英伟达联合MIT团队在HuggingFace开源MiniMax H3视频重生成权重，2K输出最高支持原生4K
由英伟达与麻省理工学院研究人员组成的 Efficient-Large-Model 团队，在 Hugging Face 发布了基于 MiniMax H3 的视频增强项目 Open-H3-Regenerate-2K 的模型权重，配套推理代码开放在 NVlabs/Sana 仓库。该项目为 MiniMax H3 原本仅通过 API 提供的高分辨率重生成环节提供了可自行部署的开放实现，支持 2560×1440 的 2K 输出，最高可达 3840×2160 的原生 4K；技术路线是冻结 H3 Transformer 主干与视频 VAE、仅训练新增细化 LoRA，推理时与社区适配器合并做三步去噪，并借助潜空间放大、稀疏注意力和快速 VAE 解码加速。项目团队公布的测试显示，在单张 B200 GPU、预热条件下处理约 5 秒视频，潜空间放大、三步细化和 2K 解码合计耗时从未优化实现的 87.26 秒降至 22.45 秒（约 3.9 倍）；画质方面在 RefinerBench-150 的 UniPercept 评测中平均分 60.0，高于官方 API 的 53.4，但官方 API 在运动平滑度和动态程度上仍略优。以上速度与画质数据均为项目团队自测，自部署的实际效果和硬件门槛（B200 属高端卡）仍需实测验证。
rss · 雷锋网 · 10月30日 07:06 · 互证 2 家
「为什么是现在」 MiniMax H3 自今年 8 月开放权重后生态扩张迅速，文章称一个月内下载量超 2400 万次、产生超 300 个公开衍生模型，英伟达与 MIT 团队此前已围绕 H3 发布流式渲染模型 StreamRender-H3 和快速解码器 Sol-H3-VAE。此次把原本仅 API 提供的重生成环节也做成开放实现，是这一生态从基础模型向闭源模块逐步延伸的延续性变化；但该方案的自部署效果目前只有项目方自测数据，尚未见第三方独立验证。
「可做角度」 可做角度：拆解"官方 API 环节被社区开源补齐"这件事本身——把 Open-H3-Regenerate-2K 的冻结主干加细化 LoRA 路线、与官方 H3-Regenerate-2K API 的同条件画质对比（感知质量得分更高、运动平滑度略逊），以及单张 B200 的实测耗时门槛放在一起讲，讨论开源生态能否逐步填平闭源 API 的能力边界，而不下"开源已全面超越"的结论。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →