又是一个名字全是大写字母的东西——MiniMax 放出 H3-VAE，PixPix 那边是首发上线的渠道。
不过这回名字带 VAE，指向很明确，动的是编解码这一层，不是换个采样器调调参那种小修小补。做视频的都懂，2K 分辨率下最吃资源的往往不是模型本身多聪明，而是每一帧进出潜空间的那点开销，单帧看着不起眼，帧数一乘上去就成了钱。压缩率往上抬一档，显存和推理时间是跟着一起掉的，这条路子比堆参数实在。
具体压到什么程度、重建质量掉多少，我目前没看到能对得上的说法，就不瞎猜了。真要判断值不值，盯两处：高频细节和文字招牌这种老大难解码后糊不糊；长片段里前后帧的抖动会不会被放大。这类东西纸面上再好看，也得等一堆人拿自己的素材跑过一轮才有数。