De MiniMax H3-workflow die het kopiëren waard is, een week na open source (plus 52 officiële prompts)

MiniMax heeft een community-roundup gepubliceerd van H3's eerste week als open model. Het meldt bijna 300 afgeleide modellen, een verspreiding van gekwantiseerde builds, een native Mac-inferentie-engine en agent-gestuurde productiepijplijnen. Het is allemaal de moeite waard om te bekijken.

Maar het enige dat er het meest uitspringt, is een zin aan het einde van het eerste gedeelte, waarin wordt beschreven hoe een animatiemaker daadwerkelijk werkt. In de officiële woorden:

Hij genereert 480p-video op een RTX 3060 om te itereren, gebruikt lokale hardware voor preview, selectie en trial and error, en pas als een versie hem bevalt, gaat hij naar de cloud om de finale op hogere resolutie te renderen en af te werken met superresolutie.

Het officiële verslag geeft de gewoonte een naam: lokaal draften, cloud afwerken.

Die drie woorden zijn dezelfde conclusie waar we tijdens maanden modelvergelijking steeds op stuitten. Dit stuk is een poging om het goed te zeggen: waarom de splitsing standhoudt, en als die standhoudt, wat je dan echt moet bewaren.

Belangrijkste inzichten

• Lokale MiniMax H3 draait eindelijk op consumentenhardware, maar lokaal is het lage-resolutie-uiteinde. De 2K-finale is een aparte pass, geen grotere render.
• Het enige dat van draft naar finale moet oversteken, is de prompt, dus de hele workflow hangt af van of je prompt de reis overleeft.
• Voer één letterlijke MiniMax H3-prompt tegelijkertijd uit over meerdere modellen om de prompt te health-checken, niet om de modellen te rangschikken.
• Een beperking kan letterlijk worden nageleefd en toch de essentie missen. Vergrendel de eigenschap die het concept draagt, niet het bijeffect.
• De twee assets die het bewaren waard zijn, zijn een gecategoriseerde promptbibliotheek en de beslissingslogica achter elke prompt.

Waarom "lokaal draft, cloud finish" alleen werkt voor MiniMax H3 nu

De splitsing hangt af van één ding: het lokale uiteinde is plotseling krachtig geworden.

In één open-source week bewoog de community snel op het gebied van inferentie-efficiëntie. Het ComfyUI-team verminderde de modulatiegewichten die ongeveer veertig procent van het parameteraantal uitmaakten, verving ze door voorberekende tabellen, voegde INT8-kwantificatie en aangepaste kernels toe, en bracht de kleinste modelcombinatie van 123,6 GB naar 42,5 GB geheugen. Voeg dynamische offloading toe en een consumenten grafische kaart kan lokale inferentie draaien.

Apart daarvan schreef Redis-maker antirez een native Apple Silicon-inferentie-engine helemaal opnieuw in C en Metal. Het leest de safetensors-gewichten direct en verpakt de tekst- en vision-encoders, de DiT, en de vision- en audio-VAE's in één native Mac-programma, zonder afhankelijkheid van Python of PyTorch.

NVIDIA's onderzoeksteam voltooide een eerste pass van inferentieoptimalisatie binnen 4,5 uur na de lanceringsdag en rapporteerde een 3,95x end-to-end snelheidsverbetering ten opzichte van Diffusers op een acht-kaart opstelling.

Zet dat allemaal bij elkaar en het resultaat is duidelijk: lokale runs nu, maar wat het rendert is lage resolutie.

Dus de splitsing van de maker volgt vanzelf. Lage resolutie is snel, goedkoop en herhaalbaar, precies wat trial and error nodig heeft. Levering gaat nog steeds terug naar de cloud voor de finale. De twee uiteinden zijn geen substituten. Ze zijn twee stations op één lijn.

Wat er daadwerkelijk oversteekt tussen de twee MiniMax H3-fasen

Dit is de vraag waar we echt om geven.

Je doet twintig passes op 480p lokaal en hebt eindelijk de look gevonden die je wilt. Nu ga je naar de cloud voor de finale. Wat is het enige dat je daadwerkelijk mee kunt nemen?

