MiniMax H3 ปล่อยน้ำหนักจริงแล้ววันนี้ 498GB — โมเดลวิดีโอเปิดที่แรงที่สุดในตลาด แต่ไลเซนส์ห้ามใช้ในสหรัฐฯ EU UK และเกาหลีใต้
MiniMax เปิดตัว MiniMax H3 (Hailuo 3.0) ผ่าน API และเว็บแอปเมื่อ 31 กรกฎาคม 2026 พร้อมประกาศว่าจะปล่อยน้ำหนัก “ภายในไม่กี่วัน” — คำสัญญาแบบนี้มักจะเลื่อน แต่รอบนี้ไม่เลื่อน เช้าวันนี้ 3 สิงหาคม เวลา 02:34 UTC คอมมิต Init MiniMaxAI/MiniMax-H3 ขึ้น Hugging Face จริง ตามด้วยคอมมิตเพิ่มน้ำหนักฟอร์แมต diffusers เวลา 04:50 UTC รวมทั้ง repo 297 ไฟล์ 498.57 GB
นี่คือโมเดลวิดีโอน้ำหนักเปิดที่แรงที่สุดเท่าที่เคยปล่อยมา — บนกระดาน Video Editing ของ Artificial Analysis H3 อยู่อันดับ 1 ที่ Elo 1,130 นำ Gemini Omni Flash (1,122), HappyHorse-1.0 (1,096) และ Wan 2.7 (1,079) แต่ก่อนจะดีใจ ต้องอ่านไฟล์ LICENSE ให้จบก่อน เพราะมันมีเงื่อนไขที่ข่าวส่วนใหญ่ยังไม่ได้พูดถึง
ข้อแรกที่ต้องรู้ก่อนโหลด: คุณอยู่ใน “พื้นที่อนุญาต” หรือเปล่า
ไฟล์ LICENSE ระบุวันที่ 2 สิงหาคม 2026 และใช้ชื่อว่า MiniMax H3 Community License Agreement ประโยคที่สำคัญที่สุดอยู่ในนิยามข้อ 3–5:
“Applicable Territory” means worldwide, excluding the Excluded Territories. “Excluded Territories” means the European Union, the United Kingdom, the Republic of Korea and the United States of America.
แปลตรงตัวคือ นักพัฒนาในสหรัฐอเมริกา สหภาพยุโรป สหราชอาณาจักร และเกาหลีใต้ ไม่ได้รับสิทธิ์ตามไลเซนส์นี้ — ข้อ V.4 ย้ำอีกครั้งว่าห้ามใช้ ทำซ้ำ ดัดแปลง แจกจ่าย หรือแสดงผลงานนอกพื้นที่อนุญาต MiniMax บอกว่าถ้าอยู่ในกลุ่มประเทศที่ถูกกันออกและอยากดีพลอย ให้ติดต่อขอไลเซนส์เป็นรายกรณี ซึ่งจะพิจารณาให้ตามระดับ control และ guardrail
เท่าที่ผมเคยเห็นไลเซนส์โมเดลเปิดมา นี่เป็นครั้งแรกที่ ตลาดนักพัฒนาที่ใหญ่ที่สุดสองแห่งของโลกถูกเขียนออกจากไลเซนส์ตั้งแต่บรรทัดแรก — และมันกลับด้านกับภาพจำเดิมที่ว่าโมเดลจีนถูกฝั่งตะวันตกกีดกัน รอบนี้ฝั่งจีนเป็นคนกันเอง (นิติบุคคลที่ถือสิทธิ์คือ Nanonoble Pte. Ltd. และใช้กฎหมายฮ่องกงเป็นกฎหมายบังคับ)
เงื่อนไขอื่นที่ควรอ่านก่อนเอาไปใช้เชิงพาณิชย์:
- รายได้เกิน 20 ล้านดอลลาร์ต่อปี ต้องขออนุญาตเป็นลายลักษณ์อักษรจาก
api@minimax.ioก่อน - ต้อง แสดงชื่อ “MiniMax H3” อย่างเด่นชัดบน UI ของผลิตภัณฑ์เชิงพาณิชย์ที่ใช้โมเดลนี้
- ห้ามใช้ output ไปพัฒนาโมเดล AI ตัวอื่น (ข้อ V.3) และนิยาม “Model Derivative” ครอบคลุมการ distill และการเทรนด้วย synthetic data ที่ H3 สร้างไว้ชัดเจน
- ถ้าคุณเปิดบริการให้คนอื่นใช้ ต้องวาง safeguard เชิงเทคนิคและองค์กร พร้อมช่องทางรับแจ้งการละเมิด และต้องผูกผู้ใช้ปลายทางด้วยเงื่อนไขที่เข้มไม่น้อยกว่านี้
หมายเหตุท้ายไฟล์ยังบอกด้วยว่า encoder ของ H3 ใช้ Qwen3-VL-32B ซึ่งเป็น Apache 2.0 — ส่วนนั้นเสรี ส่วนที่เหลือไม่
