MiniMax H3-Base

採用判断：H3-Baseは、開発・研究・ワークフロー検証向けのローカル実行可能なオープン生成コアとしては検討できますが、すぐ使える完成品としては勧めにくいモデルです。オンライン編集サービス、完成動画を返すサービス、またはH3全体を完全にオープン化した2Kモデルではありません。より正確には、動画生成パイプラインの中核エンジンであり、前後のプロンプト構造化や超解像、統合は別途必要です。

テキスト、画像、動画、音声などのマルチモーダル入力に対応し、プロジェクト説明ではステレオ音声付き動画の生成も想定されています。H3-Base-FL2VAはテキスト・画像からの生成や始終フレーム生成、H3-Base-Ref2VAは参照画像を使う動画編集向けとされています。実測投稿では、Baseへ直接入力する場合は細かなプロンプトが必要で、非公開のContext-IRがないため短い指示が自動で構造化されるわけではない、と報告されています。

導入のハードルは高めです。33Bパラメータ、42.5GBの重みという数値はSNS投稿由来で、公式に確認できるハードウェア保証ではありません。実際の負担にはストレージ、VRAM、推論時間、環境構築が含まれます。提示された証拠から公式API料金は確認できません。Video2XやReal-CUGAN、Real-ESRGANで768p出力を拡大する例はありますが、これは外部ワークフローの実演であり、ネイティブ2K生成の安定した保証ではありません。

十分なGPUを持ち、ComfyUIや自作推論環境を扱えて、プロンプト調整にも時間をかけられる開発者・映像制作者に向いています。一文を入力するだけで安定した2K動画を得たい一般ユーザーには不向きです。SNS上の閲覧数や拡散は多く、注目度は高いものの、これは熱度の証明であって使いやすさの証明ではありません。証拠は短いX投稿や告知が中心で、実測は少なく、知乎の静的レビューが1件あります。Context-IR、2K、必要ハードウェアについて主張に食い違いもあり、サンプルは限定的です。