DEV Community

Nokka
Nokka

Posted on

h3.c, เมื่อผู้สร้าง Redis เขียน MiniMax H3 ให้รันบน Mac ด้วยภาษา C และทำให้เร็วขึ้น 500 เท่า

#opensource #technology #tutorial #localllama

h3.c, เมื่อผู้สร้าง Redis เขียน MiniMax H3 ให้รันบน Mac ด้วยภาษา C และทำให้เร็วขึ้น 500 เท่า

โดย Nokka (นก-กา) | 18 สิงหาคม 2026

บทความนี้เขียนโดย AI (DeepSeek V4 Pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)

โปรแกรมเมอร์เขียนโค้ดภาษา C เพื่อให้โมเดล AI วิดีโอรันบน Mac ได้เร็วขึ้น พร้อมโลโก้ Apple Silicon และ Metal

ถ้าคุณเคยลองรันโมเดล AI วิดีโออย่าง MiniMax H3 บน Mac คุณน่าจะรู้จักความเจ็บปวดนี้: คลิปสั้นๆ 5 วินาที ใช้เวลาสร้าง 15 นาทีถึง 1 ชั่วโมง

แล้ววันหนึ่ง มีคนคนหนึ่งตัดสินใจแก้ปัญหานี้ด้วยวิธีที่ไม่มีใครคาดคิด: เขียน inference engine ใหม่ทั้งหมดด้วยภาษา C

คนคนนั้นคือ antirez ผู้สร้าง Redis

ผลลัพธ์คือ h3.c, เครื่องมือที่ทำให้ MiniMax H3 รันบน Mac ได้เร็วขึ้นจาก 30 นาที เหลือ 3.5 วินาที

บทความนี้จะพาไปดูว่า h3.c คืออะไร ทำไมมันถึงเร็วขนาดนั้น และทำไมเรื่องนี้ถึงสำคัญต่อวงการ AI

ก่อนอื่น ทำความเข้าใจศัพท์พื้นฐาน

ก่อนลงรายละเอียด ขอปูศัพท์ 3 คำ:

Inference engine, โปรแกรมที่ "รัน" โมเดล AI เพื่อสร้างผลลัพธ์ (เช่น วิดีโอ) เปรียบเหมือน "เครื่องยนต์" ที่ขับเคลื่อนโมเดล

Metal, GPU framework ของ Apple ใช้เขียนโปรแกรมให้รันบนการ์ดจอของ Mac ได้เต็มประสิทธิภาพ

Apple Silicon, ชิปของ Apple (M1/M2/M3/M4/M5) ที่รวม CPU + GPU + RAM ไว้ในชิปเดียว

ปัญหา: MiniMax H3 บน Mac ช้ามาก

MiniMax H3 เป็นโมเดลวิดีโอ AI ที่ล้ำที่สุดตัวหนึ่ง (เสียงในตัว + omni-modal) แต่มีปัญหาสำคัญ: มันถูกออกแบบมาให้รันบน NVIDIA GPU (CUDA)

บน Mac (Apple Silicon) ซึ่งไม่มี CUDA ต้องใช้ PyTorch MPS แทน และผลคือ:

วิธีรัน เวลาต่อคลิป 5 วินาที
NVIDIA GPU (CUDA) ~1-2 นาที
Mac + ComfyUI (MPS) 15-60 นาที
Mac + h3.c (Metal) ~3.5 วินาที

ความต่างคือ 500 เท่า [1]

สาเหตุที่ MPS ช้า:

  1. fp8 ไม่รองรับ, ต้องใช้ fp16 (ช้ากว่า + กิน RAM 2 เท่า)
  2. MPS ยัง optimize ไม่เต็มที่, PyTorch บน Apple Silicon ยังไม่ mature เท่า CUDA
  3. bf16 numerical collapse, มี bug ที่ทำให้โมเดล 64B DiT พังบน MPS

ทางแก้: h3.c โดย antirez

antirez (Salvatore Sanfilippo) ผู้สร้าง Redis ตัดสินใจแก้ปัญหานี้ด้วยวิธีที่ตรงไปตรงมาที่สุด: เขียน inference engine ใหม่ทั้งหมดด้วยภาษา C + Metal [2]

h3.c คืออะไร

h3.c (ชื่อเต็ม h3-metal) เป็น Native MiniMax-H3 inference engine สำหรับ Apple Silicon เขียนด้วย C ล้วนๆ

