MiniMax H3 เปิด Open Weights — เจนวิดีโอเสียงในตัวได้บนการ์ดจอ RTX 3060

หลังขึ้นแท่นอันดับ 1 Video Editing บน Artificial Analysis เมื่อปลายเดือนกรกฎาคม MiniMax เดินหน้าต่อทันทีด้วยการปล่อยน้ำหนักโมเดล H3 แบบ open weights ครั้งแรกในวันที่ 3 สิงหาคม 2026 พร้อม native support ใน ComfyUI ตั้งแต่วันแรก ทำให้เจนวิดีโอพร้อมเสียงสเตอริโอในตัวได้จากเครื่องส่วนตัว

ตัวเลขที่ทำให้รันบนเครื่องทั่วไปได้

หน่วยความจำที่ต้องใช้ลดจาก 123.6 GB เหลือ 42.5 GB ด้วยเทคนิค parameter pruning ผสม int8 quantization
รันได้จริงบนการ์ดจอระดับ RTX 3060 — ไม่ต้องพึ่งเครื่องระดับ workstation
รองรับผ่าน ComfyUI เวอร์ชัน 0.30.0 ขึ้นไป มี workflow template ให้โหลดใช้ทันที และมีตัวเลือกรันบน Comfy Cloud ด้วย
น้ำหนักโมเดลเผยแพร่บน Hugging Face (Comfy-Org/MiniMax-H3) ภายใต้ minimax-h3-community-license-agreement พร้อม checkpoint หลายระดับ quantization (bf16, int8, fp8, fp4) ให้เลือกตามสเปกเครื่อง

เสียงที่เป็นส่วนหนึ่งของโมเดล ไม่ใช่ post-process

จุดที่ทีม ComfyUI เน้นย้ำคือเสียงสเตอริโอใน H3 เจนออกมาพร้อมกับวิดีโอในขั้นตอนเดียว ไม่ใช่การแปะเสียงทีหลังแบบโมเดลรุ่นก่อน โมเดลรองรับทั้ง image-to-video, text-to-video และ reference-to-video ผ่านชุด audio VAE ที่แพ็กมาด้วยกัน

มุมมองของเรา

เทรนด์ open weights วิดีโอ AI ที่เริ่มจาก LTX-2 เมื่อกลางปีกำลังขยายไปถึงโมเดลระดับท็อปของ leaderboard อย่าง H3 แล้ว สำหรับงานที่ต้องเก็บ footage เป็นความลับหรือทำ iteration จำนวนมากในสตูดิโอ การมีตัวเลือกรันในเครื่องช่วยตัดต้นทุนต่อคลิปได้จริง แต่ทีม production ยังต้องคัดคุณภาพและ QC เองก่อนส่งงานลูกค้าเสมอ ไม่ว่าจะรันจากคลาวด์หรือรันในเครื่อง