102 freie KI-Videostudios und ein Anwaltsbrief: Was Comfys Wettbewerb gebracht hat

Darum geht es

In den vergangenen zwei Wochen haben wir einzeln über IV Studio, Mago Studio, Openjutsu, Reshoot 4D und H3MD Director berichtet. Das sind freie Programme, die auf ComfyUI aufsetzen, der Oberfläche, in der man KI-Abläufe aus verbundenen Bausteinen („Nodes“) zusammensteckt. Hinter mehreren davon steht dieselbe Kampagne: Comfy Org, die Firma hinter ComfyUI, hat die Community aufgerufen, die Funktionen der kommerziellen Videoplattform Higgsfield mit offenen Modellen nachzubauen. Daraus entstanden mehr als 100 Projekte. Higgsfield schickte daraufhin einen Anwaltsbrief.

Wir ordnen ein, was dahintersteckt. Außerdem rechnen wir nach, was die Projekte an Hardware verlangen, wie offen das bevorzugte Videomodell MiniMax H3 wirklich ist und was davon du heute sinnvoll auf dem eigenen Rechner nutzen kannst.

Ein Wettbewerb mit wechselnden Terminen

Der Wettbewerb begann laut ComfyUI-Wiki Anfang Oktober als „Open Call: Comfy Dev Platform Challenge“ mit Einsendeschluss am 19. Oktober. Ab dem 15. Oktober lief er dann unter dem zugespitzten Namen #OpenSourceHiggsfield weiter. Die Regeln: Die Beiträge sollen funktionierende Apps mit Oberfläche sein und nicht bloß exportierte Workflows. Sie müssen auf Comfys Entwicklerplattform aufbauen (API, Router oder SDK) und unter einer Open-Source-Lizenz auf GitHub stehen. Dazu gehören Installationsanleitung und ein Demovideo von höchstens zwei Minuten. Partner waren NVIDIA, Runpod, Lightricks (LTX), Black Forest Labs (FLUX) und MiniMax.

Nachgerechnet: Bar ausgezahlt werden 12.000 Dollar, dazu kommen 5.250 Dollar an Gutschriften und drei Grafikkarten. Die beworbenen 25.000 Dollar ergeben sich nur, wenn man jede RTX 5090 mit rund 2.600 Dollar ansetzt.

Auch die Termine sind uneinheitlich. Comfy schrieb am 29. Oktober auf X, Einsendeschluss sei der 30. Oktober und die Sieger kämen am 6. November. Die offizielle Wettbewerbsseite nennt inzwischen aber den 3. November (9 Uhr Pazifikzeit) als Einsendeschluss, einen zusätzlichen Build-Abend in New York am 2. November und den 10. November für die Bekanntgabe. Wann und warum die Termine verschoben wurden, erklärt Comfy dort nicht.

Der Streit: Name ja, Code nein

Am 29. Oktober veröffentlichte Comfy-Mitgründer Yoland Yan auf X ein dreiseitiges Schreiben von Higgsfield. Laut der Zusammenfassung von Art Realm AI ist es auf den 28. Oktober datiert und vom Associate General Counsel des Unternehmens unterzeichnet. Higgsfield stört sich daran, dass der Name „HIGGSFIELD“ im Titel, in Hashtag, URL und Einreichungsformular steht und CEO Alex Mashrabov im Kampagnenvideo zu sehen ist. Das erwecke den falschen Eindruck, Higgsfield stehe dahinter. Als Grundlage nennt das Schreiben eine US-Marke und den Lanham Act, das US-Markengesetz. Gefordert werden: den Namen nicht mehr zu verwenden, das Video zu entfernen, Unterlagen aufzubewahren und das Ganze binnen zwei Tagen schriftlich zu bestätigen. Bemerkenswert ist ein Satz aus dem Brief:

Higgsfield hat nichts gegen Open-Source-Software, Wettbewerb oder Kommentare.

Yan machte daraus die Forderung, die ganze Challenge binnen 48 Stunden abzuschalten. Der japanische Blogger dskjal hält das für überzogen: Verlangt werde vor allem, den Namen nicht mehr zu benutzen und den CEO aus dem Video zu nehmen. Comfy antwortete trotzig:

Die Challenge bleibt online.

Eine öffentliche Antwort von Higgsfield haben wir nicht gefunden. Wackelig ist auch Comfys Begründung, Higgsfield habe versprochen, seine Plattform offenzulegen. ExplainX fand dafür keinen Beleg. Wir fanden lediglich die Ende September veröffentlichte Referenz-App „open-higgsfield“, eine Next.js-Oberfläche, die nur mit Higgsfields eigener, kostenpflichtiger API funktioniert. Zum Hintergrund: Higgsfield wurde im August mit 5,4 Milliarden Dollar bewertet und meldet nach eigenen Angaben 32 Millionen Nutzer.

