🇰🇷 MiniMax-H3-Rung-Omega (`5.976 BPW`, `14.98 GiB` Joint-tANS / `16.22 GiB` Raw Base-243) + TheoremFlow-Ω (`8.92x` 추론 가속기)

🌐 Language / 언어 / 语言 / 言語: 🇺🇸 English | 🇰🇷 한국어 | 🇨🇳 中文 (简体) | 🇯🇵 日本語

🏦 국내 계좌이체 후원 (Korean Bank Transfer): NH농협(농축협) 352-1556-0640-33 (예금주: 윤여원) | 💛 카카오페이 QR 송금 | ☕ Buy Me a Coffee

☕ 오픈소스 양자화 & 추론 가속 연구 후원하기: MiniMax-H3-Rung-Omega 체크포인트와 TheoremFlow-Ω 추론 엔진은 별도의 승인 절차 없이 누구나 즉시 다운로드하여 사용할 수 있도록 완전 공개되어 있습니다. GPU 메모리 절감과 생성 시간 단축에 도움이 되셨다면 Buy Me a Coffee (buymeacoffee.com/tripleyoung)에서 커피 한 잔으로 연구를 응원해 주세요!

**yeowon/MiniMax-H3-Rung-Omega**는 MiniMax-H3 FL2VA (First/Last-Frame-to-Video+Audio, 총 33.1B / 활성 20.11B 파라미터) 멀티모달 Diffusion Transformer의 50-Block 순수 Rung Ω 균형 3진(4-Trit, Base-243 5-in-4-byte) 양자화 모델과 **TheoremFlow-Ω 수학적 하한(Mathematical Floor) 추론 가속 엔진(8.92배 가속)**을 함께 제공합니다.

폴백 0개 (200 / 200 전체 선형 레이어 순수 TensorCoreRungOmegaTernaryLayout): 50개 DiT 블록(blocks.0 .. blocks.49)의 모든 선형 투영(attn.qkv_proj, attn.out_proj, mlp.fc1, mlp.fc2) 200개가 단 하나의 NVFP4 폴백 없이 순수 Rung Ω 4-Trit 균형 3진 격자([-40, +40], group_size=128 FP16 스케일, convrot_groupsize=256)로 양자화되어 있습니다.
공식 1위 추천 int8_convrot (19.53 GiB)보다 더 작고 더 높은 정확도 (14.98 GiB Joint-tANS / 16.22 GiB Raw): 원본 BF16 Teacher(37.46 GiB) 대비 2.50배 압축, 공식 추천 1위 int8_convrot(19.53 GiB) 대비 **4.57 GiB 절감(1.30배 압축)**하면서도 Video Spatial Top-1(+5.20%p) 및 Audio Patch Top-1(+4.17%p) 정확도에서 int8_convrot를 능가합니다.
TheoremFlow-Ω (8.92배 종단간 샘플링 가속): 20-step 비디오(864×480, 124프레임 @ 24fps) + 스테레오 오디오(32kHz) 동시 생성 시간을 **625.4초 → 70.11초**로 8.92배 단축하며, **99.58% 비디오 잠재 공간 코사인 유사도(20.80 dB SNR)**와 다국어(한국어·영어·중국어·일본어) 대사 및 립싱크를 선명하게 보존합니다.

🎬 데모 프리뷰 (`Rung Ω` 50-Block + `TheoremFlow-Ω`로 `70.11초` 만에 생성)

🎬 실제 생성 영상·오디오 비교: 공식 int8_convrot (19.53 GiB, 434.1초) vs 우리 모델 Rung-Omega + TheoremFlow-Omega (14.96 GiB, 70.1초 — 소리를 켜고 들어보세요 🔊)

전체 비디오 + 한국어 대사 싱크 생성본 (.mp4): assets/MiniMax_H3_TheoremFlow_Omega_Champion.mp4
순수 50-Block 20-Step 기준 비디오 (.mp4): assets/MiniMax_H3_Rung_Omega_50blk_Champion.mp4
추출된 32kHz 스테레오 오디오 트랙 (.wav): assets/MiniMax_H3_TheoremFlow_Omega_Champion_audio.wav

📊 벤치마크 결과 및 시각화 그래프

1. 전체 50-Block 종단간 Velocity 정밀도 비교 (vs. 공식 1위 `int8_convrot`)

모델 / 포맷	활성 선형 레이어	유효 BPW	총 용량 (GiB)	BF16 대비 압축률	Video Spatial Top-1 (↑)	Audio Patch Top-1 (↑)	Video Velocity Cosine (↑)	Audio Velocity Cosine (↑)	Video $R^2$ (↑)	Audio $R^2$ (↑)
BF16 Teacher (`minimax_h3_fl2va_pruned_bf16`)	200 × BF16	`16.000`	`37.46 GiB`	`1.00x`	`100.00%`	`100.00%`	`1.000000`	`1.000000`	`100.00%`	`100.00%`
공식 `#1` `int8_convrot` (`19.53 GiB`)	200 × INT8	`8.003`	`19.53 GiB`	`1.92x`	`72.92%`	`77.60%`	`0.980832`	`0.985771`	`96.16%`	`97.10%`
`Rung Ω` 4-Trit Pareto Champion (Ours)	200 × 4-Trit Base-243	`5.967` (`6.40` raw)	`14.96 GiB` (`16.22 GiB` raw)	`2.50x`	`78.12%` (`+5.20%p`)	`81.77%` (`+4.17%p`)	`0.976383`	`0.982006`	`95.28%`	`96.43%`

