미니맥스 H3, 12GB 그래픽카드로 최상위 영상 AI를 돌리는 법
영상 생성 1위 모델 미니맥스 H3의 가중치가 공개됐습니다. RTX 3060 12GB로 실제 구동하는 데 필요한 조건과 라이선스, API와의 차이를 점검합니다.
세 줄 요약
- 미니맥스 H3는 12GB VRAM으로 구동 가능하지만, 시스템 램 32GB와 NVMe SSD가 함께 필요하다.
- 로컬 출력 해상도는 짧은 변 768픽셀이 최대이며, 2K 영상은 API 전용이다.
- AP 시용 프롬프트 전처리 계층이 빠져 있어, 로컬에서는 프롬프트를 더 구조적으로 작성해야 한다.
- 연매출 2,000만 달러 미만 조직은 출처 표기 조건으로 상업적 이용이 가능하다.
목차
2026년 8월 3일, 미니맥스(MiniMax)가 영상 생성 모델 H3의 가중치를 허깅페이스에 공개했습니다. 이 모델은 Artificial Analysis 기준 영상 편집 1위, 텍스트→영상 2위, 이미지→영상 3위를 기록한 최상위권 모델입니다. 가장 큰 관심은 "12GB 그래픽카드로 돌릴 수 있느냐"였고, 결론부터 말하면 돌아갑니다. 단, 그래픽카드만으로는 부족하고 시스템 램과 저장장치가 같이 받쳐줘야 합니다.
미니맥스 H3는 어떤 모델인가
H3는 33B 파라미터의 덴스(dense) 싱글스트림 트랜스포머 구조로, 전문가 혼합(MoE) 방식이 아닙니다. 텍스트, 이미지, 영상, 오디오를 입력으로 받아 4~15초 길이의 영상을 24FPS로 생성하며, 32kHz 스테레오 오디오도 함께 만듭니다. 참조 이미지는 최대 9장, 영상 3개, 오디오 3개까지 섞어 쓸 수 있습니다.
이 모델이 주목받는 이유는 단순히 성능 때문만은 아닙니다. 영상 생성 분야에서 최상위권 모델의 가중치가 공개된 것은 이번이 처음입니다. 소라(Sora), 비오(Veo), 시댄스(Seedance) 같은 경쟁 모델은 모두 폐쇄형 API로만 제공됩니다. H3의 공개로 오픈웨이트 진영이 처음으로 상위권에 진입한 셈입니다.
같은 시기 바이트댄스는 시댄스 2.5를 폐쇄형으로 내놓아 대비를 이뤘습니다. 한쪽은 API 사용료와 품질 통제를 유지하고, 다른 쪽은 생태계 표준을 노리는 선택입니다. 개발자 사이먼 윌리슨은 8월 첫 주에 Qwen 3.8 Max와 MiniMax H3가 같은 날 공개된 점을 언급하며 공개 모델이 몰린 주간이었다고 평가했습니다.
33B 파라미터인데 어떻게 12GB에 들어가는가
33B 덴스 모델을 FP16으로 환산하면 약 66GB가 필요하지만, H3는 12GB VRAM에서 구동됩니다. 비결은 파라미터 구성에 있습니다. 모델 카드에 따르면 33B 중 약 13B가 AdaLN(Adaptive Layer Normalization) 관련 분기에 해당합니다. AdaLN은 생성 단계와 조건에 따라 레이어 정규화 값을 조절하는 장치입니다.
핵심은 이 값들이 입력 영상 내용과 무관하게 미리 계산해 둘 수 있다는 점입니다. 학습할 때는 33B 전체가 필요하지만, 추론만 한다면 13B어치를 캐시에 얹어두고 실제로는 약 20B만 GPU에 올리면 됩니다. 여기에 생성 단계를 줄이는 CFG 증류 체크포인트와 압축률이 높은 H3-VAE가 더해져 소비자용 그래픽카드 범위로 내려왔습니다.
파라미터 수만 보고 "내 카드로는 무리"라고 판단하면 안 되는 대표적인 사례입니다. 요즘 영상 모델은 총 파라미터보다 추론 시 실제로 VRAM에 상주해야 하는 양이 더 중요합니다. 다만 VRAM이 줄어든 대신 디스크와 시스템 램이 병목 지점이 됩니다.
12GB GPU에서 실제 구동 조건은 무엇인가
ComfyUI 팀은 12GB VRAM에서 구동 가능하다고 밝혔고, 실제 테스터가 RTX 3060 12GB, 시스템 램 32GB, NVMe SSD 구성으로 864×480 해상도 5초(124프레임) 영상을 20스텝으로 9분 안에 생성한 결과를 공개했습니다. 이는 개인 1회 측정치이지만, "12GB에서 된다"는 것이 마케팅 수사가 아니라는 확인입니다.
여기서 SSD는 단순한 권장 사항이 아닙니다. 33B 모델을 12GB 카드에 통째로 올릴 수 없기 때문에, 디스크→램→VRAM 순서로 데이터를 흘려보내며 연산합니다. 시스템 램이 16GB이거나 SATA SSD를 쓰면 GPU가 연산을 기다리는 상황이 반복됩니다. 병목이 그래픽카드에서 저장장치로 옮겨가는 셈입니다. 따라서 NVMe SSD와 32GB 램은 사실상 요구사항에 가깝습니다.
VRAM이 12GB인 사용자가 반복적으로 시도하려면 램과 SSD를 먼저 점검해야 합니다. 16~24GB VRAM급에서는 768p 구간까지 여유가 있어 실용적입니다. 2K 해상도가 필요한 작업은 로컬로 불가능하므로 API를 써야 합니다.