Was herauskam: 102 Projekte, mehr LTX als H3

Die von Jutsu Studio gepflegte Liste zählt 102 Wettbewerbsbeiträge. Die meisten sind All-in-one-Studios (26), gefolgt von Kamera- und Reshoot-Werkzeugen (15) und Charakter-Tausch à la Higgsfields „Genjutsu“ (14). Mit Abstand am beliebtesten ist Openjutsu: Am 31. Oktober hatte es laut einer Liste 656 GitHub-Sterne, am 1. November 910 und heute über 1.600. Dahinter folgen ComfyArt (rund 400) und ComfyUI-Continuity (rund 140). Die meisten anderen Projekte haben nur eine Handvoll Sterne. Einige stehen ganz ohne Lizenzdatei da, etwa OpenField. Damit darf man sie rechtlich gesehen nicht weiterverwenden.

Von unseren fünf Einzelartikeln sind nachweislich drei Wettbewerbsbeiträge: Openjutsu, IV Studio und Reshoot 4D. H3MD Director erwähnt die Challenge im README nicht, bei Mago Studio fanden wir keinen Beleg. Das Muster ist trotzdem deutlich: Innerhalb von zwei Wochen entstanden Dutzende Oberflächen für dieselben offenen Modelle.

Eine Überraschung bringt das Durchzählen der Listen. Wo ein Projekt sein Videomodell nennt, ist das in rund 13 Fällen LTX (Version 2, 2.3 oder 2.5) und nur in 4 bis 5 Fällen MiniMax H3. Viele Beiträge schreiben einfach „open weights“. Unsere Einschätzung: Der einzige Bonus in bar ging an LTX-Projekte (2.000 Dollar), für H3 gab es nur API-Gutschriften. Zudem läuft LTX auf kleineren Karten. Beides dürfte den Ausschlag gegeben haben.

MiniMax H3: Wird es das Stable Diffusion des Videos?

Außerhalb des Wettbewerbs ist H3 trotzdem zum Fundament eines Ökosystems geworden. MiniMax veröffentlichte die Gewichte am 3. August: einen dichten Transformer mit 33 Milliarden Parametern, der Video und Stereoton gemeinsam erzeugt. Drei Monate später zeigt Hugging Face 209 Finetunes, 188 Adapter, 86 Quantisierungen und 11 Merges. Quantisierung heißt, das Modell wird verkleinert, indem seine Zahlen gröber gespeichert werden. Die von Comfy umgepackte Fassung kam im letzten Monat auf rund 31,9 Millionen Downloads. Das zählt Dateiabrufe, nicht Nutzer. Ein vergleichbarer Schub um ein einzelnes Modell war zuletzt bei Stable Diffusion für Bilder zu beobachten.

Offen ist aber nicht alles. H3-Context-IR, das Prompts aufbereitet, bleibt laut MiniMax ein gehosteter Dienst. H3-Regenerate-2K, die Neuberechnung in 2K, ist „noch nicht“ freigegeben, und die schnelle Sparse-Attention fehlt in der ersten Version. Die Community füllt diese Lücken inzwischen selbst. Open-H3-Regenerate-2K rechnet einen 768p-Entwurf in drei Schritten auf 2560×1440 hoch. Gemessen wurde aber nur auf einer Rechenzentrums-GPU vom Typ B200 (22 bis 87 Sekunden pro 5-Sekunden-Clip), und VRAM-Angaben fehlen.

Wie viel Grafikspeicher die Studios wirklich brauchen

Die Angaben der Projekte liegen weit auseinander. Alle stammen von den Entwicklern selbst:

Unabhängige Praxisberichte in einer Hugging-Face-Diskussion dämpfen die Erwartungen. Auf einer RTX 3060 mit 12 GB dauerten 3 Sekunden Video in 1376×768 mit 24 Schritten rund 20 Minuten. Mit Turbo-LoRA (einem Beschleuniger-Zusatzmodul) in 864×480 waren es für 5 Sekunden noch 4,5 Minuten. Eine 4060 Ti mit 16 GB brauchte für einen 22-Sekunden-Clip 62 Minuten. Selbst auf einer RTX 5090 mit 32 GB lief ein Nutzer ab etwa 35 Sekunden Videolänge in Speicherfehler. Ein Autor bei Dev.to nennt den Betrieb auf 12 GB „möglich, aber nicht komfortabel“ und eher zum Kennenlernen als zum Arbeiten geeignet.

