같은 스토리보드를 줬는데, 한 놈만 그대로 그려냈다 — MiniMax H3 vs LTX-2.5 실사용 비교

요즘 로컬에서 동영상을 만들 수 있는 AI 모델을 검토하고 있다. 예전보다 성능이 향상된 모델들이 나오고 있고, 속도로 봐도 간단하게 사용할 만한 수준에는 올라왔다고 판단했기 때문이다.

그런데 캐릭터 이미지와 샷별 모션 프롬프트를 던져주고 “이대로 움직이게 해줘”라고 했을 때, 정말 그대로 나오는 모델이 몇이나 될까? 🤔 2026년 8월에 열흘 간격으로 가중치가 풀린 두 모델, MiniMax H3와 LTX-2.5를 사용해 보았다.

결론부터 말하면 승부는 화질이 아니라 레퍼런스 이미지 처리 방식에서 갈렸고, 그 다음엔 아무도 예상 못 한 곳에서 발목이 잡혔다. 바로 라이선스 조항 말이다!!

MiniMax H3와 LTX-2.5는 뭐가 다른가?

MiniMax H3 — 레퍼런스를 통째로 삼키는 옴니모달 모델

MiniMax H3(하이루오 3.0)는 2026년 7월 31일에 공개된 옴니모달 생성 모델이다. 텍스트·이미지·영상·오디오를 하나의 컨텍스트로 읽고, 스테레오 오디오가 붙은 2K 영상을 최대 15초까지 뽑아낸다. 8월 3일에는 33B 트랜스포머 가중치가 허깅페이스와 모델스코프에 올라왔다.

내가 주목한 건 레퍼런스 입력 한도였다. 공식 문서 기준으로 레퍼런스 이미지는 최대 9장, 레퍼런스 영상은 최대 3클립까지 넣을 수 있는데, 콘티를 컷별로 쪼개서 여러 장 밀어넣을 수 있다는 뜻이다. 이게 그냥 스펙표의 숫자가 아니라 실제 체감 차이를 만들어준다고 본다.

LTX-2.5 — ComfyUI 데이 제로, 속도로 밀어붙이는 쪽

LTX-2.5는 라이트릭스에서 분사한 LTX가 8월 11일에 공개한 22B 오픈웨이트 오디오-비디오 모델이다. 텍스트 인코더로 Gemma 4 12B에 학습된 프로젝션을 붙였고, ComfyUI에 출시 당일부터 네이티브로 들어갔다. 공식 워크플로 템플릿(T2V·I2V·FLF2V)도 첫날부터 배포됐고.

LTX 측 발표로는 증류 모델 기준 이미지에서 10초 클립을 약 6.8초에 뽑는다고 한다. 물론 이건 GB200 두 장 기준이니까 우리 데스크톱 얘기는 아니고, 실제 소비자 GPU 수치는 아래 커뮤니티 섹션에서 따로 보자.

왜 레퍼런스 이미지가 승부를 갈랐나?

내 테스트 방식은 단순했다. 캐릭터 이미지를 먼저 만들고, 그 이미지를 레퍼런스로 넣은 다음 샷별 모션 프롬프트를 붙였다. 판정 기준은 화질이 아니라 구도 이탈 여부였고, 인물 위치, 시선 방향, 배경 요소가 원본과 얼마나 어긋나는지만 봤다.

[STEM] Winter, early morning, a small rented room in Seoul.

CUT 2: A medium shot from across a small room. The woman sits on the edge of an unmade
bed, holding a mug in both hands, doing nothing in particular. Low winter sun comes
through a single window on the left and lays a long warm rectangle across the floor and
up the wall. She lifts the mug, drinks, and lowers it again, her eyes drifting to the
window as the steam bends. The camera pushes in VERY slowly. Dust turns in the
sunlight. Hold on her face turned toward the window.

TRANSITION: The camera continues past her shoulder toward the window until the room
falls out of frame entirely.

같은 이미지, 같은 모션 프롬프트로 5초 클립을 각각 뽑았다. 직접 비교해 보자 👇

동일 레퍼런스 이미지 · 동일 모션 프롬프트 · 5초 · 무음 처리 · 무보정

결과는 H3 쪽이 확실히 안정적이었다. 캐릭터에서 잡아둔 프레이밍을 대체로 유지했고, 카메라가 움직여도 원본 구성을 놓치지 않았다. 반면 LTX-2.5는 이미지-투-비디오 자체는 잘 돌아가는데, 이미지를 첫 프레임으로 놓고 시작하기 때문에 그런지 샷별 모션 프롬프트를 따르지 않는 모습을 보였다.

속도 차이는 어디서 벌어졌나?

전체 실행 시간만 보면 3.7배 차이지만, 로그를 스텝 단위로 뜯어보면 이야기가 달라진다.
샘플링 구간만 비교하면 격차는 약 20배다. H3는 530초, LTX-2.5는 27초였다.
그런데 최종 격차가 3.7배로 좁혀진 이유는, LTX-2.5가 실제 연산보다 준비 과정에 더 많은 시간을 쓰기 때문이다.

