MiniMax H3 開源了，但沒有完全開源：3 個模塊究竟開放了哪些？

作者注：MiniMax H3 和 H3-Image 開放了模型權重，但系統組件、雲端服務與社區許可證決定了開發和商業使用的邊界。本文按模塊和許可證逐項拆解。

2026 年 11 月 10 日，MiniMax 開放了 H3-Image 的模型權重。在此之前，2026 年 8 月 3 日，全模態視頻生成模型 MiniMax H3 已經開源。兩次發佈間隔三個多月，經常被混在一起討論，但它們是兩個模型、兩份許可證。

這不是一篇批評“假開源”的文章。官方公告、Hugging Face 模型卡和許可證原文都寫得很清楚：MiniMax 開放的是以核心生成模型爲中心的權重和推理材料，而不是整套雲端系統。本文要做的，是把“開放了什麼、沒開放什麼、能怎麼用”逐項理清。

核心價值：讀完本文，你能分清 MiniMax H3 三個模塊各自的開放狀態，看懂 H3-Image 哪些組件可以本地運行，並知道兩份 Community License 在收入門檻和託管服務上的具體差異。

MiniMax H3 開源核心信息速覽

先把時間線和基本事實放在一張表裏。下文所有判斷都以官方公告、模型卡和許可證原文爲依據，覈查截止 2026 年 11 月 11 日。

閱讀前先弄懂 6 個 MiniMax H3 相關術語

• 開放權重：允許獲取訓練好的模型參數，但使用範圍由許可證決定，不代表訓練數據和完整流程公開。
• Community License：模型提供方自行制定的使用許可協議，不是 MIT 或 Apache 2.0 這類通用開源協議。
• Checkpoint：用於加載模型的參數文件，一個模型可以針對不同任務提供多個 checkpoint。
• Context-IR：對多模態輸入做理解、指令解析和上下文整理的官方服務，目前以 API 形式提供。
• 託管服務：通過網絡向第三方提供模型功能，比如對外開放 API，這是許可證約束的重點場景。
• 稀疏注意力：只計算部分注意力關係以降低長序列計算成本的技術。

MiniMax H3 視頻模型：3 個模塊只開放了 1 個

官方原始公告把完整的 MiniMax H3 系統劃分爲三個模塊。理解這個劃分，是理解“開源但沒完全開源”的關鍵。

MiniMax H3-Base 的兩個 checkpoint

H3-Base 並不是一個單一的權重文件，而是提供了兩個任務專用 checkpoint。FL2VA 覆蓋文生視頻、首幀生視頻、尾幀生視頻和首尾幀生視頻；Ref2VA 則可以同時用圖片、視頻、音頻作參考，完成更復雜的生成與編輯任務，例如保留原視頻人物外貌和場景，只修改動作、嘴型和對白。

兩個 checkpoint 都附帶 processor、tokenizer、text encoder、transformer、visual VAE、audio VAE 等組件。換句話說，開放的是能實際跑起推理的模型倉庫，而不是一個需要自己補齊配套的裸權重。這一點比很多“只放權重”的發佈要完整。

本地 768p 與完整 2K 工作流的差別

按官方規格，H3 默認輸出短邊 768px，視頻時長 4–15 秒，幀率 24 FPS，音頻爲 32kHz 立體聲。只部署開源的 H3-Base，可以在本地實現 768p 音視頻生成；如果要復現官方的 2K 輸出，還需要調用 Context-IR 和 Regenerate-2K 兩個 API。

因此更準確的說法是：H3-Base 可以獨立運行，但完整的 H3 系統不能完全脫離 MiniMax 的服務。本地方案中，輸入理解和指令整理這一步需要開發者自己設計，不能假設 Context-IR 已經有本地版本。

容易被忽略的 Sparse Attention

官方在首次開源時明確說明，H3 模型本身原生支持稀疏注意力訓練和推理，用於降低長序列多模態計算的成本。但首次開放的推理代碼只包含 Full Attention，Sparse Attention 實現將在後續更新中單獨發佈。

這意味着權重開放了，不等於內部推理優化也全部開放。用當前公開代碼做長視頻推理，計算開銷可能高於官方雲端的實際表現，這是做性能評估時需要考慮的變量。

MiniMax H3-Image 開放了哪些組件？

H3-Image 的開放方式和 H3 類似：核心模型可以下載，上下文處理仍有云端依賴。下表根據 Hugging Face 模型倉庫整理。

文本編碼器爲什麼要去 H3 倉庫下載

H3-Image 沿用了 H3 的 Qwen3-VL 文本編碼器，權重放在 H3 倉庫中，不在 H3-Image 倉庫裏重複存放。所以部署 H3-Image 時，需要同時下載兩個倉庫的內容：主模型加文本編碼器合計約 135.35 GB 存儲空間，這還只是文件體積，不等同於顯存需求。

官方推薦的部署框架包括 SGLang、vLLM-Omni、Diffusers 和 ComfyUI，適配硬件列出了 NVIDIA H200、RTX PRO 6000 Blackwell、AMD Instinct MI350X 等，也提供多 GPU 並行方案。對大多數個人開發者來說，這個硬件門檻並不低。

