Oppskriften er modellen

Oppskriften er modellen

Da Hao AI Lab lanserte FastH3 v1 – 15 sekunder 768p-video på 13 sekunder – fulgte de med vekter, oppskrift og alt. Det sier mer om økonomien i generativ video enn noen benchmark.

Tallet i annonsen er 13 sekunder. Det er alt Hao AI Lab trengte for å generere 15 sekunder med 768p-video, ifølge laboratoriets egen kunngjøring på X, en samarbeidsutgivelse med Nuva Lab og FastGen som skal gi opptil 14 ganger raskere inferens på NVIDIAs Blackwell-GPU-er. Men det mest betydningsfulle ordet i posten er ikke et tall. Det er «oppskrift».

FastH3 v1 er ikke bare en modell med åpne vekter. Hele akselerasjonsoppskriften – det som gjør at modellen går så fort – er lagt åpent ut, slik at fellesskapet kan kjøre den og forbedre den. Det er der sklidet flyttes.

Hva en akselerasjonsoppskrift faktisk er

Det er verdt å stoppe opp ved hva «oppskriften» egentlig spesifiserer, for den er ikke en egenskap ved vektene selv. Vektene er bare tall. For at en videogenereringsmodell skal gå 14 ganger fortere, må noen ha bestemt:

• Kvantisering: Hvor mange bits brukes per vekt og per aktivering? Å senke presisjonen fra 16 til 8 eller færre bits halverer minnebruken og øker gjennomstrømmingen, men koster kvalitet hvis det gjøres uforsiktig.
• Parallellisering: Hvordan deler man beregningen over GPU-ens stream-prosessorer, og hvordan sprer man sekvensen av bilder over flere enheter uten at kommunikasjonskostnaden spiser gevinsten?
• Steg-reduksjon og planlegging: Hvor mange diffusjonssteg trengs egentlig, og hvilke steg kan hoppes over eller destilleres bort uten at bevegelseskvaliteten kollapser?
• I/O- og minneplanlegging: Når hentes vektene, når flushes mellomresultater, og hvordan holdes GPU-en mett i stedet for å vente på data?

Dette er ingeniørarbeid av samme art som selve modelltreningen – krevende, iterativt, og normalt noe man beholder som konkurransefortrinn. FastH3 v1 er et uttrykkelig brudd med den logikken: oppskriften er offentlig, ned til siste detalj. Laboratoriet beskriver utgivelsen som et fundament for reelle kommersielle arbeidsmengder, ikke bare akademisk eksperimentering.

Latens slutter å være vollgrav

Konsekvensen er enkel å formulere: Hvis den beste kjente måten å gjøre en åpen modell rask på er offentlig, kan ingen lenger selge fart alene. Rask generering blir en infrastrukturforutsetning, ikke et produkt.

Det betyr ikke at fart er uvesentlig. 13 sekunder mot, si, tre minutter er forskjellen mellom en modell som passer inn i en redigeringsarbeidsflyt og en som bryter den. For en redaktør som skal iterere på ti varianter av samme scene, er inferenstid direkte produktivitet. Men poenget er at denne fordelen nå er nøytralisert for alle som kan laste ned samme vekter og samme oppskrift. Verdien flyttes oppover: til treningsdata, til ettertrening, til redskapene rundt modellen, til distribusjon og til dommen om hva som er verdt å lage.

Hao AI Labs egen tråd peker i samme retning. De nevner over 1 000 B200-trenertimer – et prosjektbehov som foreløpig ikke lar seg verifisere uavhengig – og løfter frem fellesskapsprosjekter som «MiniMax H3 Max», der ettertrening skal forbedre både hastighet og kvalitet. Også dette er laboratoriets egen karakteristikk; det finnes foreløpig ingen uavhengig vurdering av hva slike fellesskapsvarianter faktisk presterer. Men retningen er tydelig: konkurransefortrinnet flyttes fra arkitektur og inferens til post-trening og bruk.

Åpent kappløp, med stjerner i øynene

Utgivelsen kommer ikke tom. På under ett døgn i august lanserte både MiniMax og ByteDance oppgraderte videogenereringsmodeller, noe Seeking Alpha beskrev som et tegn på en intensiverende kinesisk konkurranse. eWeek har skrevet om MiniMax H3 med fokus på åpen vekt-distribusjon, og Forbes peker på at modellene nærmer seg profesjonelle bruksområder. Felles for dekningen er at fart og kvalitet begge er i rask bevegelse – og at åpen distribusjon er blitt standardstrategien, ikke unntaket.

Samtidig vokser motstemmen. En nylig SaferAI-rapport, omtalt av blant annet MSN, konkluderer med at åpne vektmodeller nærmer seg frontier-kapabiliteter raskere enn sikkerhetsmekanismene rundt dem utvikles – og peker på at sikkerhetsgapet er reelt. I USA rapporterer Neowin at regjeringen skal utelate åpne vektmodeller fra frivillige sikkerhetstester for avanserte AI-systemer, mens senator Jim Banks ifølge MSN har argumentert for insentiver til amerikanske åpne vektmodeller nettopp fordi kinesiske modeller vinner fotfeste. Samtidig skjer utviklingen altså i det åpne, på X, med nedlastbare vekter. Reguleringen som skal håndtere dette, jobber i et landskap der referansepunktet flytter seg hver uke.

Tid som en varekostnad

Den dypere økonomien er denne: Så lenge generering av video var dyr og treg, var tid en knapp ressurs som noen kunne eie og selge. Når den samme generasjonen kan skje raskere enn sanntid – 15 sekunder video på 13 sekunder – blir tid en varekostnad, noe man kjøper per time på en GPU i stedet for noe man konkurrerer om å produsere.

Det er en analyse av tid som en varekostnad, og den har en historisk parallel: bomullsginen gjorde ikke bomull verdifull, den gjorde den billig. Verdien flyttet seg til hvem som spant tråden, og til hvem som sydde. På samme måte flytter åpen akselerasjon verdien i videogenerering fra dem som kan generere, til dem som vet hva som er verdt å generere – og til infrastrukturen rundt.

For en norsk eller europeisk aktør er budskapet tvetydig. Inngangsprisen på avansert videogenerering faller mot null; det er gode nyheter for byråer, produksjonsselskaper og utviklere som ikke har egne forskningslaber. Men samtidig betyr det at det ikke finnes noe vern i selve teknologien. Den eneste varige fordelen er det ingen kan laste ned: forståelse av publikum, kvalitet i valgene, og infrastrukturen som gjør modellen nyttig i en konkret arbeidsflyt.

FastH3 v1 er, slik saken fremstår per kunngjøringen, en tidlig utgivelse – v1 – med tall som er levert av utgiverne selv. Den uavhengige verifiseringen gjenstår. Men hvis tallene holder, har laboratoriet gjort noe mer interessant enn å sette rekord: De har erklært at rekorden ikke er verdt å holde på.