/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Опубликована
3 авг 2026

MiniMax-H3-GGUF

Видео из изображенияИзображение, текст → видео3 профессии

MiniMax H3 — мультимодальная генеративная модель общего назначения, разработанная MiniMaxAI.

56 812скачиваний за 30 дней65лайковвеса обновлены12 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий molbal/MiniMax-H3-GGUF содержит её квантованные варианты в формате GGUF и необходимые файлы компонентов, включая модели FL2VA для генерации по первому и последнему кадру и Ref2VA для работы с омни-референсами.

Модель предназначена для text-to-video, image-to-video, image-text-to-video, video-to-video и мультимодальной генерации аудио-видео. Она понимает контексты, объединяющие текст, изображения, видео и аудио, и создаёт видео с синхронизированным стереозвуком. Поддерживаются сценарии без изображений, с одним или двумя изображениями, а также использование до 9 изображений, 3 видеофрагментов и 3 аудиофрагментов в режиме Ref2VA при ограничениях по длительности и общему числу файлов. Выходные ролики имеют длительность 4–15 секунд, частоту 24 FPS, звук 32 кГц в стерео и различные соотношения сторон; заявлена генерация до 2K с использованием H3-Regenerate-2K. Стабильно поддерживаются диалоги на 11 языках, включая русский, английский, китайский, японский, корейский, арабский и европейские языки.

Доступны квантования Q4_0, Q8_0, Q8_CR и U16G размером примерно от 11,4 до 21,4 ГБ. Q4_0 экономичнее, Q8_0 обеспечивает высокое качество, а U16G ориентирован на комфортную работу на видеокартах с 16 ГБ VRAM. Q8_CR и U16G созданы для узлов ComfyUI-GGUF и, вероятно, несовместимы с другими средами. Модель распространяется по MiniMax H3 Community License Agreement; это пользовательское соглашение, поэтому условия коммерческого и иного использования следует проверять отдельно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax H3 (GGUF Quantizations)

This repository (molbal/MiniMax-H3-GGUF) provides GGUF quantized versions and necessary component files for the MiniMax H3 model. MiniMax H3 is a general-purpose, omni-modal generative system that supports unified understanding of multimodal contexts composed of text, images, video, and audio. It can generate video with native stereo audio at resolutions up to 2K and durations of up to 15 seconds.

Repository Contents

UNet Models (GGUF)

This repository includes quantized versions of both the FL2VA (First-and-last-frame mode) and Ref2VA (Omni-reference mode) base models. The FL2VA builds are pruned to FP8 first and then quantized to GGUF.

  • FL2VA Models (pruned to FP8):
    • minimax_h3_fl2va_pruned_fp8_Q4_0.gguf (11.4 GB)
    • minimax_h3_fl2va_pruned_fp8_Q8_0.gguf (20.2 GB)
    • minimax_h3_fl2va_pruned_fp8_Q8_CR.gguf (20.2 GB)
    • minimax_h3_fl2va_pruned_fp8_U16G.gguf (15.0 GB)
  • Ref2VA Models:
    • minimax-h3-ref2va-Q4_0.gguf (11.4 GB)
    • minimax-h3-ref2va-Q8_0.gguf (21.4 GB)
    • minimax-h3-ref2va-Q8_CR.gguf (20.2 GB)
    • minimax-h3-ref2va-U16G.gguf (15.0 GB)

Quantization formats

Note: Q8_CR and U16G are specifically created to work with the molbal/CofmyUI-GGUF ComfyUI custom nodes and will probably not work elsewhere.

FormatQualityNotes
Q4_0LowerStandard 4-bit GGUF quantization.
Q8_0HighStandard 8-bit GGUF quantization.
Q8_CRHigh (≈ Q8_0)Q8_0 quality with INT8 ConvRot weights.
U16GGoodMixed INT8 + Q4_0 weights, sized to fit comfortably in 16 GB VRAM cards. Despite being larger than Q4_0, it is faster, than that on 16GB> VRAM cards.

Model Variants and Input Specifications

  • H3-Base-FL2VA: First-and-last-frame mode. Supports zero, one, or two input images.
    • No image input: Text-to-video mode.
    • One image input: First-frame-to-video or last-frame-to-video generation.
    • Two image inputs: First-and-last-frame-to-video generation.
  • H3-Base-Ref2VA: Omni-reference mode. Supports multi-modal reference inputs:
    • Images: ≤ 9 images.
    • Videos: ≤ 3 clips; each clip must be 2–15 seconds long; total duration ≤ 15 seconds.
    • Audio: ≤ 3 clips; audio must be accompanied by image or video input and cannot be used as the sole input; each clip must be 2–15 seconds long; total duration ≤ 15 seconds.
    • Mixed inputs: Maximum number of files across all input types is 12.

Output Specifications

  • Output duration: 4–15 seconds.
  • Output aspect ratio: Supports a wide range of aspect ratios, including but not limited to 21:9, 16:9, 4:3, 1:1, 3:4, and 9:16.
  • Output resolution: Supports various resolution dimensions. The shorter side is set to 768 pixels by default. 2K generation can be achieved with H3-Regenerate-2K.
  • Output frame rate: 24 FPS.
  • Output audio: 32 kHz stereo.
  • Supported dialogue languages: Stable support for 11 languages: Arabic, Chinese, English, French, German, Italian, Japanese, Korean, Portuguese, Russian, and Spanish. Additional languages are also supported to varying degrees.

License

MiniMax H3 is released under the MiniMax H3 Community License Agreement.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются: нужен ввод изображения для diffusion.

Ревизия весов
b458743

0 моделей