Context-IR 和 PE 不是一回事

H3-Image-Context-IR 是官方雲端服務，能把簡短指令擴寫成完整的生成描述，並確定合適的圖像尺寸。H3-Image-PE 則是可以獨立下載、本地運行的提示詞增強模型，是官方給出的本地替代方案。

PE 開放了，不代表 Context-IR 的多階段託管工作流也開放了。只下載圖像模型和 PE，能得到一套可用的本地流程，但不等於完整復現官方雲端效果。

廠商聲明與框架測試要分開看

“10 秒內生成 4K 圖像”“最多 16 張參考圖”來自官方模型卡和公告，屬於廠商聲明。而 vLLM 的部署配方中，參考圖上限寫的是最多 9 張，兩者口徑不同。實際能用多少張參考圖，取決於你採用的推理框架和配置，評估時應以自己的實測爲準。

MiniMax H3 兩份許可證究竟限制了什麼？

這是兩次發佈中最容易被誤讀的部分。H3 和 H3-Image 使用的是兩份不同的 Community License，商業授權條件差異明顯，不能套用同一結論。

📌 說明：以上爲許可證原文的條款歸納，不構成法律意見。地域限制和其他義務的細節請以兩份 LICENSE 原文爲準。如果只是想先評估生成類與對話類模型的效果，可以通過 API易 apiyi.com 的統一接口調用主流模型做方案對比，再決定是否投入本地部署和授權申請。

H3 的邊界：允許商用，但有義務

H3 在適用地域內提供免版稅的有限許可，允許商業使用。真正的門檻有兩個：年收入超過 2000 萬美元需要書面授權；向第三方提供模型服務時，要建立安全防護措施，並把使用限制傳遞給下游用戶。

H3-Image 的邊界：託管服務是硬門檻

H3-Image 的條件嚴格得多。年化收入門檻降到 100 萬美元，而且只要向任何第三方提供託管服務，無論收入多少，都必須事先取得書面授權。許可證同時提供了聯繫 MiniMax 申請單獨許可的渠道。

對 API 平臺、模型託管平臺和 SaaS 開發者來說，這意味着“權重能下載”不能推出“可以部署後對外開放 API”。這條邊界在 H3 和 H3-Image 上的鬆緊程度完全不同。

MiniMax H3 開源對開發者的影響分析

把模塊開放程度和許可證放在一起看，不同場景下開發者能獲得的自由差別很大。

開放帶來的真實自由

開放權重帶來的自由是實打實的。開發者可以離線部署、控制數據不出內網、研究 33B 規模全模態模型的結構，也可以在本地流程中替換或改造前後處理環節。兩個模型都附帶了完整的推理組件，降低了社區復現門檻。

仍然存在的三層邊界

第一層是系統邊界：Context-IR 和 Regenerate-2K 不在開放範圍內。第二層是實現邊界：H3 的 Sparse Attention 代碼首次發佈時未包含。第三層是許可邊界：地域、收入、託管服務和品牌標識條款共同決定能否商用。

開放權重和雲端 API 因此是並存關係。GPU 採購、推理優化、高併發調度、提示詞增強和合規審查，這些成本不會因爲權重開放而消失。對很多團隊來說，先通過 API易 apiyi.com 這類聚合平臺驗證業務需求，再評估是否值得自建，是更穩妥的節奏。

MiniMax H3 本地流程的前置環節示例

既然 Context-IR 沒有開放，本地運行 H3-Base 時，輸入整理這一步需要自己補上。一個常見做法是用通用大模型先把簡短創意擴寫成結構化描述，再交給本地模型。注意，這只是工程上的替代思路，效果不等同於官方 Context-IR。

極簡示例

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "把簡短視頻創意擴寫爲詳細鏡頭描述，包含主體、動作、鏡頭、光線和聲音。"},
        {"role": "user", "content": "雨夜街頭，一隻貓跳上霓虹燈招牌"}
    ]
)
print(resp.choices[0].message.content)

import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SYSTEM_PROMPT = """你是視頻生成提示詞工程師。
請把用戶的簡短創意擴寫爲 JSON，字段包括：
- prompt: 詳細的畫面與動作描述
- camera: 鏡頭運動
- audio: 環境聲與音樂描述
- duration: 視頻時長（秒，取值 4 到 15）
只輸出 JSON。"""

def build_context(idea: str, model: str = "gpt-4o-mini") -> dict:
    """用通用大模型整理輸入，作爲本地 H3-Base 的前置環節"""
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": idea},
        ],
        response_format={"type": "json_object"},
    )
    ctx = json.loads(resp.choices[0].message.content)
    # 按 H3 官方規格把時長限制在 4-15 秒
    ctx["duration"] = max(4, min(15, int(ctx.get("duration", 5))))
    return ctx

if __name__ == "__main__":
    ctx = build_context("雨夜街頭，一隻貓跳上霓虹燈招牌")
    print(json.dumps(ctx, ensure_ascii=False, indent=2))
    # 下一步：把 ctx 交給你的本地 H3-Base 推理流程
    # （參考官方 GitHub 倉庫中的 FL2VA 推理示例）

