이번 주 공개된 오픈 비디오 모델 둘, 나란히 핵심 열을 빼먹었다

11월 7일, Video Rebirth는 HyperFlow H3 Flash를 공개하고 Hacker News에 올렸다. 거의 같은 날 Vimoo-AI는 Vimoo 1.0 Lite의 ComfyUI 가중치를 배포했다. 둘 다 오픈 비디오 모델이고, 둘 다 원본보다 훨씬 작아졌고, 둘 다 속도표를 달고 나왔다.
둘 다 같은 열이 빠져 있다.
Video Rebirth가 덜어낸 것
HyperFlow H3 Flash는 MiniMax-H3를 압축해 적은 스텝으로 돌린 버전이다. MiniMax-H3는 영상과 동기화된 스테레오 오디오를 함께 생성하는 오픈 모델이다. transformer는 약 31 billion 파라미터에서 13.7B로 줄었고, 샘플링은 4/6/8 steps로 돌아간다.
프로젝트 엔지니어로 jiant라는 이름으로 글을 올린 사람이 세 가지 변경을 정리했다. 모델의 50개 block 가운데 3개를 잘라냈고, 102개 선형 레이어를 저랭크 형태로 분해했고, 180개 선형 레이어에 Hadamard 회전을 붙인 W8A8 INT8 양자화를 적용했다.
네 번째 변경이 진짜 흥미롭다. 압축이라고 부를 수 없기 때문이다. 두 값 조건화 방식을 더해 각 샘플링 스텝이 현재 노이즈 수준과 도달해야 할 지점을 동시에 알도록 했다. 덕분에 classifier-free guidance 없이 4에서 8스텝으로 돌릴 수 있다. CFG는 보통 추론 비용을 두 배로 만드는 부분이다.
저자들이 밝힌 숫자는 이렇다. 1344×768 해상도의 5.2 seconds 클립을 6스텝으로 만들 때 B200 4장에서 8.7 seconds, H200 1장에서 36초, RTX 5090 1장에서 92초가 걸린다. 파트너사가 만든 NVIDIA SOL-H3 추론 엔진은 Blackwell급 GPU 4장에서 실시간으로 돌아간다고 한다. 출력은 5.2에서 15초, 24fps.
워크스테이션용으로는 GGUF 빌드가 있고 Q3_K_M 7.2GB부터 15.2GB까지 있다. README는 24GB 카드에는 Q4_K_M 9.1GB를 권하고, 시스템 메모리 16GB인 기계에서 24GB와 32GB GPU가 모두 돌아간다고 적었다. 16GB GPU는 아직 측정하지 않았다고 표시돼 있는데, README에 그런 솔직함을 남기는 일은 드물다.

속도표가 가리는 실무적인 문제가 두 가지 있다. Python 패키지를 처음 실행하면 약 90GB를 내려받고, FP8 텍스트 인코더를 쓰면 약 68GB다. 커널 컴파일에도 1분쯤 걸린다. 둘 다 치명적이진 않지만, 이 모델이 가볍게 시도해볼 부류의 소프트웨어는 아니라는 뜻이다.
Vimoo가 덜어낸 것
Vimoo 1.0 Lite는 약 9.5 billion 파라미터로, 텍스트-투-비디오와 이미지-투-비디오를 한 모델에서 처리하고 같은 모델용 증류 LoRA adapter가 함께 온다. 텍스트 인코더, 비전 인코더, VAE, ComfyUI 노드, 워크플로 템플릿이 포함된다.
라이선스는 Apache 2.0이다. 대부분의 독자에게는 벤치마크보다 이쪽이 더 중요하다. Apache 2.0이면 상업적 사용이 가능하고, 지역 조항도, 연구 전용 단서도, 저자에게 메일을 보내는 절차도 없다. 많은 오픈 비디오 모델이 그 절차를 model card 깊숙이 묻어둔다.
눈에 띄는 숫자는 이거다. 1280×720, 121 frames에서 증류 모델이 9.7 seconds 만에 영상을 만든다. 비교 대상으로 내세운 것은 CFG를 켠 Wan 2.2의 490 seconds다.
이 비교는 너무 많은 걸 떠안고 있어서 조심해서 봐야 한다. 증류 모델과 CFG를 켠 베이스 모델은 같은 측정이 아니다. 하나는 guidance 단계를 건너뛰도록 학습한 학생이고, 다른 하나는 절차를 전부 밟는 교사다. 비교해서 알 수 있는 건 증류 쪽이 빠르다는 사실뿐이고, 그건 원래 다들 안다. 학생이 품질을 얼마나 포기했는지는 알려주지 않는다.
