המשקלים הפתוחים של MiniMAX-Music3 יצאו: מה שהריפו מראה ומה שלא אושר

MiniMax-Music3, מודל יצירת המוזיקה עם המשקלים הפתוחים, הופיע ב-Hugging Face ב-2026-08-13 תחת הארגון MiniMaxAI, ללא מאמר אקדמי, ללא פוסט השקה בבלוג, וללא דוח benchmark — רק המשקלים, קובץ README, ופוסט קצר ברשתות החברתיות שמכנה אותו מודל ה-text-to-music "מהדור הבא, מוכן לייצור". בזמן כתיבת שורות אלה היו לרפו כ-25 הורדות ו-60 לייקים, וזה מה שנראה כמו שחרור שקט. זהו פיסת מידע מסוג "מה ידוע לנו עד כה": כל מה שמסומן להלן כ"מתוך הרפו" מגיע ישירות מכרטיס המודל ומהקבצים, וכל מה שטרם אושר מסומן ככזה.

ראשית, תיקון תאריך

שני שחרורים משתייכים למשפחת המודלים הזו, וכדאי להפריד ביניהם. מודל ה-API המתארח music-3.0 הושק בפלטפורמה של MiniMax ב-16 ביולי 2026, במחיר של 0.15$ לקטע שנוצר באורך של עד חמש דקות, עם מסלול חינמי מוגבל קצב. שחרור המשקלים הפתוחים תחת השם MiniMax-Music3 פורסם ב-Hugging Face כמעט חודש לאחר מכן, ב-2026-08-13. הספק לא אמר במפורש אם נקודת הביקורת הפתוחה היא אותם משקלים שמפעילים את ה-API — שקילות זו היא אחד הפריטים שלא אושרו ברשימה זו — אבל קובץ ה-README מתאר את אותה יכולת ליצירת שיר מלא בן חמש דקות ואת אותו ממשק בקרת כיתובים מובנים, כך שלכל הפחות מדובר באותו דור.

מה המאגר מכיל בפועל

MiniMax-Music3 הוא ארכיטקטורה היברידית היררכית, וה-README מפורט על הרכיבים בצורה יוצאת דופן. LLM גלובלי עם 8B פרמטרים — שאותחל מ-Qwen3-8B — חוזה את ספר הקוד הראשון של כימות וקטורי שאריתי פריים אחר פריים, ונושא את המבנה ארוך הטווח של השיר: נושאים, מקצב, זהות ווקאלית והתקדמות העיבוד. LLM מקומי עם 0.6B פרמטרים חוזה את ספרי הקוד האקוסטיים הנותרים בכל פריים. במקום לפענח ישירות מטוקנים דיסקרטיים, מודול Flow Matching (2.4B פרמטרים) ממזג את המצבים החבויים הסופיים של שני ה-LLMs ומסנתז לטנט רציף, שאותו מפענח Flow-VAE (123M פרמטרים) הופך לאודיו סטריאו ב-32 kHz, 16-bit.

הטוקנייזר הוא מחסנית RVQ בעלת שמונה שכבות: ספר הקוד הסמנטי הראשון מכיל 16,384 רשומות; שבעת ספרי הקוד האקוסטיים מכילים 1,024 כל אחד. האימון ממטב תחילה את ספר הקוד הסמנטי, ולאחר מכן את כל שמונתם במשותף.

מה כולל המאגר, באופן קונקרטי: משקלי מודל השפה בארבעה שרדים בפורמט safetensors, עמוד שדרה מבוסס Qwen עם 48 שרדים הנמצא תחת qwen_7B/, ה-Flow-VAE (flowmatching_vae.pth), מפענח העומק RVQ, מקודד התנאי, הווקודר, מתזמן, קבצי טוקנייזר, אינדקס מודולרי של diffusers, וסקריפט בדיקה מקצה לקצה עם אודיו ייחוס. זהו מודל בר-הרצה, לא טיזר של משקלים בקופסה.

משטח הבקרה הוא החלק המעניין

פורמט הקלט הוא מה שמפריד בין זה ליצירת מוזיקה בסגנון 'פרומפט ותפילה'. MiniMax-Music3 מקבל מילים ותיאור מוזיקה, והקובץ README ממליץ על כיתוב מובנה עם שלושה חלקים: מטא-נתונים גלובליים (ז'אנר, תת-ז'אנר, BPM, מפתח, סולם, התקדמות רגשית, תרחיש האזנה, פרופיל הפקה), פרטי ווקאל (מגדר, גוון, סגנון ביצוע, הרמוניה, קולות רקע, אפקטים), ועיבוד (כלי נגינה עיקריים ומשניים, התפתחות כלים ברמת הקטע, גרוב, בס, כלי הקשה, מרקם, אפקטים מרחביים).

