Pela primeira vez, um modelo de pesos abertos ocupa o topo de um grande ranking de vídeo gerado por IA. O MiniMax H3, sucessor da família Hailuo do laboratório de Xangai, mantém o primeiro lugar em edição de vídeo na Artificial Analysis, empresa independente de benchmarks, à frente de todos os rivais fechados. Desde segunda-feira, a afirmação ganhou substância, porque os pesos do modelo agora estão publicamente disponíveis.
A Artificial Analysis coloca o H3 em primeiro lugar em edição de vídeo com uma pontuação Elo de 1.130, construída a partir de mais de 5.000 comparações cegas de preferência até 31 de julho, e o modelo também aparece em segundo lugar em texto para vídeo e em terceiro em imagem para vídeo. Nenhum modelo de pesos abertos havia liderado antes uma das categorias de vídeo da empresa. O líder anterior entre os modelos abertos, o LTX-2.3, fica bem atrás, o que faz do H3 o modelo de vídeo aberto mais forte, por larga margem, desde o momento em que seus pesos chegaram.
O H3 é um modelo de 33 bilhões de parâmetros com uma interface genuinamente multimodal. Um único prompt pode combinar texto com até nove imagens de referência, três clipes de vídeo e três clipes de áudio, e o modelo gera trechos de quatro a quinze segundos a 24 quadros por segundo com som estéreo nativo. Há suporte a ajuste fino com conteúdo próprio, o que importa para estúdios que querem manter um personagem ou estilo consistente entre as cenas.
O lançamento é de pesos abertos, não de código aberto, e as letras miúdas fazem diferença. A MiniMax Community License restringe o uso comercial a empresas com receita anual inferior a 20 milhões de dólares, e duas peças do produto hospedado ficaram de fora. O módulo de resolução 2K e o componente H3-Context-IR não estão incluídos, então execuções locais via ComfyUI ficam limitadas a 768p, e os usuários precisam cuidar por conta própria da preparação de contexto.
O momento do lançamento evidencia como a corrida do vídeo ficou concorrida. A ByteDance lançou o Seedance 2.5 no mesmo dia, gerando clipes de 30 segundos com áudio integrado, e modelos fechados dos maiores laboratórios ainda dominam a maioria dos rankings de vídeo. Mas os modelos de texto já mostraram com que rapidez lançamentos de pesos abertos podem redefinir um mercado quando chegam à frente do pelotão, e o H3 é a primeira evidência de que a geração de vídeo está seguindo o mesmo caminho.