目次
はい。MiniMax H3はオープンウェイトモデルとして公開されています。ただし、完全なH3システムがすべて公開され、無制限に使えるわけではありません。MiniMaxが独自のCommunity Licenseで公開したのはH3-Base FL2VAとH3-Base Ref2VAの重みです。Context-IRはホスト型のままで、Regenerate-2Kも現在の公開物には含まれません。
MiniMaxはH3をオープンモデルと呼んでいます。ただし、技術面や商用利用を判断する際は、オープンウェイトという表現の方が正確です。
この区別は重要です。公開された重みを使えば、ライセンスの範囲内でモデルコンポーネントを検証、実行、変更、統合できます。ただし、完全な学習工程、すべての本番モジュール、無制限の利用権まで自動的に得られるわけではありません。
MiniMaxは2026年7月31日にH3を発表し、8月2日にH3-Baseの重みを公開しました。ファイルは公式H3モデルリポジトリとGitHubリポジトリで配布されています。
リリースに含まれるものと、ダウンロード可能なパッケージに含まれないものは次のとおりです。
| 項目 | 現在の状況 | 利用者にとっての意味 |
|---|---|---|
| H3-Base FL2VAの重み | 公開 | テキストや最初・最後のフレームからの音声付き動画生成をローカルでサポート |
| H3-Base Ref2VAの重み | 公開 | マルチモーダルな参照から動画の生成をローカルでサポート |
| 推論リポジトリと連携機能 | 公開 | セルフホストでの検証とカスタム パイプラインをサポート |
| Context-IRの実装 | ホスト型・非公開 | MiniMax の前処理およびオーケストレーション システムはローカルで変更できません |
| Regenerate-2K | 現在のリリースには含まれていません | ローカル H3-Base は完全な公式 2K パスではありません |
| 完全な学習手順とデータ | 公開されたとは記載されていない | このリリースでは学習の完全な再現性が確立されていません |
| ライセンス | 独自のCommunity License | オープンウェイトは、無制限の世界的または商業的使用を意味するものではありません |
意義のある公開ですが、「完全なオープンソース」という言葉から想像される範囲より限定的です。
MiniMaxは、用途の異なる2つのH3-Baseチェックポイントを公開しました。どちらも動画とネイティブステレオ音声を生成しますが、対応する制御方法が異なります。
| チェックポイント | 主な役割 | 入力 | 文書化されたローカル出力 |
|---|---|---|---|
| H3-Base FL2VA | テキストとフレーム主導の生成 | テキスト。端点画像は0枚、1枚、または2枚 | 768p 動画と音声 |
| H3-Base Ref2VA | マルチモーダルな参照生成 | テキスト、参照画像または動画、任意の音声。音声だけを唯一のメディア入力にはできない | 768p 動画と音声 |
FL2VAはfirst-and-last-frame-to-audio-videoの略です。画像なしならテキストから音声付き動画を生成し、画像1枚なら最初または最後のフレーム、2枚なら両端のフレームを指定できます。
Ref2VAはReference-to-Audio-Videoの略です。画像、動画、任意の音声で1つの対象クリップの異なる要素をガイドできます。参照音声には少なくとも1つの画像または動画が必要です。テキストで各参照素材の役割を説明します。
公式リポジトリでは、元のチェックポイント群とDiffusers互換ファイルを配布しています。MiniMaxは元のチェックポイントをBF16精度と記載し、公開されたOmni Transformerの重みをCFG蒸留済みと説明しています。
各チェックポイントは、単一のTransformerファイルだけではありません。公式H3モデルカードには、専用Omni Transformerと次の補助コンポーネントが記載されています。
MiniMaxはH3-Omni-Transformerを密な単一ストリームモデルと説明しています。動画と音声の潜在表現を同時に予測し、対応するVAEが最終的な音声付き動画へデコードします。
