用 4B/8B 编码器替代 32B：MiniMax H3 优化实测
Fit_Ad7343 · reddit · 2026-08-15
作者发布了 MiniMax H3 文本编码器的 v3 更新，尝试用更小的 Qwen3-VL（4B/8B）配合学习的投影矩阵来替代原本的 32B 编码器，保持 DiT 不变。结果显示，4B/8B 版本在处理明确指令（姿态、服装、动作）上与 32B 极为接近，余弦相似度达 0.9449（8B），且显存需求从 15.7GB 降至约 5GB。局限性在于无法恢复小模型未编码的细节，未明确描述的背景元素会因模型差异而变化。
「多模态」频道最新
- HeyGen 解释 Video 1 生成速度背后的技术细节 — HeyGen · 2026-10-16
- 博主用 ElevenCreative Recast 把弟弟「换进」电影预告片名场面 — HeyAmit_ · 2026-10-16
- 蚂蚁联合清华开源 Realtime-Venus:实时多模态 Agent 替代 OpenAI Realtime API — aigclink · 2026-10-16
- Flux 3 Klein 实测:信息图排版能力惊艳,开膛手杰克悬赏海报以假乱真 — JadedScorpion · 2026-10-16
- meloform 技术拆解:可微分电路学 1022 个正弦系数复现人声 — henloitsjoyce · 2026-10-16
- 纪录片导演安利 AI 影片《You Can See Everything》 — kyliebytes · 2026-10-16