用 Redis 之父写的 h3-metal 在 Mac 上跑 MiniMax H3 视频生成

一个 C 文件，一台 Apple Silicon 的 Mac，就能生成视频。

这个项目解决什么问题？

MiniMax H3 是目前最火的多模态大模型之一，但官方推理需要巨量 GPU 资源，普通开发者根本碰不到。Redis 之父 antirez（Salvatore Sanfilippo）用纯 C 语言 + Metal 写了一个本地推理引擎 h3-metal，让任何一台 Apple Silicon 的 Mac（M3 Max 甚至 M5 Max）都能直接跑 H3 生成视频。
没有 Docker，没有 Python 环境依赖，一个 make 编译完就跑。

核心亮点

纯 C 实现，极致极简。 整个项目只有一个 h3.c 文件，没有复杂的构建系统。make -j8 编译，./h3 运行。antirez 一贯的风格——把问题压缩到最小可运行形态。
原生 Metal 加速。 不依赖 PyTorch、TensorRT 等重量级推理框架，直接调用 Apple Silicon 的 Metal GPU API。BF16 精度，内存复用 prompt conditioning 和 DiT 预编码器。
交互式会话。 类似 ChatGPT 的对话式操作，输入提示词自动生成视频，支持 !first、!last 首尾帧锚定，!ref-image 引用参考图。生成的视频保留在会话目录中。
Ref2VA 参考图工作流。 可以传入一张人物照片，让 H3 生成"照片中的人向镜头挥手"的视频，这在本地推理中非常罕见。

快速上手

# 1. 克隆项目
git clone https://github.com/antirez/h3.c.git
cd h3.c
# 2. 下载模型（约 40GB）
# 从 Hugging Face 获取 MiniMax-H3 快照到当前目录
# 3. 编译
make -j8
# 4. 检查模型
./h3 --info -d ./MiniMax-H3
# 5. 生成视频
./h3 --profile \
  -d ./MiniMax-H3 \
  -p "A red fox walks through fresh snow in a pine forest" \
  --width 512 --height 512 \
  --frames 22 --steps 20 \
  --layers 45 --reuse 2 \
  --show \
  -o outputs/fox-fast.mp4

--layers 45 只跑 50 层中的 45 层 Transformer，平衡速度和质量。--reuse 2 复用前一次的 denoiser 结果，跳过一半的计算。

我的评价

这是 antirez 的招牌套路。 和 Redis、luajit、kdb 一样——把一个领域里大家默认"需要复杂框架"的事情，压缩成一个 C 文件。技术含量不在"用了什么新技术"，而在"用了最少的技术做了什么"。
局限也很明显。 模型体积大（H3 权重几十 GB），对内存有要求（M3 Max 起步），不支持 Windows 和 Linux（Metal 是 macOS 独占 API）。这决定了它更像是一个技术 demo 和参考实现，而非生产工具。
但它的参考价值很高。 如果你想知道 H3 到底是怎么跑起来的——不是看 Python 的抽象层，而是看实际的 GPU kernel、内存管理、denoising 流程——h3-metal 是最短路径。

GitHub: https://github.com/antirez/h3.c · License: AGPL-3.0