英伟达研究团队把自家的视频生成方案,建在了一家中国公司开源的模型上。这不是合作,是「借力」——而且是硅谷反过来借中国的力。

一、三家硅谷公司,同一个底座

MiniMax 在 8 月 2 日开放了多模态模型 H3 的权重。三个月后,围绕它发生的事有点反常:

  • 英伟达:10 月下旬发布 Open-H3-Regenerate-2K——先用 H3 生成低分辨率草稿,再用额外训练的精修模块三步去噪重生成 2K 视频,全程保留 H3 原始权重。此前它还做了 StreamRender-H3 流式渲染方案。英伟达极少在别人的多模态模型上投这么多资源。
  • Pika:10 月 29 日发布 H3 Flex,把 50 步去噪压到 6 步,画面和声音一次生成,还开放了适配器权重和推理代码。
  • fal:基于 H3 训练 H3 Max,主打推理加速,5 秒 768p 视频生成不到 3 秒。

三家公司目标不同——英伟达要生态、Pika 要创作者、fal 要速度——但都选了同一个底座。海外开发者还拿 H3 搭出了 Twitch 直播实时改写剧情、24 小时 AI 电视台这类玩法,衍生生态已经超出「视频生成工具」本身。

二、为什么是 H3

关键不在跑分,在「可改」。

开放权重意味着外部团队能直接做后训练、蒸馏、推理重构,把模型塞进自己的生产系统。视频生成的商用客户不关心 demo 有多炫,只问三件事:包装上的字会不会变形、角色换镜头还像不像、批量上千条能不能承受成本。

H3 的数据也说明了生态热度:开源一个月下载超 2400 万次,公开衍生模型 300 多个,9 月在 Arena 图生视频榜以 1495 分排第一。

它本身是个 330 亿参数的单流 Transformer,统一处理文字、图片、音频、视频,原生输出 768p 带同步立体声,文本编码器直接复用了 Qwen3-VL-32B 的预训练权重。规格不是最大,但工程质量够别人在上面盖楼。

还有一层是成本:外部团队不用从零训练,后训练加蒸馏就能拿到能上线的版本。fal 把吞吐优化到原版的数十倍,Pika 把步数砍到六分之一,都是在别人已经踩实的地基上省时间。

三、信号:能卖产品的,不一定是贡献底座的

过去一年的叙事是「中国团队用美国芯片、对标美国模型」。这次方向反了:底座来自中国,二次开发和产品化发生在硅谷。

一个容易被忽略的细节是,英伟达不只做了一个项目。它围绕 H3 连续投了流式渲染、快速视频解码、2K 重生成三条线,等于把 H3 纳入了自己的技术栈验证。这种投入密度,过去只出现在自家模型或 CUDA 生态伙伴身上。

对 MiniMax 来说,这条路径绕开了直接卖 API 的竞争,变成授权、部署支持和联合开发。对英伟达来说,这和当年扶 CUDA 生态是一个打法——用开放权重把更多模型和开发者吸进自家算力栈。

开源权重生态的权力结构正在变:贡献好底座的团队,未必是最终把产品卖出去的团队。

四、边界要说清楚

这份热度有明确的墙。MiniMax 的社区许可证规定:商业产品或服务年收入超 2000 万美元需事先取得书面授权;美国、欧盟、英国、韩国列为不适用地域,要单独申请。

也就是说,H3 的「反向借力」发生在研究和开源生态层面,商用准入仍握在 MiniMax 手里。底座开放到哪一步、授权收口到哪一步,才是这条路线能走多远的真正变量。

参考来源: