‏H3 Max پولی یا اجرای لوکال H3؟

تو این مقاله دو راه اجرای مدل ویدیوسازی Hunyuan H3 کنار هم گذاشته شده. H3 Max نسخه post-trained (یعنی روی مدل پایه دوباره آموزش داده شده) و بسته‌ایه که Fal AI ساخته و فقط پشت API پولی خودش سرو می‌کنه. اجرای لوکال یعنی همون مدل open-weight اصلی رو خودت معمولاً تو ComfyUI بالا بیاری و با Turbo LoRA و پیاده‌سازی‌های بهینه attention سرعتش رو ببری بالا.

تفاوت عملی سر سرعت و پوله. Max یه کلیپ ۵ ثانیه‌ای رو تو دو تا سه ثانیه تحویل می‌ده، ولی به‌ازای هر تولید ازت پول می‌گیره. اجرای لوکال روی یه GPU خانگی خوب حدود ۸۰ تا ۹۰ ثانیه وقت می‌گیره و جز برق و فرسایش سخت‌افزار هزینه‌ای نداره. نویسنده می‌گه بهترین ترکیبی که تست کرده، Turbo LoRA هشت‌مرحله‌ای به‌علاوه attention بهینه بوده که میانگین ۸۳ ثانیه داده. اوایل عرضه، همین کار ده‌ها دقیقه طول می‌کشید.

سر کیفیت برنده ثابتی وجود نداره. به گفتهٔ نویسنده، نسخه لوکال تو تست رقص تپ، آشپزی گوریل و خرچنگ جت‌پک‌دار بهتر بوده، چون خروجی Max تو پلان‌های باز و پرحرکت زودتر می‌شکنه. در عوض Max تو فیزیک بادکنک آب و صحنه دیوراما نتیجه منسجم‌تری داده. هر دو هم دقیقاً سر یه چیز می‌لنگن: دیالوگ. حرف زدن شخصیت‌ها اغلب نامفهوم یا تکراری درمیاد و با حرکت لب جور نیست، که به نظر ضعف خود معماری H3 هست نه یکی از این دو مسیر.

دو تا نکته جانبی هم مهمه. اول اینکه Fal نتیجه post-training رو منتشر نکرده و همین بخشی از جامعه کاربری رو دلخور کرده، چون مدل پایه open-weight بوده؛ یه توضیح محتمل هم لایسنس Hunyuan هست که برای بازتوزیع نسخه تجاریِ post-trained اجازه سازنده اصلی رو لازم داره. دوم اینکه رتبه‌بندی‌های بنچمارک خود Fal، که Max رو بالاتر از Wan 3.0 و Seedance 2.5 می‌ذاره، با استفاده عملی جور درنمیاد.

از نظر هزینه، الان یه تخفیف موقتی روی H3 Max هست: هر کلیپ ۵ ثانیه‌ای ۴۸۰p حدود ۱۲ تا ۱۲.۵ سنت و ۷۲۰p نزدیک دو برابرش. بعد از تخفیف انتظار می‌ره ۴۸۰p حدود ۲۵ سنت و ۷۲۰p حدود ۴۰ سنت بشه. جمع‌بندی نویسنده ساده‌ست: اگه گلوگاهت زمانه، پول دادن برای Max منطقیه؛ اگه گلوگاهت بودجه‌ست و GPU داری، نسخه لوکال کیفیت قابل‌مقایسه رو رایگان می‌ده.

نکات کلیدی:

• H3 Max کلیپ ۵ ثانیه‌ای رو در ۲ تا ۳ ثانیه می‌سازه، حدود ۳۰ برابر سریع‌تر از اجرای لوکال
• بهترین ورک‌فلوی لوکال با Turbo LoRA هشت‌مرحله‌ای میانگین ۸۳ ثانیه داده
• قیمت تخفیف‌دار: ۱۲ تا ۱۲.۵ سنت برای ۴۸۰p و نزدیک دو برابرش برای ۷۲۰p
• وزن‌های post-training مربوط به H3 Max منتشر نشده و فقط از API خود Fal در دسترسه
• هر دو نسخه تو تولید دیالوگ و هماهنگی لب ضعیف عمل می‌کنن