FL2VAとRef2VAは役割が異なるため、重みも別々です。片方のチェックポイントをダウンロードしても、もう片方が自動的に追加されることはありません。
公式の完全なシステムは3つのモジュールで構成され、現時点で重みが公開されているのは中央の生成モジュールだけです。
自由形式のテキスト・画像・動画・音声によるコンテキスト
↓
Context-IR — ホスト型、実装は非公開
↓
H3-Base FL2VA または Ref2VA — 公開ウェイト、ローカルでの768p生成経路
↓
Regenerate-2K — 現在の公開リリースには含まれない
Context-IRは、H3-Baseで生成する前に、自由形式のマルチモーダルコンテキストを前処理し、処理順を組み立てます。
MiniMaxはContext-IRを複数段階のホスト型システムと説明しています。その実装はオープンウェイト公開に含まれません。開発者は公式サービスを呼び出すか、MiniMaxのプロンプト指針を基に独自の前処理ロジックを構築できます。
独自の前処理パイプラインが同様の目的を果たす場合はあります。ただし、H3-Base向けに参照素材を整形するだけで、公式Context-IR実装になるわけではありません。
H3-Baseは、準備されたコンテキストを受け取り、ステレオ音声付きの768p動画を生成します。MiniMaxがFL2VAとRef2VAのチェックポイントとして公開した部分です。
最初に公開された推論経路はフルアテンションを使用します。MiniMaxはスパースアテンション実装も後日公開する予定ですが、公開日は示していません。
Regenerate-2Kは、H3-Baseの768p出力と元のコンテキストを受け取ります。従来の単体アップスケーラーとは設計が異なります。
このモジュールは現在の公開物には含まれていません。MiniMaxは、ローカルH3-Base、ホスト型Context-IR、Regenerate-2Kエンドポイントを組み合わせた公式のハイブリッドワークフローを文書化しています。
このハイブリッド構成で公式の2K経路を利用できますが、完全にローカルで動くオープンウェイトの2Kパイプラインではありません。
H3-Baseをローカルで実行すると、公開された2つの生成チェックポイントを直接制御できます。ただし、MiniMaxの完全なホスト型H3システムを再現できるわけではありません。
テキストから生成する場合や、最初のフレーム、最後のフレーム、またはその両方でクリップを誘導する場合はFL2VAを選びます。画像、動画、任意の音声で同一性、スタイル、動き、カメラワーク、声、音響を指定したい場合はRef2VAを選びます。どちらのチェックポイントも、文書上は768pの音声付き動画を出力します。完全な2K経路は、オープンウェイトパッケージ外のホスト型コンポーネントに依存します。
MiniMaxは推論方法としてSGLang、vLLM、Diffusers、ComfyUIを挙げています。公開チェックポイントをコードまたはノードベースの環境で実行し、検証できます。
どの方法でも、セルフホストを選ぶと運用責任は利用者側に移ります。モデルの保存、依存関係、計算資源、性能、更新、アクセス制御、安全対策、出力レビューを管理しなければなりません。ローカル導入が必ず無料または非公開になるわけでもありません。費用はハードウェアやホスティング、電力、開発時間、ストレージ、監視、失敗した実行に左右され、プライバシーはログ、素材の保存方法、アクセス方針、外部ノード、周辺アプリケーションに左右されます。
H3のカスタマイズは3層に分けられます。最初の2層は重みを変えずに実施でき、3層目には技術的な検証とライセンス確認が必要です。
| レイヤー | 合理的にカスタマイズできるもの | 現在の境界 |
|---|---|---|
| 生成 | プロンプト、ショット順、長さ、比率、端点フレーム、参照素材の役割 | 結果には確率的な揺らぎがあり、参照素材だけで同一性や動きを完全に固定できるわけではありません |
| パイプライン | 前処理、参照構成、推論パラメータ、ノード、ストレージ、レビュー、周囲のアプリケーションロジック | 公式Context-IRの内部実装は引き続きホスト型です。外部ノードはMiniMaxの保証対象ではありません |
| モデル | ライセンスで認められる範囲で公開ウェイトを変更し、派生物を作成 | 公式のファインチューニング手順、LoRAトレーナー、データセット、最小ハードウェア要件、結果保証はありません |
