の73%が中国本土以外からのものであると述べている。したがって国際的な開発者の採用はMiniMaxにとって直接的な商業的関連性を持つ。
MiniMaxはまた、H3は2Kでの1秒あたりコストが「主流モデル」と呼ぶものの3分の1未満であると主張している。ローンチ投稿は比較対象の特定や再現可能な価格表を公開していない。オープンウェイトの公開はコスト分析の一部をユーザー側のハードウェアに移し、メモリ要件、推論速度、デプロイツールがH3の経済性の中心要素になる。
MiniMaxはH3のweightsを数日で開くタイムラインを示している。チェックポイント、ライセンス、推論資料が、外部チームが2Kの音声付きビデオモデルを実際に適応できるかどうか、そしてH3が既にローカルデプロイの文書化された経路を提供しているオープンプロジェクトと比較してどうかを確定するだろう。