Váhy videomodelu MiniMax H3 licence v EU, Británii, Jižní Koreji ani USA nepovoluje

Čínská MiniMax zveřejnila váhy modelu MiniMax H3, který z textu, obrázků, videa a zvuku skládá krátké video se synchronizovanou stereofonní stopou. Soubor LICENSE uvádí jako datum vydání i jako datum licence 2. srpna 2026, první commit v repozitáři nese datum 3. srpna. Stahuje se bez registrace a bez schvalování. Licence ale vymezuje území, na kterém platí, a Evropská unie mezi ně nepatří.

Území, na kterém licence platí

Smlouva se jmenuje MiniMax H3 Community License Agreement a omezuje svou působnost na „Applicable Territory“. Tím je podle vlastní definice celý svět kromě „Excluded Territories“, a těmi jsou Evropská unie, Spojené království, Korejská republika a Spojené státy americké. Oddíl V k tomu dodává, že mimo povolené území se váhy ani jejich výstupy nesmějí používat, rozmnožovat, upravovat, šířit ani zobrazovat.

Pro čtenáře v Česku to znamená, že soubory stáhne, ale licenci k jejich použití nemá. Cesta ven existuje: MiniMax v samostatném dokumentu s otázkami k licenci odkazuje na formulář, kterým se organizace z vyloučených zemí může o svolení přihlásit; firma pak posoudí, jak chce žadatel model nasadit, a užití povolit může.

Důvod v tom dokumentu popisuje sama. Modely na video podle ní stojí před složitějším a rychleji se měnícím regulatorním prostředím než modely na text a kód; jmenuje rozbíhající se vymáhání evropského aktu o umělé inteligenci, nejasnosti kolem strojově vytvořeného obsahu v Británii a Jižní Koreji a autorskoprávní řízení ve Spojených státech, kterých se firma účastní a která se týkají právě generování videa. Dnešní omezení znamená „zatím ne“, ne „nikdy“, píše se tam (v originále „not yet“, ne „not ever“; překlad náš). Rozhraní API zůstává dostupné po celém světě, protože nad ním firma drží kontrolu, kterou nad rozdanými váhami mít nemůže.

Že je to nová věc, se pozná srovnáním s předchozím modelem téže firmy. V licenci textového modelu MiniMax M3, vydaného v červnu, se slovo „territory“ neobjevuje ani jednou.

Co licence chce po tom, kdo ji přijme

Uvnitř povoleného území je licence bezplatná a nevýhradní, dovoluje úpravy i odvozené modely a na výstupy si MiniMax žádná práva nenárokuje. Podmínky jsou tři a patří si je přečíst dřív, než se model dostane do produktu:

• Kdo z produktů a služeb postavených na H3 vydělá přes 20 milionů dolarů ročně, potřebuje předchozí písemné svolení; žádá se e-mailem s předepsaným předmětem zprávy.
• Komerční produkt musí označení „MiniMax H3“ zřetelně ukázat ve svém rozhraní.
• Výstupy modelu se nesmějí použít ke zlepšování jiného modelu než H3 a jeho odvozenin.

Spory řeší soudy zvláštní administrativní oblasti Hongkong, poskytovatelem je podle licence společnost Nanonoble Pte. Ltd. Textový kodér uvnitř modelu je převzatý Qwen3-VL-32B pod Apache 2.0, což licence sama v závěrečné poznámce uvádí.

Ze tří modulů jsou venku váhy jednoho

Karta modelu popisuje H3 jako soustavu tří dílů: H3-Context-IR převádí zadání uživatele na strukturovaný popis, H3-Base z něj vyrobí video a zvuk v rozlišení 768 pixelů na kratší straně a H3-Regenerate-2K výsledek znovu vygeneruje ve 2K. Otevřený je z toho prostřední díl.

