Pour la première fois, un modèle à poids ouverts occupe la tête d'un grand classement de vidéo générée par IA. MiniMax H3, successeur de la famille Hailuo du laboratoire shanghaïen, détient la première place en montage vidéo sur Artificial Analysis, la firme indépendante de benchmarks, devant tous ses rivaux fermés. Depuis lundi, l'affirmation repose sur du concret, puisque les poids du modèle sont désormais accessibles au public.

Artificial Analysis place H3 au premier rang en montage vidéo avec un score Elo de 1 130, établi à partir de plus de 5 000 comparaisons de préférence à l'aveugle au 31 juillet, et le modèle se classe aussi deuxième en texte vers vidéo et troisième en image vers vidéo. Aucun modèle à poids ouverts n'avait jamais dominé l'une des catégories vidéo de la firme. Le précédent leader parmi les modèles ouverts, LTX-2.3, reste loin derrière, ce qui fait de H3 le modèle vidéo ouvert le plus performant, et de loin, dès la mise en ligne de ses poids.

H3 est un modèle de 33 milliards de paramètres doté d'une interface véritablement multimodale. Une seule requête peut combiner du texte avec jusqu'à neuf images de référence, trois clips vidéo et trois clips audio, et le modèle génère des séquences de quatre à quinze secondes à 24 images par seconde avec un son stéréo natif. Le fine-tuning sur des contenus personnalisés est pris en charge, un atout pour les studios qui veulent conserver un personnage ou un style cohérent d'un plan à l'autre.

La publication relève des poids ouverts, pas de l'open source, et les petites lignes comptent. La MiniMax Community License réserve l'usage commercial aux entreprises dont le chiffre d'affaires annuel est inférieur à 20 millions de dollars, et deux éléments du produit hébergé restent à la maison. Le module de résolution 2K et le composant H3-Context-IR ne sont pas inclus, si bien que les exécutions locales via ComfyUI plafonnent à 768p et que les utilisateurs doivent gérer eux-mêmes la préparation du contexte.

Le calendrier souligne à quel point la course à la vidéo est devenue encombrée. ByteDance a lancé Seedance 2.5 le même jour, un modèle capable de générer des clips de 30 secondes avec audio intégré, et les modèles fermés des plus grands laboratoires dominent encore la plupart des classements vidéo. Mais les modèles de texte ont déjà montré à quelle vitesse une publication de poids ouverts peut rebattre les cartes d'un marché une fois arrivée en tête de peloton, et H3 est le premier signe que la génération vidéo suit le même chemin.