まず、重みではなく入力計画を調整します。同一性、動き、カメラ、音声の参照を分け、各素材に明確な役割を1つずつ割り当てます。対象となる動作は、確認しやすい範囲に絞ってください。
FL2VAでは、開始構図、終了構図、またはその両方のどれを固定するか決めます。Ref2VAでは、各表現要素をどの参照素材で制御するか決めます。
これらの選択により、結果が大きく変わる可能性があります。また、モデルの微調整ではなく、通常の推論の選択肢のままです。
チームは公開チェックポイントの周辺に、素材検証、プロンプト構成、キュー、ストレージ、モデレーション、評価、再試行ロジックを構築できます。ノードベースのツールなら、選択した推論設定をクリエイター向けに提供することも可能です。
この層は、多くの場合、学習よりも実用的な制御を提供します。入力を標準化し、比較可能な出力を収集し、高価な推論が開始される前に無効なリクエストを防ぐことができます。
ただし、独自の前処理機能はContext-IRそのものではありません。コミュニティのワークフローも公式な性能保証ではないため、社内システムや顧客向けシステムでは、その境界を明記してください。
リポジトリによると、MiniMax は微調整を含むさらなる開発をサポートするために、完全な H3-Omni-Transformer ウェイトをリリースしました。このライセンスでは、その条件内でモデルの派生物も定義および許可されています。
ただし、すぐに使える学習ワークフローが用意されたわけではありません。MiniMaxは、公式のH3ファインチューニング手順、ワンクリックLoRAトレーナー、学習データ、検証済みの最小ハードウェア構成を公開していません。
コミュニティの手順は実験として扱ってください。採用前に、出典、バージョン、データの権利、出力品質、ハードウェアの前提条件を記録します。
ここでは、H3の利用方法全般ではなく、運用責任と利用できるモジュールの違いを比較します。
| 判断項目 | ローカルH3-Base | MiniMaxのホスト型サービス |
|---|---|---|
| インフラストラクチャー | モデルファイルを管理して推論を実行 | MiniMax はホスト型サービスを運営します |
| コンテキスト処理 | Context-IRの実装は含まれません。前処理を独自に構築するか、ホスト型サービスを呼び出します | Context-IR はホスト型サービスを通じて利用可能です |
| 出力パス | 基本生成は 768p。公式のハイブリッド 2K パスは依然としてホストされたモジュールを呼び出します | エンドツーエンド API は 768P と 2K を提供します |
| カスタマイズ | インフラストラクチャ、パイプライン、および許可される重みの変更 | リクエストとアプリケーションのロジック |
| 主な担当 | 導入、安全性、メンテナンス、ライセンスの遵守 | API 統合、出力処理、サービス条件 |
MiniMax H3 Community Licenseが公開資料に適用されます。これは独自ライセンスであり、MITやApacheのような標準的な寛容ライセンスではありません。
この概要は一般的な情報を目的としたものであり、法的なアドバイスではありません。現在のライセンスを確認し、状況に応じた適切なアドバイスを得てください。
このライセンスでは、適用地域を、欧州連合、英国、大韓民国、米国の 4 つの除外地域を除く全世界と定義しています。
リリースされた H3 マテリアルに対するその許可は、その地域内でのみ適用されます。除外地域の組織は、MiniMax に正式なライセンスを申請できます。
地域制限は、H3 Worksおよびその成果物にも適用されます。この契約は、Applicable Territory外での使用、複製、変更、配布、表示を許可していません。
MiniMaxの公式ライセンスQ&Aでは、ホスト型APIを別に説明しています。APIは、提供者が運用する安全対策の下で世界中から利用できるとされています。
この区別をせずに、公開ウェイトの地域ルールをホスト型APIへそのまま当てはめないでください。API利用者もプラットフォーム規約と適用法に従う必要があります。
ライセンスには、商用製品やサービスが年間2,000万米ドルを超える収益を生む場合、事前の書面による許可が必要だと記載されています。これは、企業全体の総収益だけを指す文言ではありません。
