MiniMax H3: pesos abertos de vídeo com licença que exclui UE e EUA

A chinesa MiniMax liberou em 3 de agosto de 2026 os pesos do H3, seu modelo de geração de vídeo com áudio nativo. A publicação chamou atenção por colocar um modelo de fronteira ao alcance de quem tem uma GPU razoável — mas o detalhe que mais importa para empresas está no arquivo de licença, não na ficha técnica.

O Contrato de Licença Comunitária do MiniMax H3 define um “Território Aplicável” mundial excluindo a União Europeia, o Reino Unido, a República da Coreia e os Estados Unidos. Quem estiver nessas regiões precisa de autorização separada da MiniMax para usar os pesos localmente. O Brasil não consta da lista de exclusões — o que coloca desenvolvedores e empresas brasileiras entre os que podem operar sob a licença comunitária sem negociação adicional.

É uma inversão curiosa do padrão que se acostumou a ver em lançamentos de modelos abertos, e vale entender tanto a tecnologia quanto o raciocínio por trás da restrição.

O que o H3 faz

O H3 é descrito pela MiniMax como um sistema generativo omni-modal de propósito geral. Ele aceita contextos multimodais compostos por texto, imagem, vídeo e áudio, e gera vídeo com áudio estéreo nativo — não uma trilha adicionada depois, mas som previsto junto com a imagem no mesmo processo.

O suporte estável a diálogo em português é um detalhe operacionalmente relevante para produção de conteúdo no Brasil, e aparece na documentação oficial ao lado de árabe, chinês, inglês, francês, alemão, italiano, japonês, coreano, russo e espanhol.

Arquitetura: três módulos, dois deles fechados

O sistema completo tem três partes, e apenas uma foi liberada.

H3-Context-IR é a camada de pré-processamento. Ela interpreta as relações entre texto, imagens, áudio e vídeos de referência, faz análise de instrução, associação entre modalidades, compreensão temporal e raciocínio lógico, e serializa tudo em uma representação intermediária estruturada que o gerador consome. A MiniMax afirma que esse módulo é crítico para a qualidade final — e o mantém fechado, por depender de fluxo multiestágio e de serviços hospedados. Há API para reproduzir o comportamento oficial.

H3-Base é o gerador propriamente dito, e é o que foi aberto. Ele produz saída a 768p.

H3-Regenerate-2K realimenta o resultado de 768p junto com o contexto original para regenerar a saída em 2K. A escolha de projeto é interessante: em vez de um módulo dedicado de superresolução, a MiniMax reaproveita o próprio modelo em modo de contexto. A vantagem alegada é que o contexto original permite recuperar detalhes finos — texto pequeno, por exemplo — que um superresolucionador convencional teria de adivinhar. Esse módulo também não foi liberado.

Na prática, quem baixa os pesos obtém o H3-Base e uma saída nativa de 768p. Os clipes em 2K das demonstrações passam por um módulo que continua sendo serviço hospedado.

Detalhes técnicos do H3-Base

O núcleo é o H3-Omni-Transformer, um Transformer denso de fluxo único com 33 bilhões de parâmetros. Cerca de 13 bilhões desses parâmetros ficam em ramos relacionados a AdaLN (normalização de camada adaptativa) cujas saídas de modulação podem ser pré-computadas e armazenadas em cache — ou seja, não precisam ser carregadas em implantações que só fazem inferência. É daí que vêm as versões podadas dos checkpoints.

Nem as camadas de atenção nem as camadas feed-forward contêm estruturas específicas por modalidade; os parâmetros dedicados a cada modalidade ficam confinados às camadas de entrada e saída e aos ramos AdaLN. O posicionamento usa embeddings rotacionais multimodais tridimensionais (MM-RoPE), cobrindo tempo e as duas dimensões espaciais.

Os codificadores merecem nota. O H3-Encoder usa os pesos pré-treinados completos do Qwen3-VL-32B — modelo da Alibaba distribuído sob Apache 2.0 — e fornece os estados ocultos da 50ª camada ao transformador. O H3-VisualVAE é um autoencoder de vídeo causal no tempo com fator de compressão espacial de 16×, temporal de 4× e 24 canais latentes. O H3-AudioVAE processa cada canal estéreo independentemente com o mesmo codificador, comprimindo áudio de 32 kHz em tokens latentes a 40 Hz.

