Due modelli video aperti hanno perso peso questa settimana. Nessuno ha pubblicato la colonna che conta.

Il 7 novembre Video Rebirth ha pubblicato HyperFlow H3 Flash e lo ha portato su Hacker News. Più o meno nello stesso giorno, Vimoo-AI ha rilasciato i pesi ComfyUI di Vimoo 1.0 Lite. Sono entrambi modelli video aperti. Entrambi sono molto più piccoli della cosa da cui derivano. Entrambi arrivano con tabelle di velocità.
A entrambi manca la stessa colonna.
Cosa ha tagliato Video Rebirth
HyperFlow H3 Flash è una versione compressa e a pochi passi di MiniMax-H3, il modello aperto che genera video e audio stereo sincronizzato insieme. Il transformer scende da circa 31 miliardi di parametri a 13.7 miliardi. Il campionamento gira in quattro, sei o otto passi.
Un ingegnere del progetto, che scrive come jiant, ha elencato tre modifiche. Hanno potato tre dei cinquanta blocchi del modello. Hanno fattorizzato 102 layer lineari in forma low-rank. Hanno applicato quantizzazione intera a 8 bit con una rotazione di Hadamard a 180 layer lineari.
La quarta modifica è quella interessante, perché non è affatto compressione. Hanno aggiunto uno schema di condizionamento a due valori, così ogni passo di campionamento conosce sia il livello di rumore attuale sia il punto in cui deve arrivare. È questo che permette di girare in quattro o otto passi senza classifier-free guidance, che di solito è proprio la cosa che raddoppia il costo di inferenza.
I numeri, come li riportano gli autori: una clip di 5.2 secondi a 1344×768 in sei passi richiede 8.7 secondi su quattro B200 GPUs, 36 secondi su una singola H200 e 92 secondi su una singola RTX 5090. Il motore di inferenza SOL-H3 di NVIDIA, costruito da un partner, pare lo faccia girare in tempo reale su quattro GPU della classe Blackwell. L'output va da 5.2 a 15 secondi a 24 fotogrammi al secondo.
Per le workstation ci sono build GGUF da 7.2GB a Q3_K_M fino a 15.2GB. Il README consiglia la build da 9.1GB Q4_K_M per schede da 24GB e dice che gira su GPU da 24GB e 32GB in macchine con 16GB di RAM di sistema. Le GPU da 16GB sono indicate come non ancora misurate, che è una cosa insolitamente onesta da lasciare dentro un README.

Due dettagli pratici che la tabella di velocità nasconde. La prima esecuzione del pacchetto Python scarica circa 90GB, o circa 68GB con un text encoder FP8. I kernel si compilano in circa un minuto. Nessuna delle due è un ostacolo insormontabile. Entrambe significano che il modello non sta nella categoria di software da "provo e vedo".
Cosa ha tagliato Vimoo
Vimoo 1.0 Lite è circa 9.5 miliardi di parametri in un unico modello che gestisce sia text-to-video sia image-to-video, più un adattatore LoRA distillato per lo stesso modello. Arriva con text encoder, un vision encoder, un VAE, nodi ComfyUI e template di workflow.
La licenza è Apache 2.0, ed è la parte che ai più interesserà più del benchmark. Apache 2.0 vuol dire uso commerciale senza clausola territoriale, senza vincolo di sola ricerca e senza il passaggio di scrivere agli autori che molti rilasci video aperti seppelliscono nella model card.
Il numero da titolo: a 1280×720 e 121 fotogrammi, il modello distillato genera video in 9.7 secondi. Il confronto offerto è Wan 2.2 a 490 secondi con CFG attivo.
Quel confronto fa molto lavoro e merita di essere maneggiato con cura. Un modello distillato e un modello base con CFG non sono la stessa misura. Uno è uno studente addestrato a saltare il passo di guidance. L'altro è un insegnante che esegue la procedura completa. Confrontarli ti dice che la strada distillata è più veloce, cosa che sapevano già tutti. Non ti dice quanta qualità ha ceduto lo studente.
Il Vimoo 1.0 completo è un progetto ibrido su un Dual-Stream MMDiT con 11.7 miliardi di parametri, un VAE video con compressione 4×16×16 e 48 canali latenti, Qwen2.5-VL-7B per capire il prompt e Glyph-ByT5-v2 per la tipografia. Vimoo Enhancer gestisce l'upscaling a 1080p. Una clip di cinque secondi in 720p a 24fps richiede circa cinque secondi, che è un'affermazione diversa dal numero distillato di Lite e vale la pena tenerle separate in testa.
