MiniMax veröffentlichte MiniMax-H3 am 2. August 2026 und beschreibt es als „general-purpose, omni-modal generative system" – das Modell akzeptiert Text, Bilder, Audio und Video als Eingabe und erzeugt daraus bis zu 15 Sekunden lange Videoclips inklusive Tonspur. Das GitHub-Projekt PipeNetwork/minimax-h3-mlx portiert dieses Modell auf Apples MLX-Framework, sodass es nativ auf Apple-Silicon-Chips ausgeführt werden kann. Simon Willison dokumentierte seinen praktischen Test auf einem M5 Max MacBook Pro: Zuerst werden zwei separate Modell-Downloads nötig – einmal die FL2VA-Komponenten des Originalmodells von MiniMaxAI auf Hugging Face, dann der 8-Bit-quantisierte MLX-Port von pipenetwork, zusammen rund 115 GB. Die eigentliche Videogenerierung läuft über ein Python-Skript (`scripts/generate.py`) und wird mit `uv` und `mlx-vlm` als Abhängigkeiten gestartet. Willison verwendete den Prompt „a rainbow colored skunk leaps over a mossy log in a supermarket" und erhielt nach knapp 45 Minuten einen funktionierenden Videoclip. Die Audioausgabe war in seinem Test unbrauchbar – laut eigenem Eingeständnis hatte er das Prompting-Handbuch nicht gelesen, das explizite Anweisungen zur Audio-Steuerung enthält. Das Projekt ist damit ein frühes Proof-of-Concept für lokale Text-zu-Video-Generierung mit Audio auf Consumer-Hardware, stellt aber hohe Anforderungen an Geduld, Speicherplatz und Einarbeitungszeit.