Uma limitação declarada: o H3 suporta nativamente treinamento e inferência com atenção esparsa, mas a implementação esparsa não faz parte do lançamento inicial. O que foi liberado roda apenas com atenção completa, o que significa custo computacional maior em sequências longas. A MiniMax promete publicar a versão esparsa depois.

São distribuídos dois checkpoints por tarefa: FL2VA, que aceita zero, uma ou duas imagens (texto para vídeo, primeiro quadro, último quadro ou ambos), e Ref2VA, para entradas de referência múltiplas — até nove imagens, três clipes de vídeo e três de áudio, com máximo de 12 arquivos combinados. Ambos são pesos destilados por CFG.

A licença, item por item

A parte que exige leitura atenta é o contrato. Os pontos principais, conforme documentado no repositório do Hugging Face com data de vigência de 2 de agosto de 2026:

• Território Aplicável: mundial, excluindo União Europeia, Reino Unido, República da Coreia e Estados Unidos. A vedação alcança não apenas os pesos, mas também as saídas geradas — o texto proíbe usar, reproduzir, modificar, distribuir ou exibir as obras ou seus resultados fora do território aplicável.
• Atribuição: produtos comerciais que usem o modelo devem exibir “MiniMax H3” de forma proeminente na interface. É uma alteração de produto, não uma nota de rodapé.
• Limite de receita: uso comercial é gratuito até US$ 20 milhões de receita anual. Acima disso, é necessária autorização prévia por escrito da MiniMax. O critério é a receita da empresa, não o volume de uso do modelo.
• Proibição de destilação: não é permitido usar o H3 nem suas saídas para melhorar qualquer outro modelo de inteligência artificial.
• Redistribuição: exige acompanhar o contrato, incluir arquivo NOTICE e marcar arquivos modificados — obrigações que se estendem a usuários posteriores.
• Foro: lei e jurisdição exclusiva de Hong Kong.
• Componente aberto: o codificador de texto Qwen3-VL-32B permanece sob Apache 2.0.

A própria MiniMax publicou um documento explicando a restrição territorial. O argumento é que modelos de vídeo enfrentam um cenário regulatório mais volátil que os de texto — a empresa cita o AI Act europeu, regras do Reino Unido e da Coreia do Sul e litígios de direitos autorais em curso nos Estados Unidos sobre vídeo generativo. Uma vez públicos, os pesos escapam a qualquer salvaguarda que a empresa possa aplicar. A formulação usada no documento é que a limitação atual significa “ainda não”, e não “nunca”; o repositório traz formulário para solicitar licença separada.

Há também uma consequência operacional explícita: a API hospedada continua disponível globalmente, porque nesse caso a MiniMax controla a infraestrutura de atendimento. Quem está em território excluído e precisa do modelo passa a ser cliente de um serviço, não licenciado dos pesos — relação jurídica diferente.

Desempenho, custos e o que dizer com cautela

Avaliações independentes situam o H3 no topo em edição de vídeo. Segundo levantamento da Artificial Analysis citado por veículos especializados, o modelo aparece em primeiro lugar em edição e entre os três primeiros em texto-para-vídeo e imagem-para-vídeo, mas fica atrás do Gemini Omni Flash em texto-para-vídeo e atrás de Seedance 2.0 e Gemini Omni Flash em imagem-para-vídeo. É liderança em uma categoria, não em todas — e são avaliações de terceiros, com metodologias próprias, não benchmarks publicados pela MiniMax.

Sobre requisitos de hardware, os números que circulam vêm de análises de terceiros e não da documentação oficial. Publicações que examinaram os arquivos do repositório reportam que o conjunto mínimo funcional para uma tarefa fica em torno de 42,5 GB, contra cerca de 123,6 GB se forem baixadas as versões em precisão completa. A equipe do ComfyUI afirma que uma placa de 12 GB consegue rodar o modelo com descarregamento dinâmico de memória. Esses valores devem ser tratados como afirmações de terceiros: descarregamento troca memória de vídeo por memória de sistema e tempo de execução, e o desempenho real depende da configuração.

