MiniMax H3 Max GPTunneL-де релиздің бірінші күнінен қолжетімді — 28 тамыздан. Хайптан бір апта кейін емес, fal анонс жасаған күні: модель бірден Креатив.Лабта, Воркфлоуда жеке блок ретінде және CreativeLab API арқылы ашық. Бұл ашық салмақты MiniMax H3 моделінің fal жаңа деректермен қосымша үйреткен және өз инференс стекімен бірге жеделдеткен нұсқасы. Релиздегі басты сан: 768p форматындағы бес секундтық видео үш секундқа жетпей генерацияланады — оны көріп шығуға кететін уақыттан тезірек.
Мен үшін рекордтың өзі басты нәрсе емес. Егер генерация шынымен бірнеше секундқа сыйса, AI-видеомен жұмыс баяу әрекеттер кезегінен қысқа циклге айналады: промптты өзгертесің, нәтижені бірден көресің, сахнаны түзетесің, келесі нұсқаны іске қосасың.
Дереккөздерді бірден ажыратып алайық. Үш секундтық жылдамдық пен ішкі салыстырулардағы жеңіс — біздің тест емес, fal дерегі. Ал төмендегі параметрлер, бағалар мен жұмыс режимдері — біздікі, платформаның тірі каталогынан. Бұдан бөлек, Artificial Analysis тәуелсіз рейтингі бар: ол H3 Max сапасының жоғары екенін растайды, бірақ модельді барлық режимде абсолютті көшбасшы деуге негіз бермейді.
MiniMax H3 Max бастапқы H3-тен несімен ерекшеленеді
Бастапқы MiniMax H3 — text-to-video, image-to-video және нативті синхрондалған дыбысы бар ашық салмақты мультимодальды видеомодель. H3 Max MiniMax-тың жаңа буыны емес. Бұл сол модельдің қосымша үйретілген және арнайы жеделдетілген нұсқасы.
fal сипаттамасы бойынша, команда post-training кезінде айтарлықтай көлемде жаңа дерек қосып, екі нәрсемен бөлек жұмыс істеген: промптты дәл орындау және визуал сапа. Қатар инженерлер инференсті оңтайландырған — модель NVIDIA GB200 NVL72 жүйелерінде үйретіледі әрі қызмет көрсетеді. Жеделдетуді тек ішкі preference-тесттердегі нәтижені нашарлатпаған жағдайда ғана қалдырған.
Бұл дайын модельді оқытудан бөлек жеделдетуге тырысатын әдеттегі тәсілден маңызды айырмашылық. H3 Max-та модель мен серверлік контур бірге бапталған. Сондықтан мәлімделген жылдамдық тек салмақтарға емес, модель, оңтайландырылған қозғалтқыш және fal жабдығынан тұратын бүкіл байланысқа қатысты.
Ресми text-to-video мысалы модельдің бір толық промпттан кейіпкері, ортасы, камера қозғалысы және дыбыс атмосферасы бар сахна құрастыратынын көрсетеді:
Реалтаймнан жылдам деген не
fal H3 Max 768p форматындағы бес секундтық роликті үш секундқа жетпей жасайды дейді. Олардың есебінше, бұл MiniMax H3 ресми эндпойнтінен шамамен 35 есе жоғары throughput және fal ішкі салыстыруындағы ұқсас сапалы модельдерден орта есеппен 15 есе жылдам. fal сілтеме жасайтын тәуелсіз Design Arena да H3 Max-ты бірінші орынға қояды және бастапқы H3-пен жылдамдық айырмасын 50 есе деп бағалайды.
Throughput пен пайдаланушының күтуі — бір нәрсе емес. Модельдің жұмыс уақытына кезек, бастапқы суретті жүктеу, дайын файлды жіберу және интерфейстегі өңдеу қосылуы мүмкін. Сондықтан «үш секунд» дегенді fal инфрақұрылымындағы инференс уақыты деп оқыған жөн, әр сұраныс үшін миллисекундқа дейін дәл кепілдік деп емес.
Бірақ осы ескертпемен де шаманың реті өнім тәжірибесін өзгертеді. Бұрын бір идеяға бірнеше минут кетіп, содан кейін кейіпкердің дұрыс емес қозғалыс жасағанын байқауың мүмкін еді. Енді сол уақытта промпттың бірнеше нұсқасын, ракурсты немесе сахна варианттарын тексеруге болады.
Міне, ресми image-to-video демосы — онда модель релиздің негізгі идеясын өзі айтады:
Бұл әлі ағынды видео да, шексіз сахнаны нақты уақытта генерациялау да емес. H3 Max бұрынғыша жеке дайын клип жасайды. Бірақ шешім мен нәтиже арасындағы цикл интерактивке жақын жұмыс үшін жеткілікті қысқарады.
