MiniMax H3 görüntü oluşturma modeli resmen açık kaynak olarak yayınlandı: 6 adımda doğrudan 16,8 milyon piksel, topluluk bir hafta önceden başladı

动察 Beating AI hızlı haber: MiniMax, H3-Image'ı resmen yayınladı ve model ağırlıklarını açık kaynak olarak paylaştı. Ekstra büyütme olmadan doğrudan 4096×4096, yaklaşık 16,8 megapiksellik görseller üretebiliyor. Resmi verilere göre üretim süresi 10 saniyenin altında ve hızı en fazla ana akım ürünlerin 5 katına ulaşıyor. Ayrıca metinden görsel üretme ve görsel düzenlemeyi tek bir modelde birleştiriyor ve en fazla 16 referans görseli destekliyor.

H3-Image, H3 video modelinin mimarisini kullanıyor; ses kısmı çıkarılmış, mevcut metin kodlayıcı korunmuş ve görseller için yeniden bir kod çözücü tasarlanmış. Çekirdek görsel üretim ağı 33,1 milyar parametreye sahip. Damıtma sonrasında bir görsel üretmek için yalnızca 6 örnekleme gerekiyor, bu da hesaplama adımlarını büyük ölçüde azaltıyor.

Bu model aslında Ağustos ayında önceden duyurulmuştu. 7 Ağustos'ta MiniMax araştırmacısı Kiro, Reddit AMA'da ekibin H3'ün aynı kökenli mimarisinden özel bir görsel modeli geliştirdiğini ve ağırlıkları açık kaynak yapmayı planladığını açıklamıştı. O sırada bir iş akışı da önerilmişti: önce görsel modeliyle ilk kare üretilecek, ardından video üretimine devam etmesi için H3'e verilecekti.

Topluluk, MiniMax'tan bile önce bunu gerçekleştirdi. 3 Kasım'da Pruna AI, açık kaynak H3 video modeline dayanarak P-H3-Image'ı piyasaya sürdü; bu da görsel üretme ve düzenlemeyi destekliyor. Pruna, üretim ağını 33,1 milyardan yaklaşık 20 milyar parametreye sıkıştırdı ve yalnızca 8 adım örnekleme gerekiyor. En küçük nicemlenmiş sürüm yaklaşık 20GB olup 8 megapiksellik görsel üretirken tepe bellek kullanımı yalnızca yaklaşık 21GB.

MiniMax'ın resmi sürümü ise 33,1 milyar parametreli üretim ağını koruyor, örneklemeyi 6 adıma kadar daha da sıkıştırıyor ve daha yüksek çözünürlük ile daha fazla referans görseli destekliyor. Ancak orijinal ağırlıklar artı yeniden kullanılan metin kodlayıcı toplamda yaklaşık 135GB ile açıkça daha ağır.

H3-Image'ın açık kaynak ağırlık lisansında kısıtlamalar var. ABD, Birleşik Krallık, Avrupa Birliği ve Güney Kore, topluluk lisansının yetkilendirilmiş bölgeleri arasında yer almıyor. Yıllıklandırılmış kurumsal geliri 1 milyon ABD dolarını aşan veya üçüncü taraflara model barındırma hizmeti sunan kuruluşların önceden ayrı bir yetkilendirme alması gerekiyor.