H3-World：把 33B MiniMax-H3 视频生成器变成交互式世界模型

H3-World 将 33B MiniMax-H3 视频生成器改造为交互式世界模型，把自然语言指令转化为精确的、时间对齐的角色与镜头控制，且不引入专门的动作模块。它通过时间注意力路由限制每条指令的作用区间以减少控制泄漏，仅用 8,000 个游戏样本、10,000 步 LoRA 优化和 0.199% 可训练参数即实现有效控制，并保持生成质量、可泛化到未见场景。