Cuando tu cama vibra: Debugueando la inestabilidad física de MiniMax H3

Todo comenzó con algo que, a primera vista, parecía un simple fallo en la generación de video. Estaba trabajando con una pareja realizando acciones intensas sobre una cama que servía como respaldo para una biblioteca llena de libros. En mis generaciones anteriores, por más intenso que fuera el movimiento, todo se veía firme y estable. Sin embargo, al llegar a las últimas sesiones, la cama entera y el librero vibraban ostensiblemente.

La primera hipótesis fue obvia: ¿Podría ser culpa del cambio de una LoRA de 4 pasos a otra diferente? La idea inicial era rehacer todo el workflow original para ver si eso solucionaba el problema. Se propuso un diagnóstico metódico, probando primero la combinación de un workflow antiguo con la nueva LoRA, y luego invirtiendo los componentes para aislar exactamente qué estaba causando esa inestabilidad en la estructura.

Pero algo cambió durante el proceso de prueba. Al utilizar el workflow original con la nueva LoRA, se descubrió que la vibración persistía incluso cuando aumentaba la intensidad del movimiento. Esto exoneró completamente a la extensión de la culpa. Además, surgió una pieza clave: el modelo base es MiniMax H3, y este no cuenta con un campo de prompt negativo tradicional.

Esta revelación alteró por completo el enfoque del diagnóstico. Intentar inyectar términos como `shaking furniture` o `vibrating bed frame` en los prompts podría ser contraproducente; el modelo H3, al carecer de una estructura negativa nativa, podría simplemente prestar atención a esas palabras y generarlas literalmente en la escena. En lugar de intentar frenarlo con negativos, la solución radicó en redefinir la estabilidad como una propiedad física intrínseca.

Se optó por describir el entorno utilizando adjetivos que definieran su peso y rigidez: `extremely heavy`, `solid wooden bed` y `