Hogar
MiniMax presenta el modelo multimodal H3, reduciendo los costos de generación audiovisual 2K de 15 segundos a menos de un tercio del estándar de la industria
MiniMax ha presentado oficialmente MiniMax H3, un modelo de generación multimodal de propósito general diseñado para unificar la comprensión y la creación de texto, imágenes, video y audio. Al superar la división histórica entre tareas y modalidades en la generación de video, este lanzamiento marca un cambio crucial desde herramientas especializadas hacia asistentes versátiles e integrales.
Según las especificaciones oficiales, H3 admite de forma nativa la salida de audio y video en dos canales, siendo capaz de generar hasta 15 segundos de contenido con resolución 2K. Las pruebas de invitación temprana confirmaron su estabilidad de grado comercial en áreas como la adherencia a instrucciones, la narración de marcas y la transferencia de acciones de video a video. El modelo ya está implementado en diversos sectores, incluyendo publicidad, comercio electrónico, juegos y diseño de interfaces de usuario.

Tecnológicamente, H3 aprovecha la Representación Omni Contextual, utilizando el lenguaje natural como un conector universal entre modalidades. Los usuarios pueden definir interacciones complejas mediante instrucciones simples; por ejemplo, indicando al modelo que aplique un movimiento de cámara específico al estilo Hitchcock de un video a un personaje en otra imagen mientras canta una melodía de un clip de audio. El sistema gestiona automáticamente toda la cadena de comprensión y generación. Acompañado por sus tecnologías propietarias H3-VAE y Regeneración en contexto, H3 ofrece resolución 2K a menos de un tercio del costo de los principales competidores, y a menos de la mitad del costo para la salida 768P, ofreciendo la solución más rentable hasta la fecha en la industria.
Cabe destacar que MiniMax planea liberar los pesos del modelo H3 como código abierto en los próximos días, cumpliendo con las leyes y regulaciones aplicables. Esto marca la primera vez que un importante modelo nacional de generación de video libera sus pesos al público, fomentando ecosistemas de código abierto y acelerando la adaptación de chips nacionales. Diseñado desde cero para ser compatible con varios procesadores locales, este movimiento reduce significativamente las barreras técnicas para que las empresas nacionales adopten la inteligencia artificial multimodal.
MiniMax reconoce que H3 aún tiene margen de mejora en cuanto a los detalles de las imágenes y la escala del modelo. Las futuras actualizaciones se centrarán en integrar las capacidades entre los modelos de las series H y M, empujando continuamente los límites del rendimiento mediante la escalabilidad.
Los expertos de la industria sugieren que el lanzamiento y la disponibilidad de código abierto de H3 podrían alterar la larga dominancia de los modelos de código cerrado en la generación de video, acelerando la adopción generalizada de aplicaciones de inteligencia artificial multimodal.
Artículo relacionado
Purdue Robotics presenta PuduFM 1.0 y PuduAgent, marcando una nueva era de inteligencia encarnada
En una era definida por el rápido avance de la inteligencia artificial y la robótica, Pudu Robotics, líder global en robots de servicio comercial, ha presentado dos avances revolucionarios en inteligencia encarnada: PuduFM 1.0 y PuduAgent. Estas inno
Conjunto de chips Kunlun de Baidu para cotización pública en Hong Kong con objetivo de valoración de 50.000 millones de dólares
El 29 de junio, los mercados de capitales se vieron sacudidos por noticias de gran calado: la filial de Baidu dedicada a los chips de inteligencia artificial, Kunlun Tech, está acelerando su oferta pública inicial (IPO) en Hong Kong, con una valoraci
Instinct lanza un agente de IA en chats grupales, incluidos aquellos con no usuarios
Instinct, el agente de IA que ahora se valora en 10.000 millones de dólares tras su última ronda de financiación, se expande a los chats grupales. La startup anunció el lunes que los usuarios pueden añadir el agente a conversaciones con amigos, ofrec
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
MiniMax ha presentado oficialmente MiniMax H3, un modelo de generación multimodal de propósito general diseñado para unificar la comprensión y la creación de texto, imágenes, video y audio. Al superar la división histórica entre tareas y modalidades en la generación de video, este lanzamiento marca un cambio crucial desde herramientas especializadas hacia asistentes versátiles e integrales.
Según las especificaciones oficiales, H3 admite de forma nativa la salida de audio y video en dos canales, siendo capaz de generar hasta 15 segundos de contenido con resolución 2K. Las pruebas de invitación temprana confirmaron su estabilidad de grado comercial en áreas como la adherencia a instrucciones, la narración de marcas y la transferencia de acciones de video a video. El modelo ya está implementado en diversos sectores, incluyendo publicidad, comercio electrónico, juegos y diseño de interfaces de usuario.

Tecnológicamente, H3 aprovecha la Representación Omni Contextual, utilizando el lenguaje natural como un conector universal entre modalidades. Los usuarios pueden definir interacciones complejas mediante instrucciones simples; por ejemplo, indicando al modelo que aplique un movimiento de cámara específico al estilo Hitchcock de un video a un personaje en otra imagen mientras canta una melodía de un clip de audio. El sistema gestiona automáticamente toda la cadena de comprensión y generación. Acompañado por sus tecnologías propietarias H3-VAE y Regeneración en contexto, H3 ofrece resolución 2K a menos de un tercio del costo de los principales competidores, y a menos de la mitad del costo para la salida 768P, ofreciendo la solución más rentable hasta la fecha en la industria.
Cabe destacar que MiniMax planea liberar los pesos del modelo H3 como código abierto en los próximos días, cumpliendo con las leyes y regulaciones aplicables. Esto marca la primera vez que un importante modelo nacional de generación de video libera sus pesos al público, fomentando ecosistemas de código abierto y acelerando la adaptación de chips nacionales. Diseñado desde cero para ser compatible con varios procesadores locales, este movimiento reduce significativamente las barreras técnicas para que las empresas nacionales adopten la inteligencia artificial multimodal.
MiniMax reconoce que H3 aún tiene margen de mejora en cuanto a los detalles de las imágenes y la escala del modelo. Las futuras actualizaciones se centrarán en integrar las capacidades entre los modelos de las series H y M, empujando continuamente los límites del rendimiento mediante la escalabilidad.
Los expertos de la industria sugieren que el lanzamiento y la disponibilidad de código abierto de H3 podrían alterar la larga dominancia de los modelos de código cerrado en la generación de video, acelerando la adopción generalizada de aplicaciones de inteligencia artificial multimodal.
Purdue Robotics presenta PuduFM 1.0 y PuduAgent, marcando una nueva era de inteligencia encarnada
En una era definida por el rápido avance de la inteligencia artificial y la robótica, Pudu Robotics, líder global en robots de servicio comercial, ha presentado dos avances revolucionarios en inteligencia encarnada: PuduFM 1.0 y PuduAgent. Estas inno
Conjunto de chips Kunlun de Baidu para cotización pública en Hong Kong con objetivo de valoración de 50.000 millones de dólares
El 29 de junio, los mercados de capitales se vieron sacudidos por noticias de gran calado: la filial de Baidu dedicada a los chips de inteligencia artificial, Kunlun Tech, está acelerando su oferta pública inicial (IPO) en Hong Kong, con una valoraci
Instinct lanza un agente de IA en chats grupales, incluidos aquellos con no usuarios
Instinct, el agente de IA que ahora se valora en 10.000 millones de dólares tras su última ronda de financiación, se expande a los chats grupales. La startup anunció el lunes que los usuarios pueden añadir el agente a conversaciones con amigos, ofrec











