H3-metal – Native MiniMax-H3 inference for Apple Silicon

该项目基于苹果的 Metal 框架构建，直接绕过了云端 API 或按月订阅的付费墙。根据开发者在 GitHub 上的说明，h3.c 通过一系列垂直切片的开发方式，已实现从文本提示到视频、音频生成的端到端功能。它支持首帧/末帧条件控制以及有序的 Ref2VA 参考素材注入，能够完成较为复杂的媒体创作任务 [来源：aitoolly.com]。目前，项目的开发重心已转向针对 M3 Max 和 M5 Max 等高端苹果芯片的增量性能与内存优化。

在实际运行表现上，h3.c 展现出了可观的效率。据 AI Weekly 报道，Hugging Face 上的 Transformer 检查点文件大小约为 33 GB，端到端生成时峰值物理内存占用约 40 GB。在 M5 Max 设备上，使用快速预设模式生成 512×512 分辨率的视频大约需要 16.69 秒，而激进的四步推理路径则可将时间缩短至约 3.5 秒 [来源：aiweekly.co]。此外，该项目还提供了交互式的 Iris 风格会话功能，支持在终端内实时预览生成结果 [来源：x.com]。

值得注意的是，这并非 MiniMax H3 在 Apple Silicon 上运行的唯一尝试。开发者 Michael Guo 此前也展示了在配备 128GB 内存的 M5 Max 上，利用 MLX 运行时优化 H3 模型的效果。他成功地在一次生成中完成了包含原生音频的 15 秒完整视频，而无需进行剪辑或拼接 [来源：x.com]。这些不同的技术路线共同表明，在本地高性能硬件上运行大型多模态模型正变得愈发可行。