🚀 快速開始：本地顯存不足時，可以先用 API易 apiyi.com 獲取免費測試額度，跑通提示詞整理這一步。平臺提供 OpenAI 兼容接口，一個 API Key 即可切換不同模型，方便對比哪個模型更適合做前置擴寫。

MiniMax H3 開源常見問題 FAQ

MiniMax H3 開源核心要點 Key Takeaways

• 三模塊只開一個：H3-Base 開放，Context-IR 與 Regenerate-2K 仍是官方 API。
• checkpoint 完整：FL2VA 和 Ref2VA 都附帶 tokenizer、VAE 等推理組件。
• 本地止於 768p：完整 2K 視頻工作流依賴官方雲端服務。
• 稀疏注意力待發布：首次開源的推理代碼僅包含 Full Attention。
• 兩份許可證不同：H3 門檻 2000 萬美元，H3-Image 門檻 100 萬美元。
• 託管服務是紅線：H3-Image 對第三方提供託管須事先書面授權。
• 先驗證再自建：可藉助 API易 apiyi.com 統一接口低成本驗證業務需求。

總結

MiniMax H3 開源的核心要點：

1. 開放的是核心生成模型：H3-Base 和 H3-Image 主模型可以下載部署，推理組件齊全。
2. 雲端服務仍是系統一部分：Context-IR 與 Regenerate-2K 決定了完整效果的上限。
3. 許可證決定商用邊界：兩份 Community License 條件不同，H3-Image 對託管服務的要求明顯更嚴。

判斷一個模型開放到什麼程度，不能只看能否下載權重，還要看組件、推理代碼、配套服務和許可證四個維度。MiniMax 這次的開放很有誠意，但開發者在動手部署和商用之前，應先把這四層邊界逐項覈對清楚。

如果你正在評估生成類方案，推薦先通過 API易 apiyi.com 用免費額度快速驗證業務鏈路，再決定是否投入本地部署與授權申請。

📚 參考資料

1. MiniMax H3 官方開源公告：三模塊劃分與 Sparse Attention 說明
2. 鏈接： minimax.io/news/minimax-h3-open-source

3. 說明： 瞭解 H3 系統結構與開放範圍的第一手資料

4. Hugging Face – MiniMax-H3 模型倉庫：FL2VA、Ref2VA checkpoint 與組件

5. 鏈接： huggingface.co/MiniMaxAI/MiniMax-H3

6. 說明： 包含共享的 Qwen3-VL 文本編碼器權重

7. MiniMax H3 Community License 原文

8. 鏈接： huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE

9. 說明： 收入門檻、地域範圍與下游義務以此爲準

10. Hugging Face – MiniMax-H3-Image 模型倉庫：組件清單與部署說明

11. 鏈接： huggingface.co/MiniMaxAI/MiniMax-H3-Image

12. 說明： 官方模型卡，含參考圖上限等廠商聲明

13. MiniMax H3-Image Community License 原文

14. 鏈接： huggingface.co/MiniMaxAI/MiniMax-H3-Image/blob/main/LICENSE

15. 說明： 託管服務授權與 100 萬美元門檻條款

16. vLLM 部署配方 – MiniMax-H3-Image

17. 鏈接： recipes.vllm.ai/MiniMaxAI/MiniMax-H3-Image

18. 說明： 框架側測試配置，參考圖上限口徑與模型卡不同

19. GitHub – MiniMax-H3 源代碼與部署材料

20. 鏈接： github.com/MiniMax-AI/MiniMax-H3
21. 說明： 本地推理示例與部署腳本

作者: APIYI 技術團隊
技術交流: 歡迎在 API易 官網首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

• 把 MiniMax H3 用於商業視頻產品前：5 步確認能力、授權和部署邊界:面向視頻產品團隊的 MiniMax H3 上線前檢查指南，用 5 個步驟確認模型能力、商用授權、部署方式與成本口徑，避免依據傳聞做技術決策。
• MiniMax H3-Image 對比 Seedream 5.5，百輪改圖怎麼選：2 個模型 5 張表看懂:MiniMax-H3-Image 強在約 16MP 直出和最多 16 張參考圖，Seedream 5.5 強在官方自報的約 100 輪連續編輯和原生透明底，本文按“什麼活選哪邊”給出結論，並說明 API易 今天能調的是哪一代 Seedream。
• Kimi K3.1 Pro 開放權重解讀：2 個許可證條件與 1.56 TB 自部署門檻:逐條拆解 Kimi K3.1 Pro 開放權重許可證的 2 個商業條件，按內部使用、對外 API、大規模 C 端產品三類場景給出判斷，並梳理 1.56 TB 權重、MXFP4 精度與推理框架等自部署門檻
• Kimi K3.1 Pro 正式發佈：新功能、價格與可用性彙總:Kimi K3.1 Pro 於 2026-10-24 正式發佈：1M 上下文，三項單價比 K3 低 33%，網頁、App、Kimi Code、API 已開放，權重 2026-11-04 前放出，本文彙總新功能、五檔價格與可用渠道。