המילים מקבלות תגיות סעיפים מפורשות — [Intro], [Verse], [Pre-Chorus], [Chorus], [Bridge], [Instrumental], [Solo], [Outro] — כך שאפשר לומר למודל בדיוק היכן הפזמון מופיע ומה קורה בגשר. זוהי רמה של שליטה מבנית שרוב מחוללי המוזיקה לצרכנים מציעים רק באמצעות עריכה בדיעבד, אם בכלל. ה-API המארח מוסיף את אותם פקדים כפרמטרים: is_instrumental flag, lyrics_optimizer למילים אוטומטיות, והגדרת שמע המכסה MP3, WAV, או PCM ב-16/24/32/44.1 קילוהרץ ו-32/64/128/256 קילוביט לשנייה.

כמה זה עולה להריץ את עצמך

זה לא מודל כבד בסטנדרטים של 2026. קובץ ה-README מציין שדיוק מלא מתאים ל-24 GB של VRAM, שהרצה פועלת בכ-22 GB עם העברת עומס אוטומטית ל-CPU, ושהזרמת מודל השפה שכבה אחר שכבה מורידה את דרישות הזיכרון כדי להתאים לכרטיסי 8 GB. מתועדים שלושה מסלולי הגשה: SGLang-Omni (פקודת sgl-omni serve בשורה אחת), diffusers, צינור מודולרי (ה-PR לאינטגרציה הוא huggingface/diffusers#14456, שעדיין לא מוזג בזמן כתיבת שורות אלה), ו-ComfyUI.

סיפור ההגשה הזה חשוב יותר מהארכיטקטורה עבור רוב הקוראים, כי הוא ההבדל בין "מודל שקיים" ו"מודל שאפשר להפעיל בפועל." מסלול ה-diffusers הוא קריאה אחת ל-from_pretrained ומפיק קובץ WAV סטריאו ב-32 קילו-הרץ שבבעלותך, על הדיסק שלך, ללא הגבלת קצב וללא מדידה לפי שיר.

הרישיון שבפועל מצורף

MiniMax-Music3 מופץ תחת רישיון "MiniMax-Music3 Community License", שהוא מתירני מבחינה מעשית, אבל יש לו תנאים. אתה רשאי להשתמש, להעתיק, לשנות ולהעניק תת-רישיון לתוכנה ולמשקלים; עליך להציג את "MiniMax-Music3" באופן בולט בממשק המשתמש של כל מוצר מסחרי המשתמש בו; ואם ההכנסה השנתית המצטברת ממוצרים כאלה עולה על 20 מיליון דולר אמריקאי, אתה זקוק לאישור כתוב נפרד מ-MiniMax. כמו כן, קיימת מדיניות שימוש מקובל (Exhibit A) המכסה את האיסורים הרגילים בנוסף לדרישות גילוי לתוכן שנוצר על ידי מכונה.

מתחת לפני השטח, המודל הוא ערימה של חלקים מושאלים עם מקורות מתירניים יותר: ה-LLM הגלובלי מכוונן מ-Qwen3-8B (Apache 2.0), רכיב הזרימה DiT-2B שונה מקוד של Stable Audio (MIT), וה-VAE שונה מקוד ה-DAC audio codec (MIT). אז ההגבלות של רישיון הקהילה יושבות על גבי רכיבי Apache/MIT, ודרישת הייחוס היא האילוץ המעשי שרוב המשתמשים המסחריים ירגישו.

הנתיב המתארח ששוחרר ראשון

אם אינך רוצה להפעיל משקלים כלל, גרסת ה-API פעילה מאז 16 ביולי. מזהי מודל music-3.0 (בתשלום, 120 בקשות לדקה) ו-music-3.0-free (חינם, 3 RPM) נמצאים מאחורי api.minimax.io/v1/music_generation, עם נקודת קצה נפרדת ליצירת מילות שירים במחיר של $0.01 לשיר. כתובות ה-URL של הפלט פגות לאחר 24 שעות, או שהאודיו יכול להיות מוחזר כ-hex לצורך סטרימינג — עיצוב שברור שנבנה לאינטגרציה של אפליקציות ולא לארכיון.