로컬 실행과 API의 차이는 무엇인가
오픈웨이트라도 서비스와 완전히 동일한 결과는 나오지 않습니다. 미니맥스는 두 가지 핵심 모듈을 공개하지 않았습니다. 하나는 프롬프트 전처리 계층인 H3-Context-IR이고, 다른 하나는 2K 업스케일 모듈인 H3-Regenerate-2K입니다. 로컬 배포판에는 이 둘이 빠져 있습니다.
H3-Context-IR은 지시문 해석, 여러 모달리티 간 연결, 시간 순서 이해, 복잡한 논리 추론을 담당하는 전처리 계층입니다. 쉽게 말해 프롬프트를 알아듣게 정리해주는 뇌가 로컬에는 없는 셈입니다. 따라서 API에 쓰던 프롬프트를 그대로 붙여넣으면 결과가 뭉개집니다. 사용자가 장면, 동작, 카메라, 오디오를 분리해 더 구조적으로 작성해야 합니다.
2K 출력은 로컬에서 아예 지원되지 않습니다. H3-Regenerate-2K는 업스케일을 담당하는데 미공개 상태라, 로컬 기본 해상도는 짧은 변 768픽셀이 최대입니다. 벤치마크 순위가 API 기준이라는 점도 감안해야 합니다. 로컬 성능을 평가하려면 API 조건을 제외하고 봐야 합니다.
라이선스는 어떻게 적용되나
H3는 MiniMax H3 Community License를 따릅니다. 연매출 2,000만 달러(약 280억 원) 미만 조직은 출처를 표기하면 상업적 이용이 허용됩니다. 개인 창작자, 1인 미디어, 중소 스튜디오·에이전시라면 대부분 이 조건 안에 포함됩니다. 반대로 대기업이나 계열 서비스에 탑재하려면 별도 협의가 필요합니다.
상업 프로젝트에 적용하기 전에는 허깅페이스 저장소의 라이선스 원문을 직접 확인하는 것이 안전합니다. 또한 미국에서 미니맥스를 상대로 한 저작권 소송이 진행 중이라는 보도가 있습니다. 학습 데이터 관련 분쟁의 최종 결과가 확정되지 않았으므로, 상업 결과물에 사용할 계획이라면 이 변수도 고려해야 합니다.
그래서 12GB 사용자는 어떻게 시작해야 하나
ComfyUI는 출시 당일부터 H3를 공식 지원했습니다. 별도 커스텀 노드를 기다릴 필요 없이 기본 워크플로로 시작할 수 있습니다. 다만 기대치는 하드웨어 구성에 따라 달라져야 합니다. RTX 3060 12GB, 램 32GB, NVMe SSD라면 480p 5초 영상을 20스텝으로 약 9분 만에 뽑을 수 있습니다. 램 16GB나 SATA SSD라면 디스크 대기 시간이 길어져 권장하지 않습니다.
시작 전 체크리스트는 다음과 같습니다. 시스템 램이 32GB 이상인지 확인하고, 모델을 NVMe SSD에 배치하며, 첫 시도는 480p·5초·20스텝처럼 작게 잡는 것이 좋습니다. API용 프롬프트는 재작성해야 하며, 상업적 사용 예정이라면 라이선스 원문을 먼저 읽어야 합니다.
현실적으로 오늘 할 수 있는 것은 세 가지입니다. 첫째, 내 PC 사양을 램과 SSD 기준으로 점검합니다. 둘째, ComfyUI에서 480p 클립 하나를 뽑아 감각을 확인합니다. 셋째, 상업 프로젝트에 쓸지 결정하기 전에 라이선스와 저작권 이슈를 정리해둡니다. 최상위 모델의 가중치가 공개된 것은 분명 이정표지만, 로컬 실행은 API와 다른 조건과 절충이 필요합니다.
자주 묻는 질문
- 12GB 그래픽카드면 무조건 미니맥스 H3를 돌릴 수 있나요?
- VRAM만으로는 부족합니다. 확인된 실측 구성은 RTX 3060 12GB, 시스템 램 32GB, NVMe SSD입니다. 램이 16GB이거나 SATA SSD를 쓰면 저장장치 대기 때문에 실사용이 어려울 만큼 느려집니다.
- 2K 영상을 로컬에서 뽑을 수 있나요?
- 아니요. 2K 업스케일을 담당하는 H3-Regenerate-2K 모듈이 공개되지 않았습니다. 로컬 기본 출력은 짧은 변 768픽셀이 최대이며, 2K가 필요하면 공식 API를 사용해야 합니다.
- 오디오도 같이 생성되나요?
- 네, 32kHz 스테레오 오디오가 영상과 함께 생성됩니다. 영상과 소리를 따로 만들어 붙이는 기존 방식과 달리 한 번에 만들어지는 것이 이 모델의 강점입니다.
- 벤치마크 1위 성능이 로컬에서도 나오나요?
- 순위표 성적은 프롬프트 전처리(Context-IR)와 2K 모듈이 포함된 API 기준입니다. 로컬 버전은 전처리 계층이 빠져 있어 프롬프트를 대충 쓰면 결과 편차가 큽니다.
- 상업적으로 사용해도 되나요?
- 연매출 2,000만 달러 미만 조직은 출처 표기를 조건으로 허용됩니다. 대부분의 개인과 소규모 팀이 해당하지만, 회사 서비스에 적용하기 전에 저장소의 라이선스 원문을 직접 확인하세요. 저작권 소송이 진행 중이라는 보도도 있어 보수적으로 접근하는 것이 좋습니다.