MiniMax가 영상 생성 모델 H3의 오픈웨이트를 HuggingFace에 공개했다. 로컬 배포와 2차 개발을 허용한다.
H3의 핵심 네트워크는 H3-Omni-Transformer다. 330억(33B) 파라미터 규모의 밀집 단일 스트림 트랜스포머 구조로, 이 중 약 130억 파라미터는 AdaLN 브랜치에 해당한다. AdaLN 브랜치의 변조 결과는 사전 계산·캐싱이 가능해 추론 부담을 줄인다.
H3는 텍스트·이미지·영상·오디오를 함께 이해하고, 네이티브 스테레오 오디오가 포함된 영상을 생성한다. 영상과 오디오 모델을 직렬로 연결한 구조가 아니라 단일 네트워크에서 영상·오디오 잠재 벡터를 동시에 예측한다.
전체 시스템은 세 구성 요소로 나뉜다. H3-Context-IR이 멀티모달 입력을 중간 표현으로 정리하고, H3-Base가 768P 기본 영상과 오디오를 생성한다. H3-Regenerate-2K는 768P 결과를 2K로 업스케일한다. 이번 오픈웨이트 공개 대상은 H3-Base다.
H3-VisualVAE는 공간 16배·시간 4배 압축을 적용하고, 패치화 이후 트랜스포머에 입력되는 영상 토큰의 실효 공간 다운샘플링은 32배에 달한다. 고해상도 영상 생성의 연산 비용을 낮추기 위한 설계다.
API 가격은 2K 생성 기준 초당 0.8위안(발행 시점 환율 기준 약 169원), 768P는 그보다 낮다. 오디오 입력과 이미지 최대 5장은 무료다. ByteDance Seedance 2.0과 비슷한 성능을 API 기준 약 1/3 비용에 제공한다고 MiniMax는 밝혔다. RTX 5090 2장 또는 RTX 6000 1장으로 로컬 구동 시 API 비용은 없다.
국내 온프레미스 영상 생성 도입을 검토 중인 기업이라면 RTX 5090 2장이 최소 하드웨어 기준점이 된다. 데이터 외부 전송 없이 사내에서 구동 가능한 오픈웨이트 모델로, 광고·이커머스·콘텐츠 제작 등 비용 민감도가 높은 분야의 도입 문턱을 낮출 수 있다.
