Modelo multimodal MiniMax-H3 portado a MLX para implementación en Apple Silicon

MiniMax lanzó MiniMax-H3, un sistema generativo multimodal de propósito general que acepta entrada de texto, imágenes, audio y video para generar clips de video de hasta 15 segundos con audio acompañante. La comunidad PipeNetwork creó un puerto MLX que permite que el modelo se ejecute eficientemente en dispositivos Apple Silicon. Un desarrollador probó el modelo en una MacBook Pro M5 Max, requiriendo aproximadamente 115GB de archivos de modelo y 45 minutos para generación de video. Si bien la salida de video demostró calidad impresionante, la generación de audio produjo resultados ininteligibles sin orientación de prompt adecuada, indicando que el modelo se beneficia de especificaciones de audio detalladas en los prompts.