Hailuo 02 от MiniMax превосходит Google Veo 3 по пользовательским тестам при гораздо более низкой стоимости

Компания MiniMax представила Hailuo 02, второе поколение своей модели искусственного интеллекта ^[1] для видео, с существенными улучшениями как в производительности, так и в цене.

Новая модель использует архитектуру под названием Noise-aware Compute Redistribution (NCR), которая, по словам MiniMax, повышает эффективность обучения ^[2] и вывода в 2,5 раза. Архитектура NCR по-разному обрабатывает длинные видеопоследовательности в зависимости от этапа обучения. На ранних этапах обучения, когда в данные вносится много искусственного шума, видео сжимается максимально сильно. Позже, когда обучающие видео становятся более чёткими, модель обрабатывает их в полном разрешении.

По сравнению с предыдущей версией ^[3] Hailuo 02 имеет в три раза больше параметров и в четыре раза больше обучающих данных, при этом MiniMax также отмечает улучшение качества и разнообразия данных. Компания не раскрывает точное количество параметров или размер набора данных.

По данным MiniMax, Hailuo 02 демонстрирует явные улучшения в обработке сложных запросов и моделировании физических процессов. Компания утверждает, что на данный момент это единственная модель, способная точно генерировать сложные сцены, такие как гимнастические упражнения.

Hailuo 02 доступен в трёх вариантах: 768p на шесть секунд, 768p на десять секунд и 1080p на шесть секунд. Предыдущая модель была ограничена 720p, шестисекундными видео со скоростью 25 кадров в секунду.

В тесте «Искусственная видеоарена для анализа» ^[4], где пользователи оценивают видео, созданные конкурирующими моделями ИИ, Hailuo 02 занял второе место в категории «изображение-видео». Он уступил только Seedance от Bytedance ^[5] и опередил разрекламированный Google Veo 3. 

По данным MiniMax, с момента запуска демоверсии в августе прошлого года пользователи создали более 3,7 миллиарда видео на платформе Hailuo. Компания описывает свой первоначальный запуск как очень случайный, но говорит, что он быстро привлёк широкое внимание ^[6] авторов по всему миру.

Доступ к модели можно получить через веб-интерфейс, мобильное приложение или API. Для пользователей API создание шестисекундного видео в формате 768p стоит 0,28 доллара, а в формате 1080p — 0,49 доллара. Для сравнения, создание восьмисекундного видео в формате 1080p с помощью Google Veo 3 может стоить около 3 долларов, в зависимости от тарифного плана.

В MiniMax говорят, что они работают над улучшением скорости и стабильности генерации, а также над добавлением новых функций, помимо текущих возможностей преобразования текста в видео и изображения в видео. Конкурентоспособные платформы, такие как Runway, уже предлагают более продвинутые возможности, например отслеживание кадров.

Выпуск Hailuo 02 является частью MiniMax Week — пятидневного мероприятия, в ходе которого китайский стартап также представил языковую модель с открытым исходным кодом MiniMax-M1 ^[7] с указанием количества параметров и технической документацией. В отличие от этого, технические подробности об архитектуре обучения Hailuo 02 остаются нераскрытыми.

Пользуясь случаем, хочу порекомендовать BotHub  ^[8]— платформу, где можно протестировать все популярные модели без ограничений. Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке ^[9] вы можете получить 100 000 бесплатных токенов для первых задач и уже сейчас начать работать!

Источник ^[10]