LTX-2.5는 171초 중 샘플링이 27초뿐이고, 나머지 144초가 텍스트 인코더 로딩과 VAE 처리, 업스케일 단계에 들어갔다. 반대로 H3는 641초 중 530초가 순수 샘플링이었다. 다시 말해 LTX-2.5는 오버헤드에 갇혀 있고, H3는 연산 자체에 갇혀 있다. 클립을 여러 개 연속으로 뽑을 때 LTX-2.5의 체감 이점이 더 커지는 이유가 여기 있다. 모델을 한 번 올려두면 두 번째부터는 준비 과정이 상당 부분 생략되니까.

스텝 수가 다르다는 점도 짚어둬야 한다. H3는 20스텝을 단일 단계로 돌렸고, LTX-2.5는 증류 모델이라 8스텝 생성 뒤 3스텝 업스케일로 끝냈다. 스텝당 시간으로 보면 26.54초 대 2.04초로 13배 차이다. 이건 설정 문제가 아니라 증류 모델과 일반 모델의 설계 차이에 가깝다.

화면만 놓고 보면 LTX-2.5 쪽이 훨씬 선명한데 “이 구도대로 움직여줘”라는 요구에는 H3가 더 충실했다.

여기서 솔직하게 짚고 갈 부분이 있다. 이건 동일 조건 A/B가 아니다. LTX-2.5 쪽 레퍼런스 제어 경로를 끝까지 열지 못했기 때문이다. 해상도와 길이는 맞췄지만, 두 모델이 레퍼런스를 받아들이는 방식 자체가 달랐다. 그러니 “H3가 더 낫다”보다 “기본 경로만 놓고 보면 H3가 콘티 재현에 유리했다”가 정확한 표현일 것이다.

💡 표본이 작다는 점도 미리 밝혀둔다. 이번엔 모델당 시드를 2회씩만 돌렸다. 같은 경향이 두 번 반복되긴 했지만, 이걸로 모델 성향을 단정하기엔 부족한 숫자다. Krea 2 스타일 LoRA 비교 때 소수 시드만 보고 성향을 단정했다가 뒤집힌 경험이 있어서, 이번 결과도 확정된 결론이 아니라 재검증이 필요한 관찰로 읽어주면 좋겠다. 시드를 늘린 재테스트는 다음 편에서 다룰 예정이다.

LTX-2.5 레퍼런스 노드팩은 왜 안 붙었을까?

LTX 계열에서 레퍼런스 제어를 하려면 IC-LoRA(In-Context LoRA)를 쓰는 게 정석이다. 참조 영상에서 구조와 모션을 추출해서 새 생성물에 얹는 방식인데, 이미지 쪽 ControlNet을 여러 프레임으로 확장한 개념이라고 보면 된다. Depth·Canny·Pose 세 갈래 그룹이 있다.

내 환경에선 커스텀 노드팩을 붙이는 순간 GPU를 잡지 못하는 충돌이 났고, 원인을 파고들다 보니 이건 나만 겪은 일이 아니었다. LTX 계열 레퍼런스 노드팩 중 상당수가 transformers 4.x 버전 고정을 요구하는데, 이게 최신 ComfyUI 및 다른 커스텀 노드 대부분과 충돌한다는 게 개발자들 사이에서 이미 알려진 문제다. ID-LoRA 계열 리포지터리는 아예 공식 문서에 이 사실을 적어두고 “이제 네이티브 경로를 쓰라”고 안내하고 있을 정도니 말이다.

정리하면 이렇게 대응하는 게 맞다 👇

1. 별도 노드팩 설치 전에 네이티브 경로부터 확인 — ComfyUI 코어에 이미 병합된 기능일 수 있다
2. ComfyUI를 별도 가상환경으로 분리 — 의존성 충돌 시 롤백 비용이 크게 줄어든다
3. 설치 직후 pip 의존성 변경 로그 확인 — 어떤 패키지가 강제 다운그레이드됐는지 보면 원인이 바로 나온다
4. 공식 템플릿 워크플로부터 실행 — 커스텀 노드 없이 되는 범위를 먼저 확정하는 게 순서다

커뮤니티는 이 둘을 어떻게 평가하고 있나?

국내는 아카라이브 AI 실사 채널에 H3 실사용기가 여럿 올라와 있었다. 한 사용자는 원본 이미지를 0.8메가픽셀로 리사이즈한 뒤 5초·10초 영상을 뽑고 74프레임 보간을 걸었는데, 리사이즈 때문인지 업스케일하면 이질감이 느껴져서 제외했다고 적어놨다. 로컬에서 돌릴 때 해상도 타협이 필요하다는 신호로 읽을 수 있다.

해외 커뮤니티 테스트를 모아보면 온도차가 뚜렷하다. 속도는 LTX-2.5 압승이었다. RTX 4080에서 5초 1080p가 1분 미만, RTX 5090에서 10초 720p가 2분 수준으로 보고됐다. 앞서 내가 5070 Ti에서 잰 2분 51초와 견줘보면 대체로 같은 결의 수치다. 반면 디테일·물리·복잡 장면은 H3 우세라는 평이 많고, 특히 이미지-투-비디오와 멀티샷 편집에서 좋다는 반응이 나왔다.

