Heim
MiniMax stellt das multimodale Modell H3 vor und senkt die Kosten für die 15-sekündige 2K-Audiovisuelle Generierung auf unter ein Drittel des branchenüblichen Standards.
MiniMax hat offiziell MiniMax H3 vorgestellt, ein multimodales Generierungsmodell für allgemeine Zwecke, das darauf ausgelegt ist, das Verständnis und die Erstellung von Text, Bildern, Videos und Audio zu vereinheitlichen. Durch die Überbrückung der historischen Kluft zwischen Aufgaben und Modalitäten in der Videoerstellung markiert diese Veröffentlichung einen entscheidenden Wandel von spezialisierten Werkzeugen zu vielseitigen All-in-One-Assistenten.
Laut offiziellen Spezifikationen unterstützt H3 nativ eine dualkanalige Audio-Video-Ausgabe und kann bis zu 15 Sekunden Inhalte mit 2K-Auflösung generieren. Frühe Einladungstests bestätigten seine Stabilität auf kommerziellem Niveau in Bereichen wie der Einhaltung von Anweisungen, dem Erzählen von Markenstorys und der Übertragung von Aktionen von Video zu Video. Das Modell wird bereits in verschiedenen Sektoren eingesetzt, darunter Werbung, E-Commerce, Spieleentwicklung und UI-Design.

Technologisch nutzt H3 die Kontextuelle Allrepräsentation (Contextual Omni Representation), wobei natürliche Sprache als universeller Connector über Modalitäten hinweg dient. Nutzer können komplexe Interaktionen durch einfache Prompts definieren – beispielsweise die Anweisung, eine spezifische Kameraführung im Stil von Alfred Hitchcock aus einem Video auf eine Figur in einem anderen Bild anzuwenden, während diese eine Melodie aus einem Audio-Clip vorsingt. Das System übernimmt automatisch die gesamte Kette des Verständnisses und der Generierung. In Kombination mit seiner proprietären H3-VAE- und In-context-Regenerationstechnologie liefert H3 2K-Auflösung zu weniger als einem Drittel der Kosten führender Wettbewerber und unter der Hälfte der Kosten für 768P-Ausgaben, was die bisher kosteneffektivste Lösung der Branche darstellt.
Bemerkenswerterweise plant MiniMax, die H3-Modellgewichte in den kommenden Tagen unter Einhaltung der geltenden Gesetze und Vorschriften quelloffen zu stellen. Dies ist das erste Mal, dass ein bedeutendes inländisches Videoerstellungsmodell seine Gewichte der Öffentlichkeit zugänglich macht, was quelloffene Ökosysteme fördert und die Anpassung an inländische Chips beschleunigt. Von Grund auf für die Kompatibilität mit verschiedenen lokalen Prozessoren konzipiert, senkt dieser Schritt die technischen Hürden für inländische Unternehmen, die multimodale KI übernehmen, erheblich.
MiniMax räumt ein, dass H3 bei der Bildqualität und der Modellgröße noch Verbesserungspotenzial hat. Zukünftige Updates werden sich auf die Integration von Funktionen zwischen den H- und M-Serienmodellen konzentrieren und die Leistungsgrenzen durch Skalierung kontinuierlich erweitern.
Branchenexperten sind der Ansicht, dass die Veröffentlichung und die quelloffene Verfügbarkeit von H3 die langjährige Dominanz geschlossener Modelle in der Videoerstellung stören und die weit verbreitete Einführung multimodaler KI-Anwendungen beschleunigen könnte.
Verwandter Artikel
Instinct startet KI-Agenten in Gruppenchats, einschließlich solcher mit Nicht-Nutzern
Instinct, der KI-Agent, der nach seiner neuesten Finanzierungsrunde nun auf 10 Milliarden US-Dollar bewertet wird, erweitert sein Angebot auf Gruppenchats. Das Startup gab am Montag bekannt, dass Nutzer den Agenten in Unterhaltungen mit Freunden hinz
Die Weltbank drängt Schwellenländer, große Modelle zu überspringen und sich auf lokale kleine Tools zu konzentrieren
Der jüngste Bericht der Weltbank skizziert einen pragmatischen Weg für Entwicklungsländer: Künstliche Intelligenz muss unverzüglich in die öffentliche Verwaltung und die gewerbliche Tätigkeit integriert werden, wobei bestehende Lösungen an den lokale
OpenAI-CEO Altman storniert Besuch in Südkorea und Japan nach der Geburt seiner zweiten Tochter
Der CEO von OpenAI, Sam Altman, hat kürzlich seine zweite Tochter begrüßt, die vorzeitig zur Welt kam, was zur Absage seiner für den 15. geplanten Reise nach Südkorea und Japan führte. Während Branchenbeobachter spekuliert hatten, dass die Änderung d
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
MiniMax hat offiziell MiniMax H3 vorgestellt, ein multimodales Generierungsmodell für allgemeine Zwecke, das darauf ausgelegt ist, das Verständnis und die Erstellung von Text, Bildern, Videos und Audio zu vereinheitlichen. Durch die Überbrückung der historischen Kluft zwischen Aufgaben und Modalitäten in der Videoerstellung markiert diese Veröffentlichung einen entscheidenden Wandel von spezialisierten Werkzeugen zu vielseitigen All-in-One-Assistenten.
