給 AI 一張陶罐碎片圖，它能還原破裂過程嗎？Minimax H3 vs Seedance 2.0 Fast 實測
给 AI 一張陶罐碎片圖，它有辦法還原陶罐破裂的過程嗎？這個問題如果放在過去，答案多半取決於模型所在的平台與權限；但如今，隨著 MiniMax 開放 H3 模型權重，這類實驗開始有了新的可能。H3 或許不是市面上物理仿真能力最強的視頻生成模型，卻被視為開放權重視頻模型的一道分水嶺，它所代表的意義，遠不止於「又多了一個可用模型」這麼簡單。過去很長一段時間，高品質的視頻生成能力大多集中在閉源平台之中。無論是大型語言模型延伸出的影像工具，還是專注於物理模擬的生成系統，最成熟的版本往往以黑盒形式對外提供服務。
開發者或內容團隊想要使用這些能力，通常只能透過 API 或網頁產品進行調用，模型的內部運作方式、可調整的空間都相當有限。即使是在提示詞上反覆嘗試，使用者能觸及的參數與權重依然受限，更不用說針對特定任務進行微調或二次開發。而 H3 的開放，改變了這層限制，讓一部分高階視頻生成能力真正進入本地環境。這意味著研究者可以更自由地測試模型的邊界，開發者能夠將模型接入自己的既有工作流，內容團隊也能針對特定風格與場景進行更細緻的實驗，而不是被綁在單一平台的預設框架裡。以「陶罐碎片還原破裂過程」這類題目為例，過去若要讓 AI 倒推出碎片如何從完整陶罐中裂開，通常得依賴閉源平台所提供的生成介面。
使用者能做的，多半是調整文字描述、更換參考圖片、反覆生成比較結果，卻無法深入模型內部去理解它如何判斷裂紋走向、材質受力與時序推演。H3 開放權重後，這類實驗終於可以進入本地環境：研究者可以加載模型、觀察中間特徵、修改推理過程，甚至針對物理模擬的弱點進行有系統的測試。這不只是一次技術展示，更代表了一種可重複、可驗證的研究路徑。過去，當某個閉源模型產出令人驚豔的物理效果時，外界往往只能看到最終結果，難以確認是模型真正理解力學，還是偶然出現在訓練資料中的相似片段。而開放權重讓這類問題有了被拆解的可能：透過控制變因、檢查內部表徵、分析不同碎片的生成次序，研究者可以更接近「模型如何理解世界」的真相。
對開發者而言，H3 的開放也帶來了實務上的便利。無需將大量影像素材上傳至外部平台，也無需受限於 API 的速率與合規要求，模型可以在本地伺服器或自有算力環境中運行。這對於涉及敏感資料、美術風格保密度高、或需要離線處理的團隊來說，意義格外重要。同時，開放權重也讓模型可以與其他開源工具鏈結合，例如接上自動化資料標註、物理引擎驗證、或是生成結果的後製修飾流程，形成更完整的生產管線。內容創作端同樣受惠於這波開放趨勢。不同於過去只能在平台提供的風格模板中打轉，團隊現在可以基於 H3 進行微調，讓模型更貼近特定品牌的視覺語言、特定導演的鏡頭習慣，或是特定類型影片所需的物理誇張程度。
例如，有些專案需要強調碎裂瞬間的張力，有些則需要更寫實的碎片飛散路徑，這些差異化需求，在封閉模型中往往只能靠提示詞勉強達成，但在開放權重後，卻可以透過調整模型本身來實現。當然，開放並不代表完美。H3 在物理仿真能力上仍非市場上最頂尖的選擇，某些複雜的流體互動、軟性物體形變或長時間的連鎖反應，可能還存在明顯的生成瑕疵。但正因為權重開放，這些弱點也不再是無從改善的天花板。社群可以協力找出失敗案例、共享微調成果、甚至發展出專門補強物理規則的外掛模組，讓模型在實際使用中持續進化。從更宏觀的角度來看，MiniMax 選擇開放 H3 權重，對整個視頻生成行業來說是一個值得關注的信號。
它象徵著高階生成能力的供給方式正在從封閉走向開放，也讓外界開始重新思考：當模型不再只是被「使用」，而是可以被「研究」與「改寫」時，視頻生成這條賽道的競爭規則，或許也將隨之改變。過去，閉源平台靠著頂尖模型效能與便捷介面形成壁壘，使用者雖然受限，卻也享有穩定服務與技術支援。如今，開放權重模型以另一種價值主張切入市場：犧牲部分整合度與最佳化，換取自由、透明與可延伸性。這兩種路線各有支持者，但 H3 的出現，至少證明了一件事——高階視頻生成能力不再注定被鎖在少數平台的保險櫃裡。對於研究者、開發者與創作者來說，這代表更多選擇，也代表更重的自主責任。
當模型可以自由調整，實驗的成敗不再能歸咎於平台限制，而是取決於使用者對模型的理解、對問題的定義，以及對生成結果的判斷。陶罐碎片的還原實驗，或許只是這股浪潮中的一個小例子，但它所揭示的方向，卻可能影響整個視頻生成領域未來幾年的發展格局。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.