Il 31 luglio MiniMax, l’azienda cinese dietro l’app video Hailuo, ha presentato MiniMax H3, che descrive come un modello generativo multimodale di uso generale: legge un contesto fatto di testo, immagini, video e audio e produce video fino a 15 secondi e fino a 2K, con il suono stereo generato insieme alle immagini. Il titolo dell’annuncio lo chiama un modello aperto che rompe i confini tra compiti e modalità: «aperto» e «confini» meritano uno sguardo da vicino.
Che cosa dichiara MiniMax
La tesi dell’annuncio è che la generazione sia stata finora spezzata in compiti separati (da testo, da un’immagine, fra primo e ultimo fotogramma, da un riferimento, il montaggio; e nell’audio voce, effetti e musica) e che questa separazione limitasse la libertà creativa e la capacità del modello di generalizzare. H3 prova a trattarli come un compito solo: il rapporto tra i materiali di partenza e il risultato si esprime in linguaggio naturale, non scegliendo da un menu fisso di funzioni. Secondo la scheda su Hugging Face, una richiesta a riferimenti accetta fino a nove immagini, tre clip video e tre clip audio, dodici file in tutto, e i dialoghi sono supportati in modo stabile in undici lingue, italiano compreso.
Il cuore è un Transformer denso da 33 miliardi di parametri, circa 13 dei quali stanno nei rami di modulazione che, spiega la scheda, per la sola inferenza si possono precalcolare e non caricare. Testo e materiali visivi passano da un codificatore che riusa i pesi completi di Qwen3-VL-32B di Alibaba. In 2K l’azienda dichiara un prezzo al secondo inferiore a un terzo di quello dei «modelli mainstream», che non nomina. L’annuncio non contiene nessun benchmark numerico (il rapporto tecnico è promesso «a breve») e ammette che H3 «ha ancora margini di crescita» nella comprensione multimodale e nella fedeltà visiva.
Che cosa manca per verificarlo
I pesi, promessi dall’annuncio «nei prossimi giorni», sono su Hugging Face da inizio agosto, in due checkpoint: uno per generare da testo o da fotogrammi di partenza e di arrivo, uno per generare da riferimenti. Ma la scheda chiarisce che il sistema completo ha tre moduli, e se ne apre uno. Il primo, Context-IR, interpreta la richiesta e la riscrive in una descrizione dettagliata prima della generazione; MiniMax lo definisce «critico per la qualità» e lo offre solo via API, perché si appoggia a più modelli ospitati. Il terzo, che porta il risultato a 2K, «non è ancora open source». Chi scarica i pesi ottiene il generatore a 768p e deve costruirsi da sé, con la guida pubblicata, il livello che prepara i prompt, o pagarlo. Come verifica, la scheda propone di rigenerare i casi d’esempio e confrontarli con i video prodotti dall’API.
Perché interessa a chi lavora in Italia
Perché chi lavora in Italia non può usarne i pesi. La MiniMax H3 Community License, datata 2 agosto, concede i diritti solo in un «territorio applicabile»: il mondo intero meno Unione europea, Regno Unito, Corea del Sud e Stati Uniti. Vieta anche di usare fuori da quel territorio gli output generati. Chi è nelle zone escluse può chiedere una licenza, concessa «sulla base di controlli robusti». L’annuncio diceva solo che i pesi sarebbero arrivati «nel rispetto delle leggi e dei regolamenti applicabili».
La licenza non motiva la scelta; lo fa una pagina di domande e risposte nello stesso repository. I modelli video, sostiene MiniMax, pongono problemi più complessi di quelli testuali (volti reali, diritto d’autore, sicurezza dei contenuti): l’AI Act ha cominciato ad applicarsi ma i requisiti pratici per questi modelli sono ancora in evoluzione, come in Regno Unito e Corea; negli Stati Uniti l’azienda è coinvolta in cause sul diritto d’autore legate alla generazione video. Sull’API può applicare i propri filtri, sui pesi scaricati no: per questo l’API resta disponibile ovunque, e l’esclusione vorrebbe dire «non ancora», non «mai». Sono motivazioni dichiarate. Il risultato pratico è che altrove H3 si scarica, si modifica e si mette in un prodotto (sopra i 20 milioni di dollari di fatturato annuo serve un’autorizzazione), mentre in Europa resta un servizio, alle condizioni dell’azienda. Per chi valuta un modello «open», la lezione è pratica: prima dei benchmark, leggere la licenza, e in particolare la parola «territorio».
I commenti sono riservati agli iscritti.
Accedi per commentare