2. 멀티 트랙 파레토 프론티어 (Rate-Distortion Pareto Ladder)

트랙	Trits / 코드북	BPW (Joint-tANS)	총 용량 (GiB)	BF16 대비 압축률	Combined Top-1 (↑)	Combined SNR (dB)	Video Cosine (↑)	Audio Cosine (↑)
`baseline_nvfp4_rtn`	NVFP4	`4.500`	`11.67 GiB`	`3.21x`	`97.53%`	`33.61 dB`	`0.999810`	`0.999676`
`omega_base15_ultra`	3-Trit (`[-7..+7]`, 2 w/byte)	`3.432`	`9.27 GiB`	`4.04x`	`99.48%`	`44.31 dB`	`0.999984`	`0.999968`
`omega_4trit_sub45`	4-Trit ECSQ (`[-40..+40]`)	`4.488`	`11.64 GiB`	`3.22x`	`99.48%`	`47.77 dB`	`0.999992`	`0.999990`
`omega_4trit_pareto` (릴리즈 체크포인트)	4-Trit Full-Range (`[-40..+40]`)	`5.977`	`14.98 GiB` (`16.22 GiB` raw)	`2.50x`	`99.87%`	`50.62 dB`	`0.999995`	`0.999996`
`omega_5trit_supreme`	5-Trit (`[-121..+121]`)	`7.575`	`18.57 GiB`	`2.02x`	`99.48%`	`52.60 dB`	`0.999997`	`0.999998`

3. `TheoremFlow-Ω` 추론 가속 벤치마크 (`864×480`, `124`프레임 + 스테레오 오디오, 20 Steps)

엔진 / 스케줄	샘플링 소요 시간 (↓)	가속 배율 (↑)	Video Latent Cosine	Video Latent SNR	Audio Latent Cosine
기본 20-Step 전체 50-Block 샘플링	`625.40s`	`1.00x`	`1.000000`	`∞`	`1.000000`
`TheoremFlow-Ω` (`6-Exact + 14-Fast`, Floors 1–5)	`70.11s`	`8.92x`	`0.995812`	`20.80 dB`	`0.971400`

🚀 빠른 시작 (Quickstart)

1. ComfyUI에 `TensorCoreRungOmegaTernaryLayout` 등록

python3 src/register_comfyui_rung_omega.py

2. 체크포인트 연결 및 `TheoremFlow-Ω` (`8.92x` 가속) 비디오+오디오 생성 실행

python3 src/generate_minimax_h3_rung_omega_video.py \
  --unet-name minimax_h3_fl2va_pruned_rung_omega.safetensors \
  --first-frame /path/to/input_frame.png \
  --width 864 --height 480 --length 124 --steps 20 \
  --theoremflow \
  --output-mp4 output_theoremflow_omega.mp4

☕ 연구 후원 및 원하는 모델 양자화 신청 (Buy Me a Coffee & Community)

원하시는 다른 모델(비디오/오디오 DiT, 대형 LLM, 멀티모달 모델 등)을 Rung Ω (3-Trit / 4-Trit / 5-Trit Base-243) 양자화 및 TheoremFlow-Ω 추론 가속기로 변환해 드립니다!

⚡ 후원자 최우선 작업 큐 (Priority Queue): Buy Me a Coffee (buymeacoffee.com/tripleyoung) 후원 메시지에 원하시는 모델 이름(Hugging Face ID)을 남겨주시면 최우선 순위로 양자화 및 가속기를 제작해 공개합니다.
💬 소통 및 모델 요청 채널 (Community Discussions): Hugging Face Community 게시판 (Discussions)에서 언제든 자유롭게 모델을 요청하시거나 질문·대화하실 수 있습니다.

☕ 해외/글로벌 카드 후원 (Buy Me a Coffee & 최우선 양자화 요청): https://buymeacoffee.com/tripleyoung
💛 카카오페이 QR 송금 후원 (모바일 스캔 / 링크 송금): https://qr.kakaopay.com/FVgCIrWbX
🏦 국내 계좌이체 후원: NH농협(농축협) 352-1556-0640-33 (예금주: 윤여원)
💬 커뮤니티 소통 & 모델 요청 게시판: https://huggingface.co/yeowon/MiniMax-H3-Rung-Omega/discussions

🇰🇷 MiniMax-H3-Rung-Omega (5.976 BPW, 14.98 GiB Joint-tANS / 16.22 GiB Raw Base-243) + TheoremFlow-Ω (8.92x 추론 가속기)

🎬 데모 프리뷰 (Rung Ω 50-Block + TheoremFlow-Ω로 70.11초 만에 생성)