Por primera vez, un modelo de pesos abiertos encabeza un importante ranking de video generado por inteligencia artificial. MiniMax H3, el sucesor de la familia Hailuo del laboratorio de Shanghái, ocupa el primer puesto en edición de video en Artificial Analysis, la firma independiente de evaluación comparativa, por delante de todos sus rivales cerrados. Desde el lunes la afirmación tiene sustancia, porque los pesos del modelo ya están disponibles públicamente.
Artificial Analysis sitúa a H3 en el primer lugar en edición de video con una puntuación Elo de 1.130, construida a partir de más de 5.000 comparaciones ciegas de preferencia hasta el 31 de julio, y el modelo también ocupa el segundo puesto en texto a video y el tercero en imagen a video. Ningún modelo de pesos abiertos había liderado antes una de las categorías de video de la firma. El anterior líder entre los modelos abiertos, LTX-2.3, queda muy por detrás, lo que convierte a H3 en el modelo abierto de video más potente, con amplia diferencia, desde el momento en que sus pesos se hicieron públicos.
H3 es un modelo de 33.000 millones de parámetros con una interfaz genuinamente multimodal. Una sola instrucción puede combinar texto con hasta nueve imágenes de referencia, tres clips de video y tres clips de audio, y el modelo genera secuencias de cuatro a quince segundos a 24 fotogramas por segundo con sonido estéreo nativo. Admite el ajuste fino con contenido propio, algo que importa a los estudios que buscan mantener un personaje o un estilo coherente entre planos.
El lanzamiento es de pesos abiertos, no de código abierto, y la letra pequeña importa. La MiniMax Community License restringe el uso comercial a empresas con ingresos anuales inferiores a 20 millones de dólares, y dos piezas del producto alojado se quedaron fuera. El módulo de resolución 2K y el componente H3-Context-IR no están incluidos, de modo que las ejecuciones locales a través de ComfyUI se limitan a 768p y los usuarios deben encargarse por su cuenta de la preparación del contexto.
El momento del anuncio subraya lo concurrida que se ha vuelto la carrera del video. ByteDance lanzó Seedance 2.5 el mismo día, con clips de 30 segundos y audio integrado, y los modelos cerrados de los grandes laboratorios todavía dominan la mayoría de las clasificaciones de video. Pero los modelos de texto ya han demostrado con qué rapidez las publicaciones de pesos abiertos pueden reconfigurar un mercado en cuanto alcanzan la cabeza del pelotón, y H3 es la primera evidencia de que la generación de video va por el mismo camino.