部署开源视频模型前，先看三条边界
"开放权重"不等于"开放完整链路"。决定自建部署一个开源视频模型之前，先看清三条边界：许可证边界、权重体量边界、接口兼容边界。任何一条没看清，都会在投入 GPU 之后才暴露。
边界一：许可证不是 Apache/MIT
以 MiniMax-H3 为例，模型采用 MiniMax H3 Community License，不是 Apache 或 MIT。这带来三个具体约束：
- 地域排除：许可适用地域明确排除美国、欧盟、英国和韩国。租用 GPU 时必须核对服务器的物理地域，不能只看云厂商的品牌或账户归属地。
- 营收门槛：年营收超过 2000 万美元的商业产品或服务，需要事先取得书面授权。
- 署名要求：商业产品界面需要显著展示模型名称。
开源不等于无条件可用。部署前先读许可证，比先买卡便宜得多。
边界二：权重体量不能只按参数量估算
H3 的 Transformer 是 33B dense 模型，但 BF16 权重的实际体量远不止 33B 对应的大小。公开的组件清单包括：两个 DiT 各约 66.3GB、Qwen3-VL encoder 约 51.5GB、视频 VAE 约 10GB、音频 VAE 约 0.6GB。
这意味着两件事：第一，磁盘和显存预算要按组件清单算，不能按参数量拍脑袋；第二，只部署一个任务分区可以显著减少压力——初次验证优先只下载 FL2VA（文生/首尾帧生视频），避免同时加载两个 DiT。
官方实测的三个档位可作参照：低成本验证用 2 张 RTX 5090 32GB（约 384GiB 内存，768p、5 秒、50 步约 560 秒，用 Turbo LoRA 可压到约 78 秒）；推荐生产起点是单机 4 张 H100 80GB（峰值约 66GB/GPU）；大显存生产用 4 张 H200 141GB（同规格约 74-84 秒端到端）。
边界三：开放的部分不等于完整的官方链路
H3-Base 的 FL2VA 与 Ref2VA checkpoint 已经开放，可用 SGLang、vLLM-Omni、Diffusers 或 ComfyUI 私有部署。但官方完整 2K 链路中的 H3-Context-IR 与 H3-Regenerate-2K 尚未开源。本地 768p 可以完全私有运行，但不能对外宣称等同于官方 2K API 的效果。
接口层面也有坑：路径同名不等于已兼容。我们的 AI 画布项目通用视频分支虽然也用 /v1/videos，但请求是 multipart 格式（seconds、size、preset、input_reference[] 等参数）；而 H3 本地服务示例用的是 JSON（task、conditions、target）。接入前必须新增 adapter 或做明确的参数映射，并跑真实 E2E 验证，不能看到路径一样就假设能通。
小结
自建部署开源视频模型，真正的成本不在 GPU，而在三条边界：许可证决定你能不能用，权重体量决定你要花多少钱，接口兼容决定你要写多少代码。三条都看清了，再下单买卡。