다만 H3에도 지적이 없진 않았다. 슬로모션처럼 느껴지는 출력, 번진 듯한 블러, 원하지 않은 배경음악이 반복적으로 언급되고, 인물이 넓은 화각이나 원거리 샷으로 들어가면 알아보기 어려워진다는 리포트도 있었다. 그리고 중요한 점 — 오픈 가중치는 네이티브 768p고, 완전한 2K는 호스팅 전용 리제너레이션 패스를 거쳐야 한다. 즉, 로컬로 2K가 그냥 나오는 게 아니다.

그런데 왜 한국에선 로컬 구동이 막혀 있나?

여기부터가 이 글의 진짜 핵심이다.
결론을 말하기 전에 이 결론이 성립하는 전제부터 깔고 가자. 조건이 하나만 달라져도 답이 바뀌는 사안이라서 그렇다.

• 전제 1 — 허깅페이스에서 가중치를 직접 내려받아 MiniMax H3 Community License를 수락한 경우에 한한다
• 전제 2 — 사용자가 물리적으로 대한민국에서 운용하는 경우를 가정한다
• 전제 3 — MiniMax에 개별 라이선스를 신청해 승인받지 않은 상태를 가정한다

이 전제가 모두 맞다면, Community License는 적용 지역(Applicable Territory)을 EU·영국·대한민국·미국을 제외한 전 세계로 정의하고 있다. 그리고 §V.4는 여기서 한 발 더 나가, 해당 저작물뿐 아니라 그 출력물까지 적용 지역 밖에서 사용·복제·수정·배포·전시하는 걸 금지한다. 로컬에서 뽑은 영상 파일 자체가 걸린다는 뜻이다.

미국 제한 사유는 공개적으로 밝혀졌다. MiniMax의 개발자 관계 책임자가 디즈니·유니버설·워너브라더스 디스커버리가 제기한 생성 영상 저작권 소송 때문이라고 설명했다. EU·영국·한국에 대해서는 규제 상황 변화에 따른 조치라는 취지의 설명이 나왔지만, 신청 절차가 문서로 명확히 정리되진 않은 상태다.

반대로 API는 이 제한과 별개라고 보면 된다. 가중치 라이선시가 아니라 호스팅 서비스의 고객이라는 다른 법적 관계이기 때문이고, MiniMax도 “API는 전 세계 이용 가능, 오픈 가중치는 일부 지역 한시 제한”이라고 구분해 안내하고 있다. 대신 API를 쓰면 콘텐츠가 MiniMax 인프라를 경유한다는 트레이드오프가 생긴다.

그래서 이 글의 클립을 다시 뽑았다

처음엔 로컬에서 뽑은 결과물을 그대로 올릴 생각이었다. “조금 수정해서 올리면 되지 않나” 싶기도 했다. 그런데 §V.4의 금지 동사 목록을 다시 보면 modify가 이미 들어가 있다. 수정 행위 자체가 제한 대상이니, 편집을 거친다고 제약이 벗겨지는 게 아니라 제한 행위가 하나 더 얹히는 구조다. 정지 프레임만 뽑아 쓰는 것도 마찬가지다. 그것도 Output의 복제이자 전시다.

그래서 레퍼런스 이미지와 모션 프롬프트를 그대로 둔 채 H3 클립만 공식 API에서 다시 생성했다. API는 가중치 라이선스가 아니라 호스팅 서비스 이용 관계라 이 조항과 층위가 다르다. 비용은 호스팅 사업자 공개 요율 기준 2K 초당 $0.13 수준이라, 5초 클립 몇 개로는 사실상 부담이 없었다. 테스트는 로컬에서, 게재는 API에서. 결국 이 글이 말하려던 내용을 내가 직접 실행하게 된 셈이다.

그래서 지금 뭘 골라야 하나?

마무리 — 성능표보다 먼저 봐야 할 게 있다

이번 비교에서 제일 크게 배운 건 성능 얘기가 아니다. 오픈 가중치라는 말이 “내가 쓸 수 있다”를 자동으로 보장하지 않는다는 거였다. 벤치마크 표를 열 번 보는 것보다 라이선스 §I.5 한 줄 읽는 게 실무에선 더 결정적일 수 있다는 점을 명심하자.

위에 올린 클립 두 개도 그래서 생성 경로가 다르다. 모델을 고를 때 우리가 보통 확인하는 건 VRAM 요구량과 생성 속도인데, 이번엔 결과물을 어디에 올릴 수 있느냐가 워크플로 자체를 바꿔놨다. 앞으로 로컬 모델을 검토할 때 체크리스트에 한 줄 추가해야 할 것 같다. 다운로드 버튼 옆의 LICENSE 파일 말이다.

혹시 이미 LTX-2.5 레퍼런스 경로를 여는 데 성공했다면 어떤 환경이었는지 댓글로 남겨주면 고맙겠다. 나도 그 조합부터 다시 시도해 보고 싶다 🙏