国产大模型公司MiniMax于7月31日发布新一代多模态生成模型 MiniMax H3，并宣布近期开源。
据介绍，MiniMax H3支持文本、图片、音频和视频等多种输入形式，支持2K分辨率直出，可生成最长15秒的音画内容，在提升视听生成能力的同时，进一步降低高质量视频内容的创作和使用门槛。
自成立以来，MiniMax坚持文本与多模态模型并行自研，已先后开源三代M系列文本模型。H3则是MiniMax推出的首款开源多模态生成模型。针对视频长度、分辨率和多模态理解与生成负载差异较大的特点，MiniMax 在异构训练、负载均衡和GPU 利用效率等方面进行系统优化，在追求模型效果的同时控制训练和推理成本。
“通过MiniMax H3，我们希望为更多企业和开发者、创作者降低内容创作的门槛。H3将于未来几天内开源，企业可以在本地灵活部署，结合自身数据和业务进行优化，更好地满足安全合规要求；芯片厂商和开发者也能共同参与适配和优化，降低使用成本，扩大应用范围。”MiniMax相关负责人表示，“我们会持续推动优秀的文本、多模态模型从过往的封闭服务，走向更加开放、可协作的产业生态。”