Niet de 480p-clip, de resolutie is te laag. Niet de modelgewichten, de cloud heeft zijn eigen.

Het is de prompt.

Over de hele lijn is het enige dat beide uiteinden moet oversteken en ongewijzigd van kracht moet blijven, de prompt. Het is de enige asset in deze workflow.

De implicatie is belangrijker dan het klinkt:

• Als je prompt stopt met werken wanneer de omgeving verandert, draait deze gelaagde workflow helemaal niet. Alles wat je lokaal hebt afgesteld, is verspild op weg naar de cloud.
• Als je het voor elk model herschrijft, herhaal je de draftfase elke keer dat je van model wisselt.
• Draai het om: als de prompt draagbaar genoeg is, kun je zelfs draften op een goedkoper model, zolang de interpretatie van dezelfde zin voorspelbaar is.

Dus de vraag wordt: hoe schrijf je een prompt die nog steeds werkt nadat de omgeving is veranderd? We hebben dit getest.

Eén MiniMax H3-prompt, vier modellen tegelijk

In de afgelopen dagen hebben we meer dan een dozijn vergelijkingen als deze gedaan: één letterlijke prompt, alleen de inzendingsparameters gewijzigd, naar vier modellen gestuurd, over onderwerpen van VFX tot product-UI-motion tot muziekshorts.

Hieronder staat dezelfde test uitgevoerd over acht onderwerpen. Elke clip is een vier-weg splitsing van de identieke prompt: linksboven Seedance 2.5, rechtsboven MiniMax H3, linksonder Seedance 2.0, rechtsonder Kling v3.0pro.

Wuxia-duel: één prompt, vier modellen. Geluid aan.

Anime-romancescène, dezelfde vier-weg splitsing.

Handtassenreclame: een productspot van dezelfde prompt.

Meidengroepoptreden, met gesynchroniseerde audio over de splitsing.

KNNOfby0vtw

Een karaktergedreven scène, vier modellen naast elkaar.

Camerareclame, dezelfde prompt parallel.

Sneakerreclame, de laatste van de acht onderwerpen.

Wat deze run daadwerkelijk test

Het is geen ranglijst. Het is een fysieke test voor de prompt.

Omdat de prompt letterlijk is en alleen de inzendingsparameters zijn gewijzigd:

1. De verschillen tussen de vier zijn de verschillen tussen de modellen. Dat klinkt als een waarheid als een koe, maar het is de basis van de hele oefening, en het geldt alleen als de vier in dezelfde uitvoeringsomgeving draaien. Zet een paar interfaces van verschillende bronnen in elkaar en je mengt link-niveau variabelen in de verschillen, en je kunt niet meer zien of een verschil een model- of een platformverschil is.
2. Wat alle vier niet doen, is een promptprobleem, geen modelprobleem. Dit is het meest waardevolle signaal in de draftfase, en het is een signaal dat je nooit krijgt door slechts één model te draaien. Eén model mist en je vermoedt het model. Vier missen en het antwoord is duidelijk: ga terug en repareer die ene regel, wissel niet van model.
3. Verander één ding per versie, laat de rest onaangeroerd. Het is de enige manier waarop "deze versie is beter" stand kan houden. Spreid de wijzigingen uit en je kunt niets toeschrijven. Het parallel draaien van meerdere modellen betekent dat één enkele variabele wijziging je vier observatiepunten tegelijk geeft.

Dus wat gaat er in het bestand

Geen parametertabel. Parameters staan op de modelpagina en het kopiëren ervan levert geen informatie op. Wat het waard is om vast te leggen, is "wat ik schreef, en wat ik observeerde." Twee voorbeelden:

De waarde van de eerste is richting. Het vastleggen van alleen de grootte van de fout is nutteloos, want de volgende keer dat je compenseert, compenseer je de verkeerde kant op. De ene moet later worden geduwd, de andere eerder worden ingedrukt.

De tweede is meer waard, en het is het onderwerp van de volgende sectie.

