A kínai vállalat rendszere 15 másodperc hosszú, hanggal ellátott, 2K felbontású videókat képes generálni, akár egy erősebb otthoni gépen is. A bejelentés szerint a súlyokat is közzéteszik, hogy a fejlesztők saját hardveren futtathassák és módosíthassák a modellt.
A modell azonban több nagy piacon nem érhető el hivatalosan: az Egyesült Államokban, az Európai Unióban, az Egyesült Királyságban és Dél-Koreában sem. A cég a szabályozási bizonytalanságra hivatkozik – például az EU AI Act, a brit és dél-koreai AI-szabályozások, valamint az amerikai szerzői jogi perek miatt tartózkodnak a kiadástól.
Technológiailag az H3 in-context regenerationnel dolgozik: először alacsonyabb felbontásban generál, majd a saját kimenetét újragenerálva állít elő 2K minőséget. A modell a szövegfeldolgozáshoz a nyílt Qwen3-VL-32B vision-language modellt használja. Több kínai nyílt súlyú modellhez hasonlóan a H3 is a zárt rendszerek nyílt, ingyenes alternatívájaként pozicionálja magát.