풀버전 Vimoo 1.0은 Dual-Stream MMDiT 위에 올린 하이브리드 설계로 11.7 billion 파라미터다. 비디오 VAE는 4×16×16 압축에 48 latent channels, 프롬프트 이해는 Qwen2.5-VL-7B, 타이포그래피는 Glyph-ByT5-v2가 맡는다. 1080p 업스케일은 Vimoo Enhancer가 처리한다. 24fps 5초 720p 클립이 약 5초라는 건 Lite의 증류 수치와 다른 이야기이니 머릿속에서 분리해 두는 게 좋다.
빠진 열
이번 주의 모양은 이렇다. 압축 버전으로 나온 오픈 비디오 모델이 셋이다. HyperFlow H3 Flash, Vimoo 1.0 Lite, 그리고 그 전의 Pika H3 Flex. 셋 다 줄인 파라미터, 줄인 스텝, 측정된 초, 필요한 GB를 알려준다. 출력이 어떻게 변했는지는 아무도 알려주지 않는다.
HyperFlow를 다룬 Hacker News 스레드는 그 불만을 정면으로 썼다. JPEG을 절반 크기로 압축했다고 발표하면서 결과가 어떻게 보이는지는 확인하지 않는 것과 같다는 댓글. 원본 모델과 정면 비교를 요구하는 목소리. 프로젝트의 샘플 갤러리를 가리킨 사람도 있었다. 그건 정석적인 답이자 정석적인 문제다. 선별한 클립은 모델이 좋은 프레임을 낼 수 있다는 증거일 뿐, 얼마나 자주 내는지의 증거는 아니다.
세 번째 사람은 노트북급 카드에서 돌린다는 FastVideo의 FastH3 계열과 비교하면 어떤지 물었다. 공개된 범위의 스레드에는 저자 답변이 없었다.
하나를 골라 쓸지 판단하는 사람에게 필요한 건 이 지점이다. 압축 기법 자체는 모두 합리적이다. 구조적 프루닝, 저랭크 분해, 회전을 붙인 INT8, 증류, 스텝 인지 조건화. 이미지 모델에서는 각각 비용 곡선이 알려져 있다. 화질을 FID나 GenEval, 혹은 사람의 나란히 비교로 장당 측정할 수 있기 때문이다. 비디오는 더 어렵다. 시간적 일관성, 움직임의 정합성, 오디오 동기화에는 압축을 견디는 단일 숫자가 없다.
그래서 이 분야는 공개하기 쉬운 숫자로 기운다. 파라미터는 쉽다. 초도 쉽다. 품질은 리뷰어와 블라인드 테스트와 주말이 필요하다.
이런 릴리스는 어떻게 읽어야 하나
실제 제작에 쓸지 검토 중이라면 속도표는 상한이지 계획이 아니다. 이미 잘 아는 프롬프트 열 개를 지금 쓰는 서비스와 9.1GB 빌드에 각각 돌리고, 누군가에게 블라인드로 점수를 매기게 하라. 반나절이면 끝나고, 나오는 건 배포 쪽이 빠뜨린 바로 그 열이다.
상업적으로 내보내기 전에 두 라이선스를 모두 확인하라. HyperFlow는 MiniMax-H3의 파생물이라 베이스 모델 라이선스의 제약을 물려받는다. 그 베이스는 Apache 2.0이 아니다. Vimoo Lite는 사정이 단순하다. Apache 2.0은 Apache 2.0이다.
디스크 공간도 예산에 넣어라. 첫 실행에 90GB를 받는 건 서버에서는 별일 아니고 노트북에서는 성가시다. 5분짜리 평가를 두 시간으로 만드는 건 이런 세부 사항이다.
압축 경쟁은 실재하고 쓸모도 있다. 24GB 카드 한 장에서 도는 비디오 모델과 노드 하나가 필요한 모델은 다른 제품이다. 다만 이 경쟁은 재기 쉬운 부분으로 채점되고 있고, 쓸 수 있는지를 결정하는 부분은 아무도 표에 넣지 않았다.
자기 숫자는 자기가 재라. 결국 자기 프롬프트에 대해 참인 표는 그것 하나뿐이다.