התמחור עבור ה-API הוא קבוע ליחידה: $0.15 לכל שיר שנוצר עד חמש דקות. המסלול החינמי כולל את אותו מודל ב-3 RPM, וזה באמת שמיש לפרוטוטייפינג. אם אתה זקוק ליכולת אירוח עצמי במקום זאת, המשקולות הפתוחות משנות את משוואת העלות לחלוטין — אתה משלם על GPUs, לא על שיר, ומד המחיר לשיר נעלם.

מה שלא אושר

להיות מדויקים לגבי מה שאיננו יודעים הוא עיקר הקטע הזה.

• לא קיימת הערכה בלתי תלויה.כל טענות היכולות שלעיל מגיעות מה-README וממסמכי ה-API של MiniMax עצמה. אף גורם צד שלישי לא פרסם מבחן האזנה, מדד איכות מוזיקה, או השוואה ישירה מול Suno, Udio או Lyria 3.5 של Google נכון למועד כתיבת שורות אלה.

• צ'קפוינט פתוח לעומת צ'קפוינט API. הספק לא הצהיר אם המשקלים ב-Hugging Face הם המודל המדויק שעומד מאחורי music-3.0. יש להניח שמדובר ב"דור זהה" עד שיאמר אחרת, אך הדבר אינו מאושר.

• אין מאמר ואין הצהרת נתוני אימון.אין דוח טכני, וה-README אינו מתאר את קורפוס האימון, את רישיונו או ביקורת מקורות — שאלה אקטואלית לכל מי שמפיץ מוזיקה מסחרית, שבה עמדתם של מתחרים סגורים בנושא נתוני האימון הייתה נושא להתדיינות משפטית רבת שנים.

• אין הנחיות לגבי עלויות אירוח עצמי. הנתון של 22 GB הוא זיכרון, לא מחיר. אף אחד לא פרסם כמות אסימונים לשיר או תפוקת יצירה שעתית עבור מודל זה על חומרה טיפוסית.

למה זה חשוב לבונים

צ'קופוינט בן יומיים לא נבדק בעומס על ידי איש מלבד המעבדה, וזה בדיוק המצב שבו ניתוב עם מעבר גיבוי אוטומטי מוכיח את ערכו. שכבת ניתוב — מהסוג ש-OrcaRouter מריץ עבור 200+ מודלים במעבר במחיר רשימת הספק — מאפשרת לכוון נתיב בדיקה למודל open-weights חדש ולחזור למודל מוכח כשהוא נתקע, ללא חוזה נוסף או שינוי קוד. אפשר להתייחס ל-MiniMax-Music3 כאל ניסוי השבוע וכאל תלות בחודש הבא, והצנרת לא חייבת להשתנות בין שני המצבים.

הקריאה האסטרטגית פשוטה יותר. MiniMax הוא כעת אחד מספקי ייצור המוזיקה הבודדים שמציעים גם API בתשלום וגם משקלים פתוחים עבור אותה משפחת מוצרים. Suno ו־Udio הם פלטפורמות סגורות. Lyria 3.5 של גוגל היא תכונה של אפליקציית צרכנים. אם הצ'קפוינט הפתוח קרוב אפילו במעט לאיכות של גרסת ה־API, האורך של חמש הדקות, השליטה בכיתוב המובנה וטביעת הרגל של 22 GB להרצה הופכים אותה לבסיס אמין לאירוח עצמי — קטגוריה שלא היה לה מתמודד אמין לפני שבוע.

מה לצפות בהמשך

שני הדברים שיעבירו את הסיפור הזה מ"מאגר מעניין" ל"פלטפורמה עמידה": מבחני ההאזנה העצמאיים הראשונים (הם נוטים להופיע תוך ימים ספורים משחרור של מודל מוזיקה פתוח), והאם האינטגרציה של diffusers תתמזג, מה שישים את MiniMax-Music3 בכל צינור מוזיקה קיים של diffusers. שימו לב גם למאמר, להצהרת נתוני אימון, ולכל שינוי במחיר ה-API המאוחסן — בנתב מעבר, הפחתת מחיר של ספק נכנסת לתוקף באותו היום, וזה הרגע שבו המסלול המאוחסן הופך לברירת המחדל המובהקת עבור רוב הצוותים.