Laut offiziellen Spezifikationen unterstützt H3 nativ eine dualkanalige Audio-Video-Ausgabe und kann bis zu 15 Sekunden Inhalte mit 2K-Auflösung generieren. Frühe Einladungstests bestätigten seine Stabilität auf kommerziellem Niveau in Bereichen wie der Einhaltung von Anweisungen, dem Erzählen von Markenstorys und der Übertragung von Aktionen von Video zu Video. Das Modell wird bereits in verschiedenen Sektoren eingesetzt, darunter Werbung, E-Commerce, Spieleentwicklung und UI-Design.

Technologisch nutzt H3 die Kontextuelle Allrepräsentation (Contextual Omni Representation), wobei natürliche Sprache als universeller Connector über Modalitäten hinweg dient. Nutzer können komplexe Interaktionen durch einfache Prompts definieren – beispielsweise die Anweisung, eine spezifische Kameraführung im Stil von Alfred Hitchcock aus einem Video auf eine Figur in einem anderen Bild anzuwenden, während diese eine Melodie aus einem Audio-Clip vorsingt. Das System übernimmt automatisch die gesamte Kette des Verständnisses und der Generierung. In Kombination mit seiner proprietären H3-VAE- und In-context-Regenerationstechnologie liefert H3 2K-Auflösung zu weniger als einem Drittel der Kosten führender Wettbewerber und unter der Hälfte der Kosten für 768P-Ausgaben, was die bisher kosteneffektivste Lösung der Branche darstellt.
Bemerkenswerterweise plant MiniMax, die H3-Modellgewichte in den kommenden Tagen unter Einhaltung der geltenden Gesetze und Vorschriften quelloffen zu stellen. Dies ist das erste Mal, dass ein bedeutendes inländisches Videoerstellungsmodell seine Gewichte der Öffentlichkeit zugänglich macht, was quelloffene Ökosysteme fördert und die Anpassung an inländische Chips beschleunigt. Von Grund auf für die Kompatibilität mit verschiedenen lokalen Prozessoren konzipiert, senkt dieser Schritt die technischen Hürden für inländische Unternehmen, die multimodale KI übernehmen, erheblich.
MiniMax räumt ein, dass H3 bei der Bildqualität und der Modellgröße noch Verbesserungspotenzial hat. Zukünftige Updates werden sich auf die Integration von Funktionen zwischen den H- und M-Serienmodellen konzentrieren und die Leistungsgrenzen durch Skalierung kontinuierlich erweitern.
Branchenexperten sind der Ansicht, dass die Veröffentlichung und die quelloffene Verfügbarkeit von H3 die langjährige Dominanz geschlossener Modelle in der Videoerstellung stören und die weit verbreitete Einführung multimodaler KI-Anwendungen beschleunigen könnte.
Instinct startet KI-Agenten in Gruppenchats, einschließlich solcher mit Nicht-Nutzern
Instinct, der KI-Agent, der nach seiner neuesten Finanzierungsrunde nun auf 10 Milliarden US-Dollar bewertet wird, erweitert sein Angebot auf Gruppenchats. Das Startup gab am Montag bekannt, dass Nutzer den Agenten in Unterhaltungen mit Freunden hinz
Die Weltbank drängt Schwellenländer, große Modelle zu überspringen und sich auf lokale kleine Tools zu konzentrieren
Der jüngste Bericht der Weltbank skizziert einen pragmatischen Weg für Entwicklungsländer: Künstliche Intelligenz muss unverzüglich in die öffentliche Verwaltung und die gewerbliche Tätigkeit integriert werden, wobei bestehende Lösungen an den lokale
OpenAI-CEO Altman storniert Besuch in Südkorea und Japan nach der Geburt seiner zweiten Tochter
Der CEO von OpenAI, Sam Altman, hat kürzlich seine zweite Tochter begrüßt, die vorzeitig zur Welt kam, was zur Absage seiner für den 15. geplanten Reise nach Südkorea und Japan führte. Während Branchenbeobachter spekuliert hatten, dass die Änderung d