”เปิด” แค่ไหน — ตอบตรง ๆ คือประมาณครึ่งระบบ
ระบบ H3 เต็ม ๆ มีสามโมดูล และเปิดมาแค่โมดูลกลาง:
| โมดูล | หน้าที่ | เปิดน้ำหนักไหม |
|---|---|---|
| H3-Context-IR | แปลงอินพุตมัลติโมดัลอิสระให้เป็น structured representation ก่อนส่งเข้าโมเดล | ไม่เปิด — เป็นระบบ hosted หลายขั้น เรียกผ่าน API เท่านั้น |
| H3-Base | สร้างวิดีโอ + เสียงที่ 768p | เปิด (FL2VA และ Ref2VA, BF16, CFG-distilled) |
| H3-Regenerate-2K | ป้อนผล 768p กลับเข้า H3 พร้อม context เดิมเพื่อ regenerate เป็น 2K | ไม่เปิด — “จะปล่อยเมื่อพร้อม” |
ผลในทางปฏิบัติที่ต้องพูดให้ชัด: ถ้ารันเองบนเครื่องตัวเอง คุณได้ 768p ไม่ใช่ 2K ตัวเลข “2K, 15 วินาที” ที่พาดหัวข่าวกันทั้งอาทิตย์เป็นสเปกของระบบเต็มที่ต้องพึ่ง API ของ MiniMax อย่างน้อยหนึ่งขั้น และ README เองก็ “strongly recommend” ให้ใส่ H3-Context-IR เข้าไปในไปป์ไลน์ด้วย เพราะคุณภาพเอาต์พุตขึ้นกับมันมาก
อีกอย่างที่ยังไม่มาคือ sparse attention — โมเดลรองรับตั้งแต่ตอนเทรน แต่รีลีสรอบแรกให้ inference แบบ full attention เท่านั้น ซึ่งหมายถึงต้นทุนคำนวณต่อ sequence ยาวสูงกว่าที่ควรจะเป็น
สเปกเชิงเทคนิคที่นักพัฒนาควรดู
- H3-Omni-Transformer: dense single-stream 33B พารามิเตอร์ ไม่ใช่ MoE โดยราว 13B อยู่ในสาย AdaLN ซึ่ง precompute แล้ว cache ได้ — ถ้าดีพลอยเพื่อ inference อย่างเดียวไม่ต้องโหลดส่วนนี้ (MiniMax ปล่อยน้ำหนักครบเพื่อให้ fine-tune ได้)
- Encoder: ใช้น้ำหนักเต็มของ Qwen3-VL-32B ดึง hidden states จาก เลเยอร์ที่ 50 ส่งเข้า transformer และเพิ่ม special token เช่น
<d>— ต้องใช้ tokenizer จาก repo นี้เท่านั้น - H3-VisualVAE: temporally causal, บีบเชิงพื้นที่ 16× เชิงเวลา 4× latent 24 ช่อง (f16t4d24) หลัง patchify
1×2×2เหลือ downsample เชิงพื้นที่ที่ 32× - H3-AudioVAE: ใช้ encoder/decoder ตัวเดียวกันกับทั้งช่องซ้าย-ขวาแยกกันแล้วรวมกลับ บีบเสียง 32 kHz เหลือ latent อัตรา 40 Hz ต่อช่อง
- ตำแหน่ง: MM-RoPE สามมิติ
(t, h, w) - เอาต์พุต: 4–15 วินาที, 24 FPS, เสียงสเตอริโอ 32 kHz, ด้านสั้น 768 พิกเซลเป็นค่าเริ่มต้น, อัตราส่วนตั้งแต่ 21:9 ถึง 9:16
- ภาษาบทสนทนา: รองรับเสถียร 11 ภาษา (อาหรับ จีน อังกฤษ ฝรั่งเศส เยอรมัน อิตาลี ญี่ปุ่น เกาหลี โปรตุเกส รัสเซีย สเปน) — ไม่มีภาษาไทยในกลุ่มที่ระบุว่าเสถียร
- Ref2VA รับอินพุตอ้างอิงได้: ภาพ ≤9, วิดีโอ ≤3 คลิป (คลิปละ 2–15 วิ รวมไม่เกิน 15 วิ), เสียง ≤3 คลิป (ต้องมาคู่กับภาพหรือวิดีโอ ใช้เดี่ยวไม่ได้) รวมทุกชนิดไม่เกิน 12 ไฟล์