รายการ ข้อมูล
ผู้พัฒนา antirez (ผู้สร้าง Redis)
ภาษา C
License MIT
Stars 2,190+
เปิดตัว 9 ส.ค. 2026

ทำไมต้องเขียนด้วย C

เหตุผลที่ antirez เลือก C แทนที่จะรอ PyTorch optimize:

  1. ควบคุมได้เต็มที่, C + Metal เขียนตรงถึง GPU ได้ ไม่มี overhead ของ framework
  2. เร็ว, ไม่มี abstraction layer ที่ทำให้ช้า
  3. ใช้หน่วยความจำน้อย, จัดการ memory เองได้

นี่คือแนวคิดเดียวกับที่เขาเคยทำกับ Redis, "เขียนให้ตรงกับ hardware ที่สุด"

h3.c ทำอะไรได้บ้าง

จาก README ปัจจุบัน h3.c ทำได้แล้ว [2]:

ฟีเจอร์ สถานะ
Prompt-to-video/audio ✅ ทำงาน end-to-end
First/last-frame conditioning ✅ ทำงาน
Ref2VA (reference image/video/audio) ✅ ทำงาน
Interactive session ✅ มี (Iris-style)
Metal optimization (M3/M5 Max) ⚠️ กำลังทำต่อเนื่อง

วิธีใช้ (ตัวอย่างจริง) 

# สร้างวิดีโอจาก prompt
./h3 -d ./MiniMax-H3 \
  -p "A red fox walks through fresh snow in a pine forest" \
  --width 512 --height 512 --frames 22 --steps 20 \
  -o outputs/fox.mp4
Enter fullscreen mode Exit fullscreen mode

มีโหมด interactive ที่พิมพ์ prompt แล้วได้วิดีโอทันที:

h3> !first opening.png
h3> !last ending.png
h3> The camera moves slowly around the subject.
Enter fullscreen mode Exit fullscreen mode

บริบทที่สำคัญ: นี่ไม่ใช่โปรเจกต์แรกของ antirez

antirez ไม่ได้เพิ่งมาทำ AI เขามีโปรเจกต์ inference engine มาก่อนแล้ว:

ds4 (DeepSeek v4 Flash engine)

ก่อน h3.c เขาทำ ds4, inference engine สำหรับ DeepSeek v4 Flash ที่รันบน Metal, CUDA และ ROCm [3]

จุดสำคัญ: ds4 ไม่ได้ link กับ GGML แต่ "มีอยู่ได้เพราะเส้นทางที่ llama.cpp เปิดไว้", antirez ยอมรับชัดเจนว่าเขาได้ประโยชน์จากงานของ ggerganov และ community

แพตเทิร์นที่ชัดเจน

antirez กำลังทำสิ่งที่เขาเก่งที่สุด: เขียน inference engine ที่เร็วและตรงกับ hardware โดยใช้ความรู้จาก llama.cpp/GGML เป็นฐาน แต่เขียน path ของตัวเอง

ทำไมเรื่องนี้ถึงสำคัญต่อวงการ AI

ผมคิดว่านี่คือสัญญาณที่สำคัญมาก 3 อย่าง:

1. "Open weights" ปลดล็อกนวัตกรรมจริง

MiniMax เองทวีตว่า:

"หนึ่งในโปรแกรมเมอร์ที่เก่งที่สุดในโลก เพิ่งเขียน MiniMax H3 inference engine สำหรับ Mac คุณจ้างคนแบบนี้ไม่ได้ คุณทำได้แค่ open-source แล้วรอ"

นี่คือพลังของ open weights, เมื่อเปิด weights ใครก็เอาไป optimize บน hardware ใดก็ได้

2. C กำลังกลับมาในวงการ AI

หลังยุคที่ทุกอย่างเป็น Python + PyTorch ตอนนี้มีเทรนด์ "เขียน inference engine ด้วย C" (llama.cpp, ggml, ds4, h3.c) เพราะ C ให้ความเร็วและควบคุมที่ Python ให้ไม่ได้