H3またはH3 Worksを使う商用製品・サービスは、ユーザーインターフェースにMiniMax H3を目立つ形で表示する必要があります。別表現のPowered by MiniMax H3は推奨文言であり、同じ必須表示ではありません。
しきい値だけが条件ではありません。領土、許容される使用、保護措置、下流条件、通知、および第三者の権利も適用されます。
配布時には、受領者にも同意書を渡す必要があります。変更したファイルには目立つ変更通知が必要で、非ホスト型の配布物にはライセンス所定のNOTICEファイルも含めなければなりません。
ホスト型製品はユーザーに保護条項を適用し、合理的な安全対策を講じる必要があります。利用規定では、公開環境に置くコンテンツについて、機械生成であることの明確な表示も求めています。
MiniMaxは、ライセンスに基づく生成物の権利を主張しません。出力、その後の利用、第三者の権利については、引き続き利用者が責任を負います。
MiniMaxは、H3-Baseに共通する一律の最小GPU要件をモデルカードで示していません。SGLangのコマンドには4基のGPUを使う導入例がありますが、これは最小要件ではありません。
公式リポジトリには、いくつかのランタイムと展開アプローチも記載されています。フレームワーク、精度の選択、量子化、解像度、クリップの長さが異なると、メモリと速度が変化します。
ComfyUIチュートリアルでは、最適化済みモデルファイルとネイティブノードを使用します。それでも、すべてのH3ワークフローに共通する消費者向けGPUの公式基準は示されていません。
ハードウェアを購入する前に、実行する予定の正確なチェックポイントとワークフローをテストしてください。ソフトウェアのバージョン、精度、量子化、ピーク VRAM、生成時間、出力品質を記録します。
コミュニティのベンチマーク1件を普遍的な要件として扱わないでください。ランタイムや量子化が変われば、ハードウェア情報はすぐに古くなります。
チェックポイントの実行は、オープンウェイトモデル導入の一部にすぎません。H3-Baseを本番環境の依存要素にする前に、モデルの範囲、ライセンス条件、対象ユースケースの運用要件を確認してください。
MiniMax H3表示と、配布時の通知を準備します。モデルファイルやライセンス条項は変更される可能性があります。本番運用の判断ごとに、使用した正確な版のコピーを保管してください。
いいえ。H3-Base FL2VAとH3-Base Ref2VAの重みは公開されていますが、システム全体は公開されていません。独自のCommunity Licenseにより、利用地域や用途にも条件があります。
H3-Base FL2VAとH3-Base Ref2VAをダウンロードできます。FL2VAはテキストと最初・最後のフレームを使うタスク、Ref2VAは参照素材を使う音声付き動画生成向けです。
現在のオープンウェイト公開だけではできません。H3-Baseは768pを出力し、公式の2K経路ではホスト型Regenerate-2Kと元の生成コンテキストを使います。
公開された重みは、許可された範囲で変更や派生物の作成に使えます。ただし、MiniMaxは公式のH3ファインチューニング手順やワンクリックLoRA学習方法を公開していません。
MiniMaxは一律の最小GPUを示していません。文書の例と対応ランタイムは出発点であり、すべてのチェックポイント、精度、動画設定を保証するものではありません。
ライセンスはApplicable Territoryと各条件の範囲で権利を認め、商用利用には追加条件があります。地域、収益基準、インターフェース表示、通知、安全対策、利用規定を確認してください。
重みの標準Community Licenseはこれらの地域を除外しますが、組織は正式ライセンスを申請できます。一方、MiniMaxの公式Q&Aは、ホスト型APIを安全対策付きで世界向けに提供すると説明しています。
MiniMax H3の公開ウェイトにより、ローカル推論やライセンスで認められたカスタマイズが可能になります。ただし、すべてのモジュール、地域、用途が無制限になるわけではありません。インフラを導入する前に、運用とライセンスの負担を比較してください。
MiniMax H3はすでに正式公開されていますが、現時点ではDomoAIで利用できません。DomoAIにも近日追加予定で、利用可能になり次第お知らせします。
最近の記事
