英伟达与Pika等硅谷企业基于MiniMax H3开源模型开发视频生成方案

据InfoQ中文IT资讯2026年11月2日报道，中国AI公司MiniMax于今年8月开放了多模态基础模型H3的权重。该模型支持文字、图像、音频和视频的统一理解与生成。开源发布后一个月内，H3下载量超过2400万次，衍生出300多个公开模型。基于此开源权重，英伟达研究团队及硅谷视频生成公司Pika、fal等正在开发视频生成方案。

www.sosit.com.cn

主要进展与生态响应

• MiniMax H3开源情况：支持多模态统一理解与生成，兼顾质量、速度与成本。开源一个月下载超2400万次，衍生模型逾300个。
• 英伟达（NVIDIA）动作：其研究团队基于H3开发了Open-H3-Regenerate-2K方案，先生成低分辨率草稿，再通过精修模块和去噪重生成高分辨率视频，保留了H3原始权重。
• 其他企业应用：视频生成公司fal基于H3训练了H3 Max以优化推理速度；Pika于10月29日发布基于H3后训练的H3 Flex，旨在压缩生成步骤以满足专业创作者需求。

技术背景与商业意义

视频生成企业对模型的要求包括商品文字保真、角色跨镜头一致性及局部编辑能力。H3因性能（如9月在Arena图生视频榜单得分第一）及开放权重特性，成为多家企业选择的基座模型。这种模式允许外部团队参与后训练、蒸馏和推理优化，有助于模型进入企业生产系统。

技王数据恢复

技术审核：邓严军｜技王数据恢复实验室技术总监 技王数据恢复