Open-Source KI-Video schlägt Sora
Open-Source-KI-Videogenerierung hat gerade etwas geschafft, das für unmöglich gehalten wurde. Sie hat die geschlossenen Modelle auf ihrem eigenen Spielfeld geschlagen.
Am 3. August veröffentlichte das chinesische KI-Startup MiniMax die Gewichte seines H3-Videogenerierungsmodells. Stunden später stand das Modell an der Spitze des Artificial Analysis Leaderboards -- das erste Open-Weight-Modell, das diese Position in einer großen KI-Video-Rangliste erreicht hat. Es belegt Platz eins in der Videobearbeitung, Platz zwei bei Text-zu-Video und Platz drei bei Bild-zu-Video und übertrifft damit OpenAIs Sora, Googles Veo und ByteDances Seedance in mehreren Kategorien.
Der Sora-Graben ist kein Graben mehr. Er ist eine Bremsschwelle.
Was H3 tatsächlich kann
H3 ist kein Videomodell im herkömmlichen Sinne. MiniMax nennt es ein "omni-modales" Modell, das Text, Bilder, Video und Audio als einheitlichen Eingaberaum verarbeitet, anstatt separate Submodelle zu betreiben. Die Architektur ist ein Transformer mit 33 Milliarden Parametern, der bis zu neun Referenzbilder, drei Videoclips und drei Audioclips in einem einzigen Prompt akzeptiert. Es erzeugt vier bis fünfzehn Sekunden lange Clips mit nativem Stereo-Ton, der parallel zum Video generiert wird und nicht nachträglich hinzugefügt wird.
Die Modellkarte auf HuggingFace verzeichnet innerhalb von Stunden nach der Veröffentlichung 5.391 Downloads und 1.277 Likes, was H3 zu einem der am schnellsten angenommenen Videomodelle auf der Plattform macht. Der Community-Port für ComfyUI erreichte 399 Likes.
Der Haken: "Open" hat Grenzen
Zwei kritische Komponenten von H3 bleiben proprietär. Der 2K-Auflösungs-Upscaler -- das Modul, das 2K-Videoausgabe ermöglicht -- ist geschlossen. Ebenso H3-Context-IR, das Prompts und Referenzmaterial in ein strukturiertes Zwischenformat übersetzt. Ohne Context-IR müssen Nutzer, die H3 lokal betreiben, die Prompt-Strukturierung selbst mit veröffentlichten Leitfäden vornehmen.
Das bedeutet, dass die lokale Inferenz bei 768p Auflösung endet. Die volle 2K-Erfahrung erfordert MiniMax' Cloud-API, die etwa ein Drittel der konkurrierenden Dienste kostet. Laut Pandaily liegt die API bei CNY 0,8 pro Sekunde Video -- etwa 0,11 US-Dollar -- verglichen mit Soras etwa 0,30 US-Dollar pro Sekunde.
Die Lizenz fügt eine weitere Einschränkung hinzu: Die kommerzielle Nutzung ist nur für Unternehmen mit weniger als 20 Millionen US-Dollar Jahresumsatz erlaubt. Größere Unternehmen müssen direkt mit MiniMax verhandeln.
Die Wettbewerbslandschaft heizt sich auf
H3 startete am selben Tag, an dem ByteDance Seedance 2.5 veröffentlichte, ein geschlossenes Modell, das 30-Sekunden-Clips mit integriertem Audio erzeugt. Das Timing war kein Zufall -- beide chinesischen KI-Unternehmen sind im Rennen um einen Markt, der bis vor kurzem als exklusive Domäne US-amerikanischer Firmen galt.
Alibaba veröffentlichte ebenfalls am selben Tag Qwen3.8-Max, was den 3. August zu einem konzentrierten Schlag chinesischer KI-Veröffentlichungen macht. The Information berichtete, dass MiniMax' H3-Start Teil einer breiteren Strategie ist, sich als das "DeepSeek für multimodale KI" zu positionieren: Open-Weight, aggressiv bepreist und auf Entwickler ausgerichtet.
Die Aktie von MiniMax stieg um fast 13 Prozent an der Hongkonger Börse nach der Ankündigung.
Was das für die Video-KI-Landschaft bedeutet
Die Annahme, dass KI-Videogenerierung proprietäre, API-only Modelle erfordert, war seit Soras Debüt die Branchenannahme. H3 stellt diese Annahme direkt in Frage. Ein Open-Weight-Modell, das auf standardisierten Benchmarks wettbewerbsfähig ist, bedeutet, dass Entwickler auf benutzerdefiniertes Filmmaterial feinabstimmen, sich an bestimmte visuelle Stile anpassen und Inferenz auf eigener Hardware ausführen können.
AMD ROCm-Unterstützung beim Start bedeutet, dass das Modell auf GPUs von Nvidia und AMD läuft -- ein bemerkenswerter Schritt in Richtung Hardware-Diversität bei KI-Video-Inferenz. Zwei RTX 5090 Karten reichen für 768p lokale Generierung.
Der Nachteil ist real. Ohne Context-IR haben lokale Nutzer eine deutlich schlechtere Erfahrung. Die 2K-Lücke bedeutet, dass die beste Ausgabe immer noch Cloud-exklusiv ist. Und die 20-Millionen-US-Dollar-Umsatzgrenze für die kommerzielle Nutzung bedeutet, dass die meisten Startups verhandeln oder auf eine Weiterentwicklung der Lizenz warten müssen.
Aber die Richtung ist klar. Jedes geschlossene Modell, das von einem offenen übertroffen wird, verliert ein Stück seiner Aura der Unvermeidlichkeit. Sora sollte die Obergrenze sein. H3 hat gerade bewiesen, dass die Obergrenze niedriger ist, als irgendjemand dachte.
Sources
- MiniMax H3 auf HuggingFace
- The Decoder: China's MiniMax H3 ist das erste Open Model auf Platz eins
- Startup Fortune: MiniMax H3 unterbietet Sora und Veo bei Preis und Offenheit
- SCMP: Video-KI: MiniMax fordert ByteDance mit niedrigen Preisen und offenen Gewichten heraus
- Pandaily: MiniMax veröffentlicht Open-Source Full-Modal Model H3
- The Information: Chinas MiniMax startet neues Open-Source KI-Videomodell
- Artificial Analysis: Video Model Leaderboard