深夜的客厅里显示器的光映在桌面上。antirez——那位因为写了Redis而几乎每个后端程序员都认识的名字——把一段提示词丢给了本地跑着的模型然后看着画面一帧帧生成出来。没有调用任何云端API没有漫长的队列只有脚下那台机器自带的风扇声。这段画面不是一张普通的AI生成图。它是MiniMax-H3这个整整33B参数的视频生成模型在一台M5 Max芯片的Mac上端到端跑完文字到视频全流程的结果。从图片、配音到嵌入视频的音频一次打包渲染完成实测用时74秒左右峰值物理内存占用约40GB。在视频生成模型动辄要求多卡机柜的今天这个数字让不少人在社区里愣了几秒。antirez把这套方案开源了取名h3.c。他在项目介绍里写得很直白不是为了炫技而是想看看一个普通人手头的个人电脑到底能不能扛起视频生成的活。答案看起来是能。一次降维为什么值得兴奋过去的视频生成模型几乎被绑定在云端这个概念上。你输入一句描述请求被送往某个数据中心在成排的GPU上跑完再把结果传回来。流畅、省心但也意味着你每一次生成都在依赖别人的算力、别人的计费规则、别人的网络。H3的意义恰恰在于它把这条链路按进了本地。33B参数听起来不小但作者通过精心的底层优化让它在M5 Max上跑得比很多人预想的要轻。不是勉强能跑而是端到端生成一条带声音的短片压缩在几十秒到一分钟出头的时间里。评论区里有人立刻算了一笔账一台96GB统一内存的机器理论上也能吃下这个模型。版本迭代里或许还有内存占用进一步下降的空间。换句话说本地跑视频模型这件事正从实验室和发烧友的专利慢慢滑向普通创作者也能伸手够到的位置。这对个人创作者的意义是结构性的。你生成的每一个画面、每一段音频数据全程不出本地你不需要为一次试验付云端的按分钟计费你的灵感也不会因为网络故障额度用完这种理由被卡在半路。从能用到好用还有多远当然冷静下来看这条路的余热还远没有烧尽。首当其冲的是速度与画质的平衡点。社区里有人指出74秒这个数字本身会因为场景不同而上下浮动文字生成视频、图片生成视频、还是从参考画面扩展模式不同耗时和显存占用都有差异。现在能跑和日常随手用之间还隔着好几轮优化。另一个现实是硬件门槛。M5 Max以及大容量统一内存的机型价格并不亲民。作者自己也承认这份方案更像是给愿意折腾、手里有高性能设备的人准备的第一块拼图而不是给所有人的傻瓜式产品。更微妙的是一群老用户的犹豫。评论区不止一个人提到自己试过MiniMax系的模型实际体验和宣传数字之间总有落差。开源与开源之间参数与参数之间真正落地的体验往往要比纸面规格复杂得多。这也是H3接下来需要面对的考题它能不能凭借本地部署这个差异化把能跑变成好用。算力民主化开始落到个人设备把H3放进更大的图景里看它只是最近这波边缘AI浪潮的一个缩影。几乎同一时间另一家公司的项目也在技术圈刷屏一个号称只有14MB的agentic大模型专门为手机、可穿戴设备、智能家居和机器人设计。与之呼应的是一批几十亿参数的小模型开始宣称自己在特定任务上的表现能比肩四倍于其规模的选手。这些信号指向同一个方向当模型越来越小、越来越能在个人设备上跑起来算力的分配方式正在被悄悄改写。过去是数据上云、算力集中未来可能是模型下沉、推理本地。对大公司来说是成本结构的竞争对普通用户来说是我手里的设备能做到什么的重新定义。antirez在分享里没有给任何宏大的预言。他只是展示了一条可行的路径然后把它丢给社区去尝试、去挑剔、去补全。这份克制反而比喊口号更有说服力——真正的技术民主化从来不是靠宣言而是靠一个又一个居然能在自己电脑上跑起来的时刻堆积出来的。那天晚上当第一条本地生成的视频完整播放完antirez大概也只是像平常一样记录下了一组数据。但对很多围观的人来说那个瞬间像是一扇窗被推开了一条缝视频生成的门槛正在从仰望云端变成触手可及。文中所用图片来源于网络仅供技术学习与交流。如权利人认为存在侵权请联系我们我们将在24小时内处理。
