来源 :手机中国2026-08-03
【CNMO科技消息】据CNMO科技了解，MiniMax近日正式开源多模态生成模型MiniMax H3。与此同时，摩尔线程宣布，已基于AI训推一体智算卡MTT S5000及MUSA软件栈，完成对MiniMax H3的适配与运行。
MiniMax
MiniMax H3是一套通用型全模态生成系统，可统一理解文本、图像、视频和音频构成的多模态上下文，并生成最高2K分辨率、最长15秒、带有原生立体声音频的视频。此次开源内容包括模型权重，同时提供本地部署和完整工作流验证方案。
MiniMax H3
从架构来看，H3系统由三个核心模块组成。其中，H3-Context-IR负责理解并提炼用户输入的多模态指令，将其转换为结构化的上下文中间表示，目前通过API提供；H3-Base根据中间表示生成768p分辨率音视频内容，是此次开源主体；H3-Regenerate-2K则将768p结果与原始上下文一同送回模型，以2K分辨率重新生成更高画质视频，该模块暂未开源，也通过API提供。
在模型设计上，H3-Base采用330亿参数的H3-Omni-Transformer架构，通过不同模态编码器将文本、图像、视频和音频统一编码为多模态序列后进行联合预测。其下包含H3-VisualVAE和H3-AudioVAE，分别用于视觉和音频信息压缩。官方同时提供两个主要版本，分别面向文生视频、首尾帧生视频，以及多图像、多视频、多音频混合输入等任务，适用于人物与场景保留、动作和嘴型编辑等场景，并支持包括中文、英语、日语、韩语在内的11种语言对话。
为方便开发者部署，官方给出“H3-Base本地部署”和“完整2K工作流”两条验证路径，支持通过SGLang、vLLM、diffusers、ComfyUI等框架进行推理。模型目前基于MiniMax H3 Community License发布，开发者可通过开源平台下载使用。
版权所有，未经许可不得转载