Impactos e limitações

O ponto positivo mais direto é a autonomia. Um modelo de vídeo com áudio nativo que roda localmente permite trabalhar com material que não pode sair da rede da organização — o que interessa a quem lida com conteúdo sob sigilo, imagem de pessoas identificáveis ou dados sujeitos à LGPD. Também permite ajuste fino, algo que serviços hospedados não oferecem.

A geração de vídeo realista com voz sincronizada e som ambiente carrega riscos conhecidos de uso indevido: falsificação de declarações, criação de material enganoso e uso indevido de imagem. A MiniMax aplica moderação automatizada sobre entradas e prompts aprimorados no serviço hospedado e afirma que o filtro não elimina falsos positivos nem falsos negativos — e, por definição, essa moderação não acompanha os pesos executados localmente. Quem opera o modelo em infraestrutura própria assume integralmente a responsabilidade por controles de uso, o que no Brasil inclui obrigações de direito de imagem e de proteção de dados.

Do lado das limitações técnicas: a saída local é 768p, a atenção esparsa não veio no lançamento, e dois dos três módulos do sistema permanecem fechados. Quem espera reproduzir localmente exatamente o que a API entrega vai encontrar uma diferença de qualidade que decorre da arquitetura, não de configuração.

Recomendações práticas

• Leia a cláusula de território antes de baixar. Se sua organização tem operação ou subsidiária na UE, no Reino Unido, na Coreia do Sul ou nos EUA, a licença comunitária pode não cobrir o uso — e a vedação alcança também as saídas geradas.
• Verifique o limite de receita. Empresas acima de US$ 20 milhões anuais precisam de autorização escrita antes do uso comercial, independentemente do volume de geração.
• Planeje a exibição da atribuição. “MiniMax H3” precisa aparecer de forma proeminente na interface de produtos comerciais — envolva o time de produto cedo.
• Não conte com moderação embutida. Se rodar localmente, implemente seus próprios controles de conteúdo, registro de uso e política de consentimento para uso de imagem.
• Dimensione para 768p. Trate a saída em 2K como dependente de serviço hospedado até que o módulo de regeneração seja publicado, se for.
• Consulte assessoria jurídica. Este texto descreve as cláusulas conforme publicadas; a avaliação de aplicabilidade ao seu caso não é matéria de reportagem.

Conclusão

O H3 é tecnicamente relevante — um gerador denso de 33 bilhões de parâmetros que produz vídeo e áudio conjuntamente, com arquitetura documentada em detalhe e pesos efetivamente baixáveis. Mas o lançamento é também um caso pouco comum de licenciamento em que a geografia do usuário determina o que ele pode fazer, e no qual as regiões excluídas são justamente as de regulação mais avançada.

Para o Brasil, isso cria uma janela: as ferramentas estão disponíveis sob a licença comunitária, sem a necessidade de negociação individual que empresas americanas e europeias enfrentam. Essa janela vem acompanhada de responsabilidade proporcional, já que nenhum dos controles do serviço hospedado acompanha os pesos.

O que observar a seguir: se a lista de territórios excluídos será revista conforme o cenário regulatório se estabiliza, se a MiniMax publicará a implementação de atenção esparsa e o módulo de regeneração em 2K, e se outros laboratórios adotarão o mesmo desenho de licenciamento por jurisdição.

Fontes e referências

• MiniMax — Open General Intelligence: MiniMax H3 Is Now Open Source (3 de agosto de 2026), incluindo especificações, arquitetura e fluxo de trabalho recomendado
• Hugging Face — Repositório oficial MiniMaxAI/MiniMax-H3, com o texto do Contrato de Licença Comunitária e o documento de perguntas e respostas sobre a licença
• Atlas Cloud — MiniMax H3 Open Source Weights: 42.5 GB, and 4 Excluded Countries (5 de agosto de 2026), análise de terceiros sobre tamanhos de arquivo e cláusulas de licença
• ComfyUI — MiniMax H3 day-0 support in ComfyUI (agosto de 2026), com as afirmações sobre redução de memória e execução em placas de menor capacidade
• South China Morning Post — Video AI: MiniMax challenges ByteDance with low price, open weights in new H3 model (julho de 2026)