Die viel geteilte Meldung, RefMods halte Figuren und Stimmen auf einer 6-GB-Karte konsistent, stammt aus einem einzelnen Reddit-Erfahrungsbericht mit einem Stapel von Spar-Nodes. Das RefMods-Repository selbst nennt keine VRAM-Werte. Es bezeichnet sich als „im Aufbau“ und führt die Stimmübertragung als bekannten Fehler auf. Der Reddit-Autor meldet dagegen gleichbleibende Stimmen. Das widerspricht sich.

Die Lizenz-Falle

Für Leser in Deutschland ist die MiniMax H3 Community License der wichtigste Punkt. Laut Lizenztext auf Hugging Face sind die EU, Großbritannien, Südkorea und die USA vom Geltungsgebiet ausgeschlossen. Die Nutzung des Modells oder seiner Ausgaben außerhalb des Geltungsgebiets ist nicht erlaubt. Weitere Punkte:

• Firmen mit mehr als 20 Millionen Dollar Jahresumsatz brauchen eine schriftliche Genehmigung.
• Kommerzielle Produkte müssen „MiniMax H3“ gut sichtbar in der Oberfläche nennen.
• Mit den Ausgaben dürfen keine anderen KI-Modelle trainiert werden.
• Es gilt Recht aus Hongkong.

Die Lizenz gilt für alle oben genannten Ableitungen, vom Pika-Adapter bis zum 2K-Ersatz.

Einen Ausweg bietet ausgerechnet Comfy: Das Unternehmen ist offizieller Wiederverkäufer von H3-Lizenzen. Die Professional-Stufe kostet ab 5.000 Dollar im Monat und enthält rund 46.250 Videosekunden. LoRA-Training ist enthalten. Ausgeschlossen sind Weiterverkauf, Modell-Marktplätze und „Inference-as-a-Service“. Ob ein gehosteter Dienst mit eigenen LoRAs darunter fällt, lässt Comfy offen. Hinzu kommen Bausteine mit eigenen Einschränkungen: InsightFace, das in IV Studio und Openjutsu Gesichter abgleicht, ist nur für nichtkommerzielle Forschung freigegeben. Qwen Image 2.1 steht laut Kinoloom unter einer nichtkommerziellen Forschungslizenz.

Unsere Einschätzung: Dass MiniMax Wettbewerbspartner ist und Comfy zugleich H3-Lizenzen verkauft, ist kein Skandal. Es zeigt aber, dass „Open Source Higgsfield“ auch eine Vertriebsaktion ist.

Was du heute wirklich lokal nutzen kannst

• Mit 8 GB: Kinoloom ist ausdrücklich darauf getestet, nutzt dann aber vor allem LTX-2.5 und Bildmodelle. Für H3 bleiben GGUF-Quantisierungen und viel Geduld.
• Mit 16 GB und 64 GB RAM: Openjutsu (rechnet für einen 6-Sekunden-Clip in 480p etwa 6 bis 13 Minuten), IV Studio mit kleineren Vorschauen, Backlot. Unter Windows sind das die zugänglichsten Einstiege.
• Mit 24 GB: Reshoot 4D, IV Studio in voller Qualität, H3MD Director für längere Videos.
• Ohne starke Karte: IV Studio und Mago Studio können über das eigene Runpod-, Modal- oder Vast.ai-Konto rendern. IV Studio rechnet für einen 10-Sekunden-Shot auf einer L40S rund 0,13 Dollar vor.
• Mac: praktisch nicht vorgesehen. Fast alle Projekte setzen eine Nvidia-GPU voraus.

Einordnung

Der Wettbewerb hat gezeigt, wie schnell sich bezahlte Funktionen mit offenen Modellen nachbauen lassen. Für Charakter-Tausch, Kamera-Reshoots und Kurzfilm-Assistenten gibt es nun brauchbare freie Gegenstücke. Die Qualität beschreiben bisher aber fast nur die Entwickler selbst. Viele Projekte sind wenige Wochen alt, haben eine Handvoll Sterne und laufen erst nach dem Einrichten von 20 und mehr Node-Paketen. Die Bedienung ist nicht mehr das größte Problem, die Hardware und die Wartezeit schon.

Unsere Einschätzung: Der Vergleich mit Stable Diffusion trägt beim Ökosystem, also bei Adaptern, Quantisierungen und Werkzeugen. Bei der Offenheit trägt er nicht. Stable Diffusion war weltweit nutzbar, H3 schließt die EU aus und hält zentrale Teile wie den 2K-Upscaler und das Prompt-System zurück. Wer in Deutschland legal und kommerziell arbeiten will, ist mit LTX-basierten Projekten derzeit besser bedient. Der Markenstreit mit Higgsfield dürfte dagegen wenig ändern: Er richtet sich gegen den Namen, nicht gegen den Code. Wer gewinnt, soll laut Comfys Wettbewerbsseite inzwischen erst am 10. November feststehen.