Сапа туралы не белгілі
fal-дың он екі жетекші видеомодельмен өз салыстыруы бар — аталғандар арасында Veo 3.1, Kling 3, Seedance 2.5, Wan 3.0, Gemini Omni Flash және бастапқы H3. Адамдар үш өлшем бойынша жабық түрде таңдау жасаған: жалпы әсер, промптты түсіну және эстетика. Нәтижелер 95 пайыздық сенім аралығымен байестік Elo арқылы есептелген. Осы ішкі тесте H3 Max үш санатта да бірінші орын алды және тікелей салыстырулардың басым бөлігін жеңді.
Бұған вендор нәтижесі ретінде қарау керек. Әдістеме сипатталған, бірақ промпттар жиыны, модельдерді таңдау және инфрақұрылым fal-дың өзіне тиесілі.
Тәуелсіз көрініс те күшті, бірақ дәлірек:
- дыбысы бар image-to-video үшін Artificial Analysis рейтингінде H3 Max жарияланым сәтінде Elo шамамен 1200-мен бірінші орында, Seedance 2.0, бастапқы H3 және Gemini Omni Flash-тан жоғары;
- дыбысы бар text-to-video рейтингінде модель Elo шамамен 1240-пен үшінші. Оның сенім аралығы көшбасшылармен қиылысады, сондықтан статистикалық тұрғыда бұл бір жоғарғы топ, H3 Max-тың айқын жеңісі емес;
- Seedance 2.5 бұл тәуелсіз кестелерде әзірге жоқ. Artificial Analysis бойынша H3 Max-ты онымен салыстыру қазір мүмкін емес.
Дұрыс қорытынды мынау: H3 Max дыбысы бар үздік видеомодельдер қатарына кірді және image-to-video режимінде қазір көш бастап тұр. Оны жалпы ең үздік видеомодель деу қолдағы деректен артық болар еді.
Бізге кестедегі орыннан гөрі практикалық салдары маңыздырақ. fal салыстырған тізімнің дерлік бәрі біздің каталогта жатыр: Veo 3.1, Kling 3, Seedance 2.5, Wan 3.0, Gemini Omni және бастапқы H3. Сондықтан лидербордқа сеніп қалудың қажеті жоқ: бір жұмыс промптын бір баланстан төрт модельге жіберіп, өз материалыңда қайсысы ұтатынын көр. Шынымен сенің тапсырмаң туралы бір ғана салыстыру осы.
Тағы бір ресми мысал жылдам қозғалысты, матаның инерциясын және қолдың шағын нысанмен әрекетін тексереді. Қатты жеделдету сапаны түсірсе, мұндай сахнада ол анық көрінеді:
GPTunneL-де H3 Max нені істей алады
Біз модельді қысқартып бермедік — Креатив.Лабта да, Воркфлоуда да параметрлердің толық жинағы қолжетімді:
| Параметр | Мәндер |
|---|---|
| Ажыратымдылық | 480p, 768p (әдепкі — 768p) |
| Ұзақтық | 5-тен 15 секундқа дейін |
| Жақтар қатынасы | авто, 1:1, 3:4, 4:3, 9:16, 16:9, 21:9 |
| Кіріс | мәтін, бірінші кадр, соңғы кадр |
| Промпт | 7000 таңбаға дейін, Лабта жақсартқышымен |
| Кіріс суреті | JPEG, PNG, WebP, 30 МБ дейін, 256–5760 px |
Уақыт үнемдейтін екі нақтылау. Біріншісі: режим екеу емес, үшеу. Text-to-video мен суретті жандандырудан бөлек, бірінші және соңғы кадрды қатар беруге болады — модель екі сурет арасындағы ауысуды өзі құрастырады. Сахнаның соңғы күйі бастапқысынан кем маңызды болмаса, қажет қозғалысты алудың ең басқарылатын жолы осы.
Екіншісі: бірінші кадрды жүктеген бойда жақтар қатынасы «авто» күйіне ауысып, суреттің өзінен алынады. Бұл интерфейс ақауы емес, модель талабы — нақты формат керек болса, бастапқы файлды алдын ала кадрла.
Нативті дыбыс H3-тен сақталған және видеомен бірге жасалады. Воркфлоуда H3 Max кәдімгі блок ретінде тұрады: кірісіне алдыңғы қадамнан келген суретті — айталық, Grom Art немесе Seedream жасаған кадрды — беруге, ал шығысындағы роликті липсинкке немесе апскейлге өткізуге болады. Мұндай жинақта модельдің жылдамдығы жай ғана жағымды сан болудан қалып, бір қадамның емес, бүкіл конвейердің уақытын қысқартады.
