2.78 วินาที: H3 Max สร้างวิดีโอ 768p คว้าอันดับ 1 จากการประเมินอิสระ

H3 Max ที่พัฒนาโดย fal สร้างวิดีโอความยาว 5 วินาที ความละเอียด 768p ได้ใน 2.78 วินาที และมีปริมาณการประมวลผลสูงกว่าเอนด์พอยต์อย่างเป็นทางการของ MiniMax H3 ราว 35 เท่า

fal เปิดตัว H3 Max เมื่อวันที่ 27 สิงหาคม พร้อมระบุว่าได้นำโอเพนเวตของ MiniMax H3 มาฝึกเพิ่มเติมและปรับแต่งเอนจินประมวลผล โดยเวลาสร้างวิดีโอของ H3 Max เป็นตัวเลขที่วัดในสภาพแวดล้อมของ fal เอง

ภายใต้เงื่อนไขเดียวกัน MiniMax H3 ใช้เวลา 53.20 วินาที อย่างไรก็ตาม ตัวเลข 35 เท่าเป็นการเปรียบเทียบปริมาณการประมวลผลระหว่างเอนด์พอยต์อย่างเป็นทางการของ fal กับสภาพแวดล้อมที่บริษัทวัดเอง ไม่ใช่การแปลงเวลาสร้างของทั้งสองโมเดลให้แตกต่างกัน 35 เท่าโดยตรง

H3 Max พัฒนาบนพื้นฐานของ H3 ซึ่งเป็นโมเดลสร้างวิดีโอและเสียงของ MiniMax โดยผ่านการฝึกเพิ่มเติมเพื่อยกระดับความเข้าใจพรอมต์และคุณภาพด้านภาพ พร้อมคงความสามารถหลักของ H3 ที่สร้างวิดีโอและเสียงไปพร้อมกัน

โมเดลทั้งสองมีเงื่อนไขเอาต์พุตแตกต่างกัน MiniMax H3 รองรับความละเอียดสูงสุด 2K และวิดีโอความยาว 5-15 วินาที รวมถึงการใช้ข้อมูลอ้างอิงหลายประเภท เช่น ภาพ วิดีโอ และเสียง

H3 Max เน้นการสร้างที่รวดเร็วโดยใช้ความละเอียด 768p จึงเป็นโมเดลที่ปรับให้เหมาะกับงานซึ่งให้ความสำคัญกับเวลาแฝงต่ำ มากกว่าความยืดหยุ่นด้านความละเอียดและรูปแบบข้อมูลนำเข้า

fal ระบุว่า H3 Max สามารถนำไปใช้กับการสตรีมแบบเรียลไทม์ การสร้างวิดีโอระหว่างการถ่ายทอดสด และการผลิตวิดีโอสั้นสำหรับโซเชียลมีเดียได้ ทั้งนี้ เวลาแฝงและต้นทุนในสภาพแวดล้อมการใช้งานจริงอาจแตกต่างกันตามปริมาณการใช้งาน คิวรอ และเงื่อนไขการเรียกใช้

fal ยังระบุว่า H3 Max ได้อันดับ 1 ในการประเมินความชอบของบริษัทเองทั้งด้านคุณภาพโดยรวม ความเข้าใจพรอมต์ และคุณภาพเชิงสุนทรียะ การประเมินดังกล่าวมีโมเดลเข้าร่วม 12 รายการ รวมถึง MiniMax H3, Gemini Omni Flash, Wan 3.0, Seedance 2.5, Kling 3 และ Veo 3.1

ผลลัพธ์นี้เป็นการเปรียบเทียบที่ fal จัดทำขึ้น จึงควรแยกจากการประเมินอิสระ และไม่อาจสรุปจากอันดับความชอบที่บริษัทนำเสนอเพียงอย่างเดียวว่า H3 Max เหนือกว่าในทุกสภาพแวดล้อมการใช้งาน

สำหรับการประเมินอิสระ H3 Max อยู่ที่อันดับ 1 ด้วยคะแนน Elo 1195 ณ วันที่ 18 กันยายน บนลีดเดอร์บอร์ดรวมภาพเป็นวิดีโอและเสียงของ Artificial Analysis

ลีดเดอร์บอร์ดดังกล่าวคำนวณคะแนนและอันดับจากการโหวตความชอบแบบปกปิดของผู้ใช้ต่อข้อมูลนำเข้าเดียวกัน ผลลัพธ์จึงอาจเปลี่ยนแปลงได้ตามจำนวนตัวอย่างและคะแนนโหวตสะสม และควรใช้เป็นอันดับ ณ ช่วงเวลาหนึ่ง

การชูจุดเด่นทั้งความเร็วและคุณภาพไม่ได้หมายความว่าจะไม่มีการสูญเสียคุณภาพ การเปรียบเทียบความเร็วที่บุคคลที่สามทำซ้ำได้ภายใต้ฮาร์ดแวร์และเงื่อนไขเอาต์พุตเดียวกัน รวมถึงการตรวจสอบคุณภาพที่ครอบคลุมเงื่อนไขการผลิตทั้งหมด ยังต้องพิจารณาตามเกณฑ์แยกต่างหาก

การเลือกใช้งานอาจขึ้นอยู่กับเป้าหมายของงาน หากต้องสร้างและปรับแก้วิดีโอสั้นหลายรอบอย่างรวดเร็ว H3 Max อาจเหมาะสมกว่า แต่หากต้องการเอาต์พุต 2K ใช้วิดีโอหรือเสียงอ้างอิง และควบคุมรายละเอียดการผลิต MiniMax H3 จะมีตัวเลือกที่กว้างกว่า

การเปิดตัวครั้งนี้สะท้อนว่า การนำโมเดลโอเพนเวตไปฝึกเพิ่มเติมโดยบริษัทอื่นและปรับแต่งโครงสร้างพื้นฐานด้านการประมวลผล อาจกลายเป็นปัจจัยสร้างความแตกต่างของบริการสร้างวิดีโอได้ ก่อนหน้านี้ TokenPost เคยรายงานกรณีที่ fal ระบุว่า H3 Max สร้างวิดีโอความยาว 5 วินาทีได้ในช่วง 3 วินาที

ครั้งนี้มีการยืนยันเวลาสร้างที่เฉพาะเจาะจงคือ 2.78 วินาที รวมถึงอันดับบนลีดเดอร์บอร์ดอิสระของ Artificial Analysis ที่เพิ่มเข้ามา fal ระบุว่าจะให้บริการ H3 Max ผ่านแพลตฟอร์มและ API โดยผู้ใช้สามารถเลือกโมเดลตามความละเอียด ความยาววิดีโอ และการรองรับข้อมูลอ้างอิง