深夜的客厅里显示器的光映在桌面上。antirez——那位因为写了Redis而几乎每个后端程序员都认识的名字——把一段提示词丢给了本地跑着的模型然后看着画面一帧帧生成出来。没有调用任何云端API没有漫长的队列只有脚下那台机器自带的风扇声。这段画面不是一张普通的AI生成图。它是MiniMax-H3这个整整33B参数的视频生成模型在一台M5 Max芯片的Mac上端到端跑完文字到视频全流程的结果。从图片、配音到嵌入视频的音频一次打包渲染完成实测用时74秒左右峰值物理内存占用约40GB。在视频生成模型动辄要求多卡机柜的今天这个数字让不少人在社区里愣了几秒。antirez把这套方案开源了取名h3.c。他在项目介绍里写得很直白不是为了炫技而是想看看一个普通人手头的个人电脑到底能不能扛起视频生成的活。答案看起来是能。一次降维为什么值得兴奋过去的视频生成模型几乎被绑定在云端这个概念上。你输入一句描述请求被送往某个数据中心在成排的GPU上跑完再把结果传回来。流畅、省心但也意味着你每一次生成都在依赖别人的算力、别人的计费规则、别人的网络。H3的意义恰恰在于它把这条链路按进了本地。33B参数听起来不小但作者通过精心的底层优化让它在M5 Max上跑得比很多人预想的要轻。不是勉强能跑而是端到端生成一条带声音的短片压缩在几十秒到一分钟出头的时间里。评论区里有人立刻算了一笔账一台96GB统一内存的机器理论上也能吃下这个模型。版本迭代里或许还有内存占用进一步下降的空间。换句话说本地跑视频模型这件事正从实验室和发烧友的专利慢慢滑向普通创作者也能伸手够到的位置。这对个人创作者的意义是结构性的。你生成的每一个画面、每一段音频数据全程不出本地你不需要为一次试验付云端的按分钟计费你的灵感也不会因为网络故障额度用完这种理由被卡在半路。从能用到好用还有多远当然冷静下来看这条路的余热还远没有烧尽。首当其冲的是速度与画质的平衡点。社区里有人指出74秒这个数字本身会因为场景不同而上下浮动文字生成视频、图片生成视频、还是从参考画面扩展模式不同耗时和显存占用都有差异。现在能跑和日常随手用之间还隔着好几轮优化。另一个现实是硬件门槛。M5 Max以及大容量统一内存的机型价格并不亲民。作者自己也承认这份方案更像是给愿意折腾、手里有高性能设备的人准备的第一块拼图而不是给所有人的傻瓜式产品。更微妙的是一群老用户的犹豫。评论区不止一个人提到自己试过MiniMax系的模型实际体验和宣传数字之间总有落差。开源与开源之间参数与参数之间真正落地的体验往往要比纸面规格复杂得多。这也是H3接下来需要面对的考题它能不能凭借本地部署这个差异化把能跑变成好用。算力民主化开始落到个人设备把H3放进更大的图景里看它只是最近这波边缘AI浪潮的一个缩影。几乎同一时间另一家公司的项目也在技术圈刷屏一个号称只有14MB的agentic大模型专门为手机、可穿戴设备、智能家居和机器人设计。与之呼应的是一批几十亿参数的小模型开始宣称自己在特定任务上的表现能比肩四倍于其规模的选手。这些信号指向同一个方向当模型越来越小、越来越能在个人设备上跑起来算力的分配方式正在被悄悄改写。过去是数据上云、算力集中未来可能是模型下沉、推理本地。对大公司来说是成本结构的竞争对普通用户来说是我手里的设备能做到什么的重新定义。antirez在分享里没有给任何宏大的预言。他只是展示了一条可行的路径然后把它丢给社区去尝试、去挑剔、去补全。这份克制反而比喊口号更有说服力——真正的技术民主化从来不是靠宣言而是靠一个又一个居然能在自己电脑上跑起来的时刻堆积出来的。那天晚上当第一条本地生成的视频完整播放完antirez大概也只是像平常一样记录下了一组数据。但对很多围观的人来说那个瞬间像是一扇窗被推开了一条缝视频生成的门槛正在从仰望云端变成触手可及。文中所用图片来源于网络仅供技术学习与交流。如权利人认为存在侵权请联系我们我们将在24小时内处理。