GPTunneL-де H3 Max қанша тұрады
H3 Max біздің әдеттегі пайдаланғаның үшін төлеу үлгісімен, жазылымсыз беріледі:
- 480p форматындағы дайын видеоның әр секунды 50 ₸;
- 768p форматындағы әр секунд 80 ₸.
Бес секундтық ролик 480p-де 250 ₸, 768p-де 400 ₸ тұрады, ең ұзын 15 секунд — сәйкесінше 750 ₸ және 1200 ₸. Итерация үшін мен 480p-ден бастар едім: композицияны, әрекетті және промптты тексеру арзанырақ. Сахна дұрыс жұмыс істегенде, финал нұсқасын 768p-де жасауға болады.
Бөлек сұрақ — H3 Max-ты қашан, ал әдеттегі H3 моделін қашан алу керек. H3 секундына 65 ₸ тұрады, бірақ 2K береді. Яғни H3 Max секундына қымбатырақ әрі ажыратымдылығы төмен: сен суретке емес, итерация жылдамдығына төлейсің. Таңдау логикасы қарапайым — идеяларды сұрыптау мен қаралама H3 Max-та, үлкен экранға арналған финал кадры H3-те немесе басқа 1080p модельде.
Бұл fal тарифінің конвертациясы емес, GPTunneL бағасы. Қажетті ұзақтыққа арналған өзекті соманы видео бағалары бетінен тексере аласың.
Қандай шектеулер әлі маңызды
H3 Max жылдамдығы серверлік оңтайландыруға тәуелді. fal салмақтарды жариялаған күннің өзінде, реалтаймнан жылдам нәтиже қарапайым видеокартаға автоматты түрде көшпейді. Reddit-тегі талқылау fal CTO-сының салмақтарды шығару жоспары туралы мәлімдемесіне сүйенеді, бірақ мақала жарияланған сәтте салмақтар да, релиз күні де жоқ. Бастапқы H3 ашық, H3 Max әзірге ашық емес.
Екінші шекара — ажыратымдылық пен ұзақтық. 768p және 15 секунд шегі жарнама кадрларын, өнім анимациясын, social video, сториборд пен визуал бағыттарды іздеуді жақсы жабады. Бірақ ол ұзақ оқиғаның монтажын алмастырмайды және бірнеше кейіпкері бар күрделі сахна бірінші әрекеттен шығады деп кепілдік бермейді.
Соңғысы: лидерборд өз промпттар жиынындағы орташа талғамды өлшейді. Сенің тапсырмаң нақты диалогқа, белгілі бір физикаға, кейіпкер тұрақтылығына немесе ұзақ үздіксіз әрекетке тәуелді болуы мүмкін. Модельді тек кестедегі орнына қарап таңдағаннан, бір жұмыс промптын бірнеше модельде салыстырған пайдалырақ.
Өз моделімізбен не істеп жатырмыз
H3 Max белес қойды, ал біз оны өз қуатымызда жұмыс істейтін видеомоделіміз — Grom TV үшін қабылдадық. Бір мезгілде үш нәрсемен айналысамыз: генерацияны H3 Max-пен салыстырарлық жауап уақытына дейін жеделдетеміз, сурет сапасын көтереміз және бөлек промптты орындау дәлдігімен жұмыс істейміз — модельдер арасындағы айырма эстетикадан бұрын көрінетін ең ауыр бөлігі осы.
Әділ салыстыруда көрсететін нәрсе болмайынша мерзім атамаймын. Мәні басқада: өз моделіміз өзгелерді алмастыру үшін емес, сценарийлердің бір бөлігінде — дыбысы бар ұзақ роликтер, липсинк, кірістегі өз дауысың — өзге прайс пен өзге кезекке тәуелсіз тірек болуы үшін керек.
H3 Max-ты кімге ұсынар едім
H3 Max дыбысы бар қысқа роликтер және көп жылдам итерация қажет болғанда орынды: жарнама тұжырымдамалары, бастапқы суретке қозғалыс беру, екі кадр арасындағы ауысу, әлеуметтік желіге арналған нұсқалар, превизуализация және промпттарды тексеру. Негізгі ұтыс бір роликтің бір минут ертерек келуінде емес. Бір жұмыс сессиясында әлдеқайда көп гипотезаны тексере аласың.
Креатив.Лабта MiniMax H3 Max-ты аш немесе онымен Воркфлоуда сценарий құрастыр. Міндетті жазылым жоқ: балансты толтырып, тек генерациялаған видеоң үшін төлейсің.