La colonna che manca
Questa è la forma della settimana. Tre modelli video aperti sono usciti compressi: HyperFlow H3 Flash, Vimoo 1.0 Lite e prima di loro Pika H3 Flex. Ognuno ti dice parametri rimossi, passi rimossi, secondi misurati, gigabyte richiesti. Nessuno ti dice cosa è successo all'output.
Il thread su Hacker News dedicato a HyperFlow ha posto l'obiezione senza girarci intorno. Un commentatore l'ha paragonato ad annunciare un JPEG compresso a metà senza controllare che aspetto abbia. Un altro ha chiesto un confronto testa a testa con il modello originale. Qualcuno ha indicato la galleria di esempi del progetto, che è la risposta standard e il problema standard: le clip selezionate dimostrano che il modello può produrre buoni fotogrammi, non con che frequenza lo faccia.
Un terzo commentatore ha chiesto come si comporta rispetto alle varianti FastH3 di FastVideo, che lui usa su una scheda da portatile. Nella parte pubblica del thread non è comparsa nessuna risposta degli autori.
È questo il vuoto che conta per chi deve decidere se adottare uno di questi modelli. Le tecniche di compressione sono tutte ragionevoli. Pruning strutturato, fattorizzazione low-rank, INT8 con rotazione, distillazione, condizionamento consapevole del passo: ognuna ha un profilo di costo noto nei modelli immagine, dove la qualità si misura per immagine con FID o GenEval o un confronto umano. Il video è più difficile. La coerenza temporale, la coerenza del movimento e la sincronia audio non hanno un singolo numero che sopravviva bene alla compressione.
Così il settore ripiega sui numeri facili da pubblicare. I parametri sono facili. I secondi sono facili. La qualità è un revisore, un test cieco e un fine settimana.
Come leggere un rilascio così
Se stai valutando uno di questi per lavoro di produzione vero, la tabella di velocità è un tetto, non un piano. Fai passare dieci prompt che conosci già dal tuo servizio attuale e dalla build da 9.1GB, poi fai valutare qualcuno alla cieca. Costa un pomeriggio e produce la colonna che il rilascio ha omesso.
Controlla entrambe le licenze prima di rilasciare qualcosa di commerciale. HyperFlow è un derivato di MiniMax-H3, quindi eredita i vincoli della licenza del modello base, e la licenza base non è Apache 2.0. Vimoo Lite è il caso semplice, perché Apache 2.0 è Apache 2.0.
E metti lo spazio su disco nel budget. Un primo download da 90GB è banale su un server e fastidioso su un portatile, ed è il tipo di dettaglio che trasforma una valutazione da cinque minuti in una da due ore.
La corsa alla compressione è reale ed è utile. Un modello video che gira su una singola scheda da 24GB è un prodotto diverso da uno che richiede un nodo. Ma la corsa viene misurata sulle parti che costano poco da misurare, e la parte che decide se puoi usarlo è quella che nessuno ha messo in tabella.
Misura i tuoi numeri. È l'unica tabella che alla fine risulta vera per i tuoi prompt.
Articoli correlati
Un foglio di calcolo comunitario di tocchi che spegne la pubblicità negli Android cinesi
Non tocca il sistema, non sblocca niente, non flasha niente. Ribalta solo gli interruttori che i produttori hanno già previsto. Il prezzo è una lista che qualcuno deve continuare a scrivere.
GPT Image 2.6 ha tenuto il prezzo dei token e alzato la fattura
GPT Image 2.6 conserva ogni tariffa per token di 2.5 e costa comunque di più per immagine, perché buona parte del lavoro passa ora nei token di output. Undici giorni dopo il lancio, la struttura dei prezzi dice più della classifica.
Qualcuno ha ricostruito IDM dall'esterno e ha scritto cosa non ha toccato
Una reimplementazione in Rust di Internet Download Manager promette 5 volte la velocità e 86 lingue. Il documento più interessante è il paragrafo che spiega come è stata costruita senza copiare nulla.
Rune è un framework UI per Rust costruito perché un agente possa verificare il proprio lavoro
Rune renderizza headless, esporta il suo albero di elementi e accetta input scriptato, dando a un agente di coding un segnale diffabile che nessuno screenshot può offrire. Il framework è in pre-release e non accetta pull request.