Video Rebirth は、MiniMax-H3 を約 14B に圧縮した HyperFlow H3 Flash を公開しました。4〜8 ステップの推論で 768p の動画と同期音声を同時生成でき、Q4 版は 9.1GB まで軽量化され 24GB の家庭用 GPU で動作します。4 基の B200 を使えば実時間生成も可能になり、高品質な動画生成のローカル導入が一気に身近になりました。
Pruna AIは、動画生成モデルMiniMax-H3をベースにした画像生成・編集モデルP-H3-Imageをオープンウェイトで公開した。アーキテクチャの刷新により50ステップから8ステップへと5倍高速化し、最小20GBまで軽量化。最大1600万画素の出力や8枚の参照画像合成に対応する。
PikaはMiniMax-H3をベースにした動画・音声生成モデル「Pika H3 Flex」をオープンソース公開した。わずか6ステップのサンプリングでステレオ音声付きの5〜15秒の動画を生成可能。11種類の画面比率や最大12件のマルチモーダル参照に対応し、H100単体でのローカル推論に対応している点が注目される。
NVIDIAは動画高画質化ツール「Open H3 Regenerate 2K」をオープンソースで公開した。MiniMax H3などの低解像度動画を3ステップの拡散処理で2Kや最大4Kへと高精細に再描画する。ローカル環境で自由に実行・調整できる一方、人物の顔立ちなど細部がわずかに変化する場合がある。
オープンソース動画モデルMiniMax H3向けの高速化技術「Fast H3 Omni」が公開された。参照素材からの生成に特化して一貫性を保ちつつ、サンプリングを従来の50歩から8歩へ短縮し、最大12倍の高速化を実現。ComfyUIやApple Silicon対応版も提供されている。
MiniMaxは新モデル「M3.1 Flash」（匿名テスト時の「Space Bunny」）を発表しました。エージェントやコーディングに特化し、推論速度は従来の約3倍、コストは70%削減されています。現在APIやデスクトップ版で利用可能で、モデル重みも後日公開されます。
AI長尺動画の一貫性を保つオープンソースフレームワーク「Any Time, Any Space」が公開された。シーンを3D再構築して記憶に保持することで、カメラが戻っても元の部屋を忠実に再現する。Wanなど複数の動画生成モデルに対応し、ローカル環境で動作する。
NVIDIA は MiniMax H3 ベースの映像生成システム「Stream Render H3」をオープンソースで公開した。ゲームエンジンが生成した簡易マップから AI がリアルタイムに高品質な描画を行う。ただしリアルタイム動作には 8 基の GP200 GPU と 200GB 以上の容量が必要となる。
ByteDanceが高速画像・動画生成手法「DMAD」を発表した。対抗蒸留と分布マッチングを用い、通常20〜30ステップを要するMiniMax-H3などの拡散モデルをわずか4ステップに圧縮。高品質な映像を極めて短時間で生成可能にする。
今週、AI動画生成向けの記憶システム「Mosaic Chunk」のコードとモデルがオープンソース公開された。過去の全フレームではなく重要特徴を選択的に記憶・再呼出しすることで、物体が画面から消えても一貫性を維持する。MiniMax H3およびLing World Infinityベースのモデルがローカルで利用可能だ。
NVIDIAの研究チームが動画精緻化モデル「SoL-Refiner」を発表した。一度のデノイズ処理だけで低解像度動画を最大4Kに引き上げ、MiniMax H3など多様な生成モデルと併用できる。生成時間を最大27倍短縮できる一方、一部の細部が元動画から変化する制約もある。
研究チームが動画蒸留手法「PDMD」のLoRAモデルを公開しました。MiniMax-H3の生成ステップ数を従来の20〜30ステップから4ステップに短縮します。評価器の誤指導を抑えることで、従来の蒸留で見られたディテールの崩れを防ぎ、滑らかな動きと高画質を両立しています。
Viggle AIは既存の動画や画像からカメラアングルや時間軸を自由に変更できるモデル「Meridian」を公開した。MiniMax-H3をベースに3D深度を推定し、被写体の周りを旋回したり静止させたりする「バレットタイム」演出を生成できる。LoRA形式で配布され、ComfyUIにも対応する。
Viggleは動画キャラクター置換モデル「Viggle-Animate」を公開した。骨格推定やマスク、顔トラッキングなどの前処理を一切使わず、動画と描き換えた1フレームを入力するだけで新キャラに動作を反映する。B200 GPU1基で124フレームを26秒でレンダリング可能。
Hao AI LabとMiniMaxはオープンウェイトの動画生成モデル「FastH3 v1」を公開した。NVIDIA Blackwell GPU上で最大14倍の高速化を達成し、15秒の768p動画をわずか13秒で生成する。単一チェックポイントで多様な解像度や長さに対応し、重みと推論コードが配布されている。
研究チームが「Code World Model」を発表しコードを公開した。世界のルール更新と映像生成を分離し、コーディングエージェントが背後でコードを書いて永続的な世界状態を管理し、微調整済み MiniMax-H3 が映像をレンダリングする。AI が物体の位置や過去の出来事を忘れず、長期的に一貫した世界をシミュレートできる。
BreezeBlueが音声合成モデル「Breeze-TTS-2」の重みと推論コードを公開した。日英両言語に対応し、H100環境で初動レイテンシ40ms未満を実現する。音声参照なしにプロンプトだけで声質を生成できるほか、テキスト内に笑いやため息などの感情表現を挿入可能。コードはApache 2.0、重みは研究・非商用限定。
MiniMax はオープンウェイトの音楽生成モデル「Music 3.0」を発表しました。Qwen3.5-8B ベースのハイブリッド構成とフローマッチングを採用し、プロンプトと歌詞から最長 5 分のフル楽曲を作曲からボーカルまで一括生成します。構成の破綻を防ぎ、生演奏に近い楽器の質感を再現できます。
MiniMaxはテキスト・画像・動画・音声を統合して理解・生成するオムニモーダルAI「H3」を発表しました。最大2K解像度・15秒のネイティブ立体音響付き動画を生成できます。数日中にモデル重みのオープン化を予定しており、2K生成の単価は主要モデルの3分の1未満に抑えられています。
MiniMaxはオープンウェイトAIモデル「M3」を公開した。100万トークンの超長文脈と画像・動画入力、デスクトップ操作に対応する。新開発の疎アテンション機構「MSA」により前世代比15倍のデコード高速化を達成し、SWE-Bench Proでも高水準を記録。MiniMax CodeやAPI経由ですぐに利用できる。
