💬 观点Simon Willison
PipeNetwork/minimax-h3-mlx — MiniMax
MiniMax-H3 开源模型在 Apple Silicon 上跑通，生成 15 秒带音频视频，但需 115GB 模型和 45 分钟。
2026-08-04原文
本文为要点摘要，完整细节以原文为准。
- MiniMax-H3 是一个多模态生成系统，接受文本、图像、音频和视频输入，可生成最长 15 秒的带音频视频片段。
- 通过 MLX 移植，Simon Willison 在 M5 Max MacBook Pro 上成功运行，但下载了约 115GB 模型文件，生成单个视频耗时近 45 分钟，显示本地运行成本高。
- 生成的视频质量不错，但音频因未按提示指南操作而变成类似语音的噪声，说明提示工程对多模态生成至关重要。
对开发者而言，这展示了开源多模态模型在消费级硬件上运行的可能性，但资源消耗和提示调优仍是主要挑战。
原文：PipeNetwork/minimax-h3-mlx · 作者 Simon Willison