Je hebt geen script meer nodig hiervoor

Toen we die vergelijkingen uitvoerden, schreven we ons eigen script om taken in te dienen en resultaten op te halen. Niet meer. Atlas Cloud heeft Model Explorer gelanceerd.

Schrijf één prompt, selecteer maximaal 10 modellen om parallel te draaien, en de resultaten komen naast elkaar terug.

De echte waarde is niet gemak, het is controle. De reden dat die vergelijking tot een conclusie kon komen, is dat de vier in één uitvoeringsomgeving draaiden. Koppel vier interfaces van verschillende bronnen en platformvariabelen lekken in de verschillen: gateway-gedrag, standaardparameters, hoe assets worden gecodeerd. Verander er één en je denkt dat je modellen vergelijkt terwijl je platforms vergelijkt. Draai binnen één modelpool en die variabelen worden door constructie vastgehouden.

Een paar dingen komen direct overeen met de draftfase:

• Vooraf ingestelde modelgroepen. SOTA, Trending en Cheap, plus je eigen opgeslagen set. Draft met de goedkope groep om richting te bepalen, ga dan naar de SOTA-groep voor de finale. Dat is dezelfde splitsing van boven, met beide uiteinden nu in de cloud.
• Een kostenraming voordat je draait, zodat je niet tot het einde wacht om te weten wat een ronde kostte.
• Zowel afbeeldingen als video, met text-to-image en image-to-image aan de beeldzijde.

Atlas Cloud Model Explorer: een vooraf ingestelde groep modellen geselecteerd om parallel te draaien vanuit één prompt, met de geschatte kosten per run getoond vóór het draaien

Verifieerbaar is niet hetzelfde als de juiste dimensie vergrendelen

Die zin uit de vorige sectie, "houd het plat, niet fotorealistisch," is de meest typische valkuil die we zijn tegengekomen.

Het vreemde is dat de beperking volledig kan worden nageleefd en toch volledig kan falen. Plat? Ja. Handgetekend? Helemaal niet. Vink elk vakje op de checklist aan en je krijgt volle punten.

Het probleem: we hebben "platheid" vergrendeld, maar de eigenschap die het concept daadwerkelijk draagt, is "zichtbare gereedschapsmarkeringen." Vervang door "krijt, kleurpotlood, grove borstel, arceringsrichting, ongelijke vulling, ruwe randen" en hetzelfde model keert volledig om.

Het handgetekende onderwerp over vier modellen. "Plat" is gemakkelijk te vervullen, "zichtbaar handgemaakt" is de eigenschap die daadwerkelijk moest worden vergrendeld.

Dat destilleert tot een test:

Neem elke beperking die je schreef en vraag: kan het model deze zin vervullen en toch het ding laten vallen dat ik eigenlijk wil?

Zo ja, dan is de vergrendeling gericht op een bijeffect, niet op het concept.

Het symptoom is bekend: de uitvoer komt overeen met je checklist punt voor punt, maar iedereen die de referentie kent, ziet in één oogopslag dat het fout is.

De juiste zet op dat punt is niet om meer vergrendelingen toe te voegen. Het is om terug te gaan en de eigenschap te vinden die het concept daadwerkelijk draagt.

Teruggeplaatst in "lokaal draft, cloud finish," weegt deze zwaarder: een beperking gericht op de verkeerde dimensie kan onzichtbaar zijn op draftresolutie. Op 480p is het verschil tussen een gladde omtrek en een grove borstel al wazig, en je ontdekt pas dat de richting verkeerd was nadat je de moeite hebt genomen voor een cloudfinale. Of draften tijd bespaart, hangt ervan af of de eigenschap die je tijdens het draften hebt vergrendeld, de echte was.

De community heeft het MiniMax H3-proces al verpakt

Het officiële verslag draagt nog een signaal dat het waard is om apart te noemen: ontwikkelaars beginnen het hele productieproces in iets herbruikbaars te verpakken.

