MiniMax H3をオンラインで使う — GPU不要・42.5GBのダウンロード不要

MiniMax H3は、MiniMax AIが2026年7月31日に発表した330億パラメータのオムニモーダル動画モデルです。ここでいうオムニモーダルとは、動画を生成してから音声を後付けするのではなく、1つのモデルが映像と音声を同じ処理の中で生成することを意味します。4〜15秒、最大2K・24fpsの動画とネイティブステレオ音声に対応し、テキストから動画、開始フレーム、終了フレーム、開始・終了の両フレーム指定、既存動画の指示ベース編集を利用できます。Hailuoとの関係では、H3はHailuoシリーズの後継世代です。Hailuoは02世代までMiniMaxの動画製品ブランドとして使われていたため、hailuo minimax h3という検索は同じ系統なのかを確認する意図が多く、実際に同じ系譜でH3が新世代に当たります。minimax m3を探している場合、MiniMaxのMシリーズは言語モデル向けの名称で、動画モデルとは別系統です。

ウェイトは2026年8月3日にHugging Faceで公開され、プロジェクトのリポジトリはGitHubにあります。checkpointだけで約42.5GBあり、encoderや関連ファイルは別途必要です。330億パラメータのモデルなので、現実的なVRAM要件は32GBクラスのGPUからで、フル解像度では5090が実用上の最低ラインとしてよく挙げられます。コミュニティ製のint8やGGUF量子化版を使えば必要VRAMを下げられますが、その分忠実度に影響があります。MacやAMDはウェイトそのものよりバックエンドの対応状況に依存します。ダウンロード前に注意したい点は2つあります。1つ目は、MiniMax Community Licenseが一部地域でローカル展開権を制限していること。2つ目は、完全な2Kパイプラインの一部モジュールがオープンソース化されていないことです。そのためローカル環境では公式デモの一部しか再現できず、workflowは動いても最高レベルの2K出力は現時点で公式パイプライン外では再現できません。

米国、EU、英国、韓国にいる場合はできません。H3のオープンウェイトに付属するMiniMax Community Licenseでは、これらの地域がローカル展開の許諾対象から除外されています。技術上の制限ではなくライセンス上の制限なので、ダウンロード自体が成功しても、自分のハードウェアで実行する権利は別です。ホスト型アクセスには影響しません。公式APIやそれを利用するプラットフォームは、MiniMaxが自社インフラでウェイトを運用し、展開そのものではなくサービスとして提供するため、引き続き利用できます。制限地域のチームにとって現実的な方法であり、このページ上部のパネルも同じ方式です。なお、これは2026年8月12日に確認した公開LICENSEファイルの要約であり、法的助言ではありません。条件は変更される可能性があるため、重要な商用判断を行う場合は公式リポジトリと専門家の確認をおすすめします。

MiniMaxが公開しているH3 APIの料金は、2K動画で1秒あたり0.13米ドル、1分換算で7.80米ドルです。より安い768pプランは1秒あたり0.09米ドルとして案内されていますが、現時点では提供中ではなく「近日対応」の扱いです。参照素材については、最初の5枚の参照画像は無料、追加画像は1枚0.04米ドル、参照音声は無料です。動画は4〜15秒なので、2Kの1回生成は追加の参照画像料金を除き約0.52〜1.95米ドルになります。API版はオープンソース化されていないモジュールを含む完全な2Kパイプラインを利用するため、単にセルフホスト版を有料で便利にしただけではありません。料金は2026年8月12日時点の公開情報で、変更される可能性があります。予算を組む前にMiniMax公式の料金ページを確認してください。このページのパネルはクレジット制で、新規アカウントには無料トライアルクレジットが付与されます。 よく比較されるもう一つの従量課金の選択肢と並べると、xAI は Grok Imagine API で画像1枚あたり $0.04、動画1秒あたり $0.080 を公開しています。API の料金比較ページでは、実際のワークロードに換算した場合のコストを整理しています。

H3のComfyUIネイティブサポートは、ウェイト公開と同じ2026年8月3日にマージされ、公式workflowテンプレートも同時に提供されました。そのためMiniMax H3用のworkflowをゼロから組む必要はありません。実際の流れは、対応版のComfyUIへ更新し、Hugging Faceからウェイトを取得してテンプレートが想定する場所へ配置し、公式workflowを読み込む形です。ダウンロード容量が大きく、初回はコンパイルや読み込みに時間がかかる点には注意してください。また2つの制限があります。米国、EU、英国、韓国では地域ライセンス制限がComfyUI利用にもそのまま適用され、ComfyUIが技術的に対応していることとライセンス上許可されていることは別です。さらに未公開の2Kパイプラインモジュールがあるため、ローカルComfyUIの出力上限は公式デモより低くなります。どちらかが障壁になる場合は、上のオンライン版なら回避できます。

2026年8月12日時点で、MiniMaxはH3向けの公式Turbo checkpoint、LoRA学習パイプライン、Directorブランドの別モデルを発表していません。minimax h3 turbo loraやminimax h3 directorはすでに検索されている一方、公式情報がほとんどないため注意が必要です。期待が集まる背景には過去モデルがあります。Hailuo世代ではカメラ移動指示に特化したDirector版が存在したため、H3でも同等版を期待する人がいるのは自然です。H3では現時点で、ショット種類やカメラ移動を自然言語でプロンプトに書いて制御します。オープンウェイト公開後は数週間でコミュニティ製fine-tuneや高速化版が登場することが多く、H3も同様になる可能性があります。ただし現時点で見つかるものは第三者製でMiniMaxによる検証済みではなく、地域制限を含めベースウェイトと同じライセンス条件を引き継ぎます。

要点だけ言うと、2026年8月のArtificial Analysisランキングでは、H3は動画編集1位、テキストから動画2位、画像から動画3位です。現在のSeedanceやKlingと同じトップクラスに入りますが、すべての項目で明確に上回るわけではありません。H3の強みは指示ベース編集と、1回の生成で作られるネイティブステレオ音声。一方で動画の長さは最大15秒です。どのモデルが最適かは作りたいショットによって変わり、ランキングも新モデルの登場で動きます。下にはSeedanceとKlingの詳しい比較ページも用意しています。サイト内クレジットがあるなら、同じプロンプトを2モデルで生成して実際の結果を比べるのが最も確実です。

8月3日のウェイト公開後、Redditのminimax h3関連スレッドでは大きく3つの話題が目立ちました。最も好意的だったのは指示ベースの編集で、Artificial Analysisの評価とも一致します。最も多い不満はVRAMで、330億パラメータのモデルと42.5GBのダウンロードは一般的なコンシューマー環境には重く、公開直後から量子化の話題が増えました。3つ目はライセンスです。地域別のローカル展開制限は当初あまり注目されていませんでしたが、LICENSEファイルを読む人が増えるにつれて知られるようになり、米国やEUでローカル運用を考えていたユーザーの計画に影響しました。なお、リリース直後の反応は第一印象が中心で、初日から試せるハードウェアを持つユーザーに偏ります。方向感を見る材料にはなりますが、最終評価として受け取るべきではありません。