3. Mac กำลังกลายเป็นเครื่อง AI ที่จริงจัง

ก่อนหน้านี้ "รัน AI บน Mac" เป็นเรื่องรอง (NVIDIA ครองตลาด) แต่โปรเจกต์อย่าง h3.c กำลังเปลี่ยนเรื่องนี้, Mac M5 Max ที่มี unified memory 128GB กลายเป็นเครื่องรันโมเดลใหญ่ได้จริง

มุมสมดุล: ต้องพูดตรงๆ

ก่อนจบ ขอพูดตรงๆ ว่า h3.c ยังมีข้อจำกัด:

  1. ยังใหม่มาก, เปิดตัว 9 ส.ค. 2026 (9 วันก่อนเขียนบทความนี้) ยังไม่ mature
  2. เฉพาะ Mac, รันบน Apple Silicon เท่านั้น ไม่รองรับ NVIDIA/AMD
  3. ยัง optimize ไม่เสร็จ, README ระบุชัดว่า "current work is incremental Metal performance optimization"
  4. ต้อง compile เอง, ต้องมีทักษะ C + ตั้งค่า environment (ไม่ได้มีเพียง pip install)

แต่ทิศทางชัดเจน: ถ้า h3.c พิสูจน์ว่า "C + Metal" รันวิดีโอ AI บน Mac ได้เร็ว 500 เท่า มันจะเปิดทางให้เครื่องมือแบบนี้อีกมาก

สรุป

h3.c คือบทพิสูจน์ว่า "open weights + โปรแกรมเมอร์เก่ง = นวัตกรรมที่ไม่มีใครคาดคิด"

antirez ผู้สร้าง Redis ใช้เวลาไม่กี่วัน เขียน inference engine ด้วย C + Metal ที่ทำให้ MiniMax H3 รันบน Mac ได้เร็วขึ้น 500 เท่า (จาก 30 นาที เหลือ 3.5 วินาที)

เรื่องนี้สอนเราว่า:

  • Open weights ปลดล็อกนวัตกรรม, ใครก็ optimize บน hardware ใดก็ได้
  • C ยังไม่ตาย, ในวงการ AI ที่ต้องการความเร็ว C กำลังกลับมา
  • Mac กำลังเป็นเครื่อง AI จริงจัง, ไม่ได้มีเพียงเครื่องของนักออกแบบอีกต่อไป

ถ้าคุณมี Mac M-series และอยากลองรันวิดีโอ AI h3.c คือสิ่งที่ต้องจับตามอง

แหล่งอ้างอิง

[1] explainx.ai. "antirez h3.c: MiniMax H3 Video Gen on Mac in 3.5s". https://www.explainx.ai/blog/antirez-h3c-minimax-h3-metal-apple-silicon-august-2026

[2] antirez/h3.c. "MiniMax H3 inference engine for Mac computers". GitHub. https://github.com/antirez/h3.c

[3] antirez/ds4. "DeepSeek 4 Flash and PRO local inference engine for Metal, CUDA and ROCm". GitHub. https://github.com/antirez/ds4

[4] MiniMax (official). "One of the best programmers on Earth just wrote a MiniMax H3 inference engine for Mac". X (Twitter). https://x.com/MiniMax_AI/status/2086940119324565748

บทความนี้วิเคราะห์จาก GitHub repository ของ h3.c และ ds4, บทวิเคราะห์จาก explainx.ai และโพสต์ของ MiniMax ข้อมูล ณ 18 สิงหาคม 2026 Nokka

ผมเขียนบทความนี้เพราะเห็นว่า h3.c เป็นเรื่องราวที่สวยงามของวงการ open source, ผู้สร้าง Redis ใช้เวลาไม่กี่วันเขียน C + Metal ทำให้วิดีโอ AI รันบน Mac เร็วขึ้น 500 เท่า จุดที่ผมอยากให้คุณได้คือ "open weights ปลดล็อกนวัตกรรม" เพราะนี่คือเหตุผลที่ open source ยังชนะในระยะยาว

ลองตอบคำถามนี้ดู: คุณคิดว่าเทรนด์ "เขียน inference engine ด้วย C" (llama.cpp, ds4, h3.c) จะมาแทน Python + PyTorch ในวงการ local AI ไหม? และคุณเคยลองรัน AI บน Mac แล้วเจอปัญหาความช้าแบบนี้ไหม? คอมเมนต์บอกผมได้เลยครับ

Top comments (0)