Een AI-kunstenaar gebruikt Claude Code op een Mac om een lokaal model op een tweede machine te orkestreren. De Mac handelt projectsetup, feitencontrole, script, tijdlijn, ondertitels, storyboard en structurele review af, en de andere kant handelt modelinferentie af. Het geheel is opgesplitst in 14 fasen, van brief tot batchrender, bewerkingsassemblage en grootboek terugschrijven, zonder ooit een traditionele editor te openen.

Een ander project verpakte hetzelfde idee in een plugin met ingebouwde vaardigheden die van een verhaal of zakelijke brief naar karakter- en scène-opzet, storyboard en keyframe-ontwerp gaan, en vervolgens per shot een workflow kiezen. Prompts, invoerassets, de workflow, kandidaat-shots en de selecties worden allemaal bewaard in het projectrecord, zodat een onderbroken taak hervat waar hij stopte.

De richting is hetzelfde: iedereen maakt van "hoe deze is gemaakt" een herbruikbare asset, in plaats van een stapel afgewerkte films achter te laten. De twee dingen die we hebben gemaakt, liggen precies op die lijn.

Twee MiniMax H3-bronnen die je nu kunt nemen

1. De officiële MiniMax H3-promptbibliotheek (52 prompts, 16 categorieën, elk met een preview)

PlainCopy
1https://github.com/AtlasCloudAI/awesome-minimax-h3-prompts

Geen herschrijvingen, maar de originele prompts uit de officiële showcase, georganiseerd per scenario, elk gekoppeld aan een echt gegenereerde preview-video zodat je het resultaat kunt zien voordat je beslist welke je wilt kopiëren.

De 16 categorieën omvatten merk en cinema, visueel creatief en verpakking, motion graphics en VFX, AI-verhaal, product en e-commerce, digitaal en game-creatief, industrieel en belichaamde AI, animatie en stilering, multi-materiaal referentie, karakter/actie/camera-referentie, stemklonen, karakter- en objectbewerking, scène- en VFX-bewerking, audio- en dialoogbewerking, nauwkeurige instructie-opvolging en stijlpresets. Het ondersteunt 20 talen en accepteert inzendingen.

De meest tijdbesparende manier om het te gebruiken tijdens het draften: vind een prompt waarvan het onderwerp dicht bij het jouwe ligt, bekijk de preview en gebruik deze als startpunt om te bewerken. Veel sneller dan beginnen met een leeg vak.

De awesome-minimax-h3-prompts-repository op GitHub, met de categorie-index en één item met de preview-video

1. De universele video-prompt Skill

PlainCopy
1https://github.com/kiana-liang/universal-video-prompt-skill

PlainCopy
1npx skills add kiana-liang/universal-video-prompt-skill

Het lost het probleem op uit de tweede sectie: je hebt de prompt gekopieerd, maar je kon het oordeel dat tijdens het schrijven werd gemaakt niet kopiëren. De slogan zegt precies dat. De onderliggende beslissingslogica die je niet kunt kopiëren door de prompt te kopiëren, is wat hier leeft.

Wat het doet, is "denk er eerst over na, schrijf het dan in een vorm" opsplitsen in een herbruikbare beslissingschecklist:

• Twee vragen voor elke regel: tot welke laag behoort deze (globaal, vergrendeld of tijdelijk), en is het in een waarneembare vorm geschreven?
• Vertaal het niet-verifieerbare naar het verifieerbare. "Consistent houden" wordt een zichtbare eindtoestand. "Gespannen" wordt oogbeweging, ademhaling en handbeweging.
• Een dialectbestendige methode: schrijf de term en een waarneembare beschrijving samen. Een model dat de term kent, neemt de snelkoppeling, een model dat dat niet doet, volgt de beschrijving, en één prompt dekt beide.
• Geen herschrijving tussen omgevingen. De pure taallaag wordt één keer geschreven en modelspecifieke vertekeningen gaan in een aparte profielentabel, de soort uit de derde sectie.

De repo levert 5 shottypes, 4 volledig uitgewerkte cases, 6 modelprofielen en 4 demovideo's. Elke video is gebonden aan de specifieke regel die het demonstreert, het is geen showreel.

