MiniMax H3权重已开源：33B模型怎么跑一文搞清

7月31日，MiniMax发布了通用多模态视频生成系统H3，并在随后不久确认权重已开源——已在Hugging Face上线，仓库为MiniMaxAI/MiniMax-H3，同日ComfyUI重构版镜像也正式支持该模型。

首先需要注意的是：据报道，开源权重许可证不适用于欧盟、英国、韩国和美国等地区。在其他地区的商业使用免费，但需要在产品界面中显示"MiniMax H3"，年收入超过2000万美元需单独获得书面授权。如果身处上述排除地区，在规划使用前请直接查阅Hugging Face模型卡上的许可证原文——不要将任何二手概述（包括本文）作为你具体情况的最终依据。

实际开源与仅API提供的区别

实际开源与仅通过API提供的区别在于：系统包含三层架构——托管的预处理/编排层（Context-IR）保留在MiniMax API背后，开源的是核心生成器（H3-Base），而2K再生通道（Regenerate-2K）同样仅通过API托管。因此这里的"开源"指的是核心生成器，而非完整的商业 pipeline。

技术规格

对于评估该模型是否能在自有硬件上运行的人来说，关键技术参数如下：这是一个33B密集单流Transformer，以两个任务特定的检查点形式发布——fl2va（文本/图像驱动生成）和ref2va（参考驱动生成），各自最小量化形式约为21GB。完整精度版本约为123.6GB；最小可运行组合据报道约为42.5GB。ComfyUI的自身指导建议12GB显存的显卡加CPU卸载即可运行，但预期体验会比较缓慢而非流畅。本地原生生成在短边为768像素——2K输出来自单独的上下文再生通道，不属于开源权重的一部分。

大致的运行方式（请查阅官方模型卡获取准确、最新的命令——此处仅为示意，由于发布细节变化迅速，无法保证可直接复制使用）：

from huggingface_hub import snapshot_download

# Download only the checkpoint you actually need —
# fl2va for text/image-driven generation, ref2va for reference-driven
snapshot_download(
    repo_id="MiniMaxAI/MiniMax-H3",
    allow_patterns=["fl2va/*"],  # or "ref2va/*"
    local_dir="./minimax-h3"
)

# From here, follow the model card's specific inference instructions —
# this is a 33B video model, not a drop-in chat completion call,
# and exact loading code depends on which runtime (ComfyUI, diffusers-style
# pipeline, etc.) you're using.

超出"又一款模型发布"引发关注的原因

这次发布引发关注的原因不仅在于"又一款模型发布"：据Artificial Analysis报道，H3在视频编辑中排名第一，在文生视频和图生视频中均进入前三，并指出开源权重将使该模型成为该领域领先的开放权重模型（Artificial Analysis，2026年7月）。不过需要平衡看待的是，同一基准测试也显示H3在文生视频方面落后于Gemini Omni Flash，在图生视频方面则落后于Seedance 2.0和Gemini Omni Flash（South China Morning Post，2026年7月）——它在某个特定类别（编辑）表现出色，并非全面碾压。

简要总结：MiniMax开源了H3的核心生成器（而非完整的托管pipeline）——这是一款33B视频生成模型，能够同时理解文本/图像/视频/音频并输出带原生音频的视频。据第三方基准测试，它在视频编辑方面表现突出，并非在所有维度都排名第一。许可证排除欧盟、英国、韩国和美国——在规划商业使用前请查阅官方条款。了解更多，请访问：RouteAI

对于后续行动，你可以考虑屏蔽此人或举报滥用行为。