ด้านการดีพลอย MiniMax ทำการบ้านมาดี — มีทั้ง SGLang, vLLM, diffusers และ ComfyUI ตั้งแต่วันแรก ตัวอย่างใน README ใช้ SGLang ที่ --num-gpus 4 --ulysses-degree 4 ซึ่งเป็นสัญญาณตรงว่านี่คืองานระดับ 4 GPU ขึ้นไป ไม่ใช่การ์ดใบเดียว และถ้าโหลดจาก CLI ควร scope ให้ตรงเฟรมเวิร์กที่ใช้ ไม่งั้นได้ครบ 498 GB:
# เฉพาะ checkpoint ต้นฉบับ (สำหรับ SGLang / vLLM)
hf download MiniMaxAI/MiniMax-H3 --include "FL2VA/*" "Ref2VA/*" --local-dir MiniMax-H3มุมมอง AI Curator
เรื่องนี้มีสองชั้น และชั้นที่สองน่าสนใจกว่าชั้นแรกมาก
ชั้นแรก คือชั้นที่ทุกคนจะเขียนถึง: โมเดลวิดีโอเปิดขึ้นอันดับ 1 เหนือโมเดลปิด นี่จริงและสำคัญ แต่ควรอ่านอย่างระวังว่าอันดับ 1 นั้นเป็นของ ระบบเต็มที่รวม API ไม่ใช่ของสิ่งที่คุณโหลดลงเครื่องได้ ช่องว่างระหว่าง “โมเดลเปิดที่ชนะเบนช์มาร์ก” กับ “โมเดลเปิดที่คุณรันเองแล้วได้ผลเท่ากัน” กว้างกว่าที่พาดหัวสื่อ
ชั้นที่สอง คือไลเซนส์ และผมคิดว่านี่คือจุดเปลี่ยนเชิงโครงสร้างที่คนยังประเมินต่ำไป ตลอดปีที่ผ่านมาเราเขียนถึงความพยายามฝั่งสหรัฐฯ ที่จะจำกัดโมเดลเปิดจากจีน — จดหมายเปิดผนึก Open Weights and American AI Leadership, คำตอบของ Anthropic, การถกเรื่อง distillation ทั้งหมดนั้นตั้งอยู่บนสมมติฐานว่า ฝ่ายที่ควบคุมคือฝ่ายผู้รับ รีลีสนี้กลับด้านสมมติฐานนั้น: ผู้ปล่อยเป็นคนเลือกเองว่าใครใช้ได้ และเลือกกันสหรัฐฯ EU UK เกาหลีใต้ออก ด้วยเหตุผลที่แทบจะแน่นอนว่าเป็นเรื่องความเสี่ยงทางกฎหมาย — EU AI Act ที่เพิ่งเริ่มบังคับใช้มาตรา 50 เมื่อวานซืน, คดีลิขสิทธิ์วิดีโอ AI ในสหรัฐฯ, และกฎหมายเกาหลีใต้เรื่อง deepfake ล้วนเป็นความเสี่ยงที่แบกไม่ไหวสำหรับโมเดลที่สร้างวิดีโอคนพูดได้
และนี่คือจุดที่ไทยกับ SEA อยู่ผิดฝั่งในทางที่ดีเป็นครั้งแรก — ไทยไม่อยู่ใน Excluded Territories นักพัฒนาไทยจึงใช้ H3 ได้ตามไลเซนส์นี้อย่างถูกต้อง ในขณะที่สตาร์ตอัปในซานฟรานซิสโกหรือเบอร์ลินใช้ไม่ได้ นี่เป็นภาวะที่แทบไม่เคยเกิด และถ้าเทรนด์นี้ขยายตัว ภูมิภาคที่กฎหมาย AI ยังไม่เข้มอาจกลายเป็นพื้นที่ทดลองโดยปริยาย — ซึ่งเป็นทั้งโอกาสและคำเตือน
โอกาสคือทีมคอนเทนต์ ทีมโฆษณา และสตูดิโอไทยเข้าถึงเครื่องมือระดับบนสุดได้ก่อนคู่แข่งในตลาดที่ถูกกัน คำเตือนคือ “ใช้ได้ตามไลเซนส์” ไม่เท่ากับ “ใช้ได้ตามกฎหมายไทย” — ข้อ V.5 โยนภาระ safeguard และการรับเรื่องร้องเรียนมาที่ผู้ให้บริการปลายทางทั้งหมด ถ้าคุณเปิดบริการสร้างวิดีโอด้วย H3 ให้ลูกค้า คุณคือคนที่ต้องตอบเรื่อง PDPA สิทธิในภาพและเสียงของบุคคล และการ label เนื้อหา AI ไม่ใช่ MiniMax
สิ่งที่ผมจะทำถ้าเป็นทีมโปรดักชันไทยตอนนี้: อย่าเพิ่งย้ายไปป์ไลน์ ให้ทดลองบน API ก่อนเพื่อดูว่าคุณภาพระดับที่ใช้งานจริงต้องพึ่ง H3-Context-IR มากแค่ไหน แล้วค่อยตัดสินใจว่าการรัน H3-Base เองที่ 768p คุ้มกับค่า GPU 4 ใบหรือไม่ — คำตอบสำหรับงานส่วนใหญ่ ณ วันนี้ น่าจะยังเป็น “ไม่”
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service