O prvním z nich karta píše, že je pro kvalitu výsledku rozhodující a že jeho zařazení do řetězce firma důrazně doporučuje, o dva odstavce dál pak, že součástí otevřeného vydání není, protože stojí na vícestupňovém postupu a několika provozovaných službách. Nahrazuje ho placené rozhraní. U modulu pro 2K stojí v kartě, že otevřený „zatím“ není a že ho firma vydá, až bude připravený. Třetí chybějící věc je řídká pozornost (sparse attention), kterou model v závěru učení dostal, aby zlevnil dlouhé sekvence: první otevřené vydání podle karty umí odvozování jen s plnou pozorností.

U sebe doma tedy vznikne video dlouhé 4 až 15 sekund při 24 snímcích za sekundu se zvukem v 32 kHz stereo, v 768 pixelech a bez té části, kterou karta označuje za rozhodující. Reprodukovat oficiální výsledek ve 2K jde jen tak, že se místní běh doplní o dvě volání do cloudu MiniMaxu; přesně tenhle postup karta popisuje krok za krokem.

Skoro půl terabajtu, a víc než dvě pětiny dvakrát

Repozitář má podle součtu velikostí všech souborů, které vrací rozhraní Hugging Face, 498,57 GB. Rozpadá se na dvě úlohové sady po 144,05 GB (FL2VA pro text a krajní snímky, Ref2VA pro práci s referencemi) a na zbylých 210,47 GB, což je z větší části tatáž váha ještě jednou, jen ve formátu knihovny diffusers. Ta druhá kopie přibyla do repozitáře dvě hodiny po prvním commitu.

Návod na kartě přitom radí stáhnout celý repozitář jediným příkazem. Kdo ho poslechne, přenese si skoro půl terabajtu za situace, kdy jedna úlohová sada, se kterou se dá pracovat, váží 144 GB. Uvnitř každé sady je 66,73 GB textový kodér, 66,28 GB vlastní transformer, 10,42 GB obrazový autokodér a 0,61 GB zvukový.

Karta u transformeru uvádí 33 miliard parametrů, z toho zhruba 13 miliard v modulačních větvích AdaLN, jejichž výstupy se dají spočítat předem, takže se při pouhém odvozování nemusí načítat. Zbývá 20 miliard parametrů, tedy po dvou bajtech na parametr kolem 40 GB (dopočet náš, karta ho neuvádí). Vydané váhy jsou úplné právě proto, aby se model dal doučovat.

Devatenáct sekund na osmi kartách, devět minut na dvou

Vlastní čísla o rychlosti MiniMax nezveřejnil. Změřil je projekt SGLang ve svém návodu k nasazení, a to na jednom požadavku: video 1344×768 o 124 snímcích, 50 kroků odšumování, jeden požadavek naráz a jedno měření po jednom zahřívacím běhu.

Na osmi kartách NVIDIA B300 v jednom uzlu trval takový požadavek 19,04 s při špičce 83 578 MB na kartu; s osmibitovým kvantováním 18,03 s a 51 926 MB. Táž úloha na dvou herních kartách GeForce RTX 5090 s odkládáním vrstev (layerwise offload) doběhla za 559,67 s, z toho 525,05 s odšumování a 33,61 s dekódování, se špičkou 26,3 GiB na kartu. To je devětadvacetkrát déle (podíl je náš).

Dvě věci návod neříká. Verzi SGLangu, na které se měřilo, neuvádí – instaluje se předběžné vydání. A u tabulky pro čtyři karty H100 neopakuje, jaký požadavek časoval, takže se její hodnoty s tabulkou pro B300 porovnat nedají.

Co se dá hlídat dál

MiniMax v dokumentu k licenci slibuje, že případnou změnu územního rozsahu oznámí a neprovede ji potichu. To se dá ověřit i bez důvěry: soubor LICENSE leží ve verzovaném repozitáři, takže každá úprava po sobě nechá commit s datem. Do té doby platí, co v něm stojí dnes: váhy si u nás stáhne kdokoli, ale použít je podle téhle licence nesmí.

Zdroje: karta modelu MiniMax-H3 a její soubory LICENSE a QA-about-License.md, výpis velikostí z rozhraní api.huggingface.co, licence modelu MiniMax-M3 a návod projektu SGLang.