Het is ook duidelijk over wat het niet doet: geen verplichte velden, geen voorbeeld is een regel, elke regel heeft uitzonderingen. Als je op zoek bent naar een invul-sjabloon om in te vallen, is dit het niet.

Het afwerkingsende: MiniMax H3 draaien op Atlas Cloud

Alle drie MiniMax H3-aanroepmodi zijn live op Atlas Cloud, text-to-video, image-to-video en reference-to-video, met parameters, duuropties en aanvraagvoorbeelden op elke modelpagina.

PlainCopy
1Overzicht           https://www.atlascloud.ai/models/minimax-h3
2Text-to-video      https://www.atlascloud.ai/models/minimax/h3/text-to-video
3Image-to-video     https://www.atlascloud.ai/models/minimax/h3/image-to-video
4Reference-to-video https://www.atlascloud.ai/models/minimax/h3/reference-to-video
5Vergelijkingstool    https://www.atlascloud.ai/model-explorer

Atlas Cloud verzamelt deze mainstream videomodellen in één pool, zodat je met één API één modelstring wijzigt om de hele vergelijking te draaien. Dat is hoe de vier-model test in de derde sectie draaide, behalve dat we toen nog ons eigen script schreven, en nu is het een paar klikken in Model Explorer.

Dus de pijplijn sluit als volgt aan in de praktijk:

Alle drie de fasen gebruiken dezelfde prompt en dezelfde sleutel. Niets wordt halverwege herschreven en niets verandert van omgeving, wat het punt is uit de tweede sectie: de enige asset die fasen moet oversteken, is de prompt, dus laat hem niet vervormen onderweg. Parameters, duuropties en API-voorbeelden staan allemaal op de MiniMax H3-modelpagina's.

Ter afsluiting

Een week open source, en de community heeft MiniMax H3 al op consumenten grafische kaarten, in een native Mac-programma en in geautomatiseerde productiestromen gepast. Dat werk maakte het lokale uiteinde echt bruikbaar.

Maar lokaal draaien is niet lokaal leveren. "Lokaal draft, cloud finish" is een goede gewoonte omdat het de twee uiteinden niet tegen elkaar uitspeelt. Het accepteert dat dit één pijplijn is, met twee stations die twee taken doen.

En om de lijn te laten bewegen, moet het stuk dat halverwege wordt overgedragen betrouwbaar zijn. Dat stuk is de prompt. Dus het ding dat je tijd waard is, is nooit één enkele film die je hebt gerenderd. Het is waarom je het hebt geschreven zoals je het deed.

MiniMax H3-prompts FAQ

Waar kan ik MiniMax H3 draaien zonder een lokale GPU?

Alle drie MiniMax H3-modi, text-to-video, image-to-video en reference-to-video, draaien op Atlas Cloud, met de parameters en duuropties op elke modelpagina. Lokale inferentie is nuttig voor goedkope 480p-drafting zodra de community-builds zijn ingesteld, maar de hogere-resolutie finale wordt nog steeds in de cloud gerenderd.

Hoe vergelijk ik MiniMax H3 eerlijk met andere videomodellen?

Voer één letterlijke prompt uit over de modellen in een enkele uitvoeringsomgeving. Model Explorer doet dit met maximaal 10 modellen parallel, waardoor gateway-gedrag, standaardparameters en asset-codering constant blijven, zodat de verschillen die je ziet de modelverschillen zijn.

Werken MiniMax H3-prompts ook op andere modellen?

Dat is het hele punt van ze goed schrijven. Houd de pure taallaag waarneembaar en dialectbestendig, term plus beschrijving, en noteer modelspecifieke timing-vertekeningen in een aparte profielentabel. De prompt overleeft dan de overgang van een draftmodel naar het finalemodel ongewijzigd.

Waar vind ik kant-en-klare MiniMax H3-prompts?

De awesome-minimax-h3-prompts-bibliotheek heeft 52 officiële showcase-prompts in 16 categorieën, elk met een echte preview-video, in 20 talen. Vind er een die dicht bij jouw onderwerp ligt, bekijk de preview en bewerk vanaf daar.