MiniMax H3 被曝高分辨率下提示词遵循能力显著下降
Bobun · reddit · 2026-08-08
开发者在 4×B300 上部署 MiniMax H3 模型时发现，视频生成的提示词遵循能力受分辨率影响极大。
- 低分辨率表现优：在 352p/416p 下，模型能较好遵循镜头结构、摄像机角度和角色位置。
- 高分辨率翻车：在 768p 下，提示词遵循能力急剧下降，会忽略摄像机角度、改变角色位置等。
- 增加步数无效：增加推理步数仅能略微提升视觉连贯性，无法修复结构性引导或构图问题。
作者推测这可能与 latent 维度变化有关，呼吁社区探讨是否需要针对高分辨率调整 RoPE 或位置编码等设置。
「多模态」频道最新
- 4070 实测：Flux.3 klein 蒸馏版 10 秒 vs Qwen Image 2.1 turbo 3 秒 — Ant_6431 · 2026-10-16
- Kling 4.0 全面开放,实测快打场景动作连贯性显著提升 — alifcoder · 2026-10-16
- MJev-Spatial:单次前向分类框架做空间推理,快过自回归 VLM — mindlab-research · 2026-10-16
- Technion 提出 H-DDCM:Hadamard 码本加速生成式图像视频压缩 — Technion · 2026-10-16
- ComfyUI 发布 v0.41.0:新增 Flux3 图像与 MiniMax-H3 LightVAE 支持 — Fcking_Chuck · 2026-10-16
- AI 生成短片《龙骑士》:云海之上御龙飞行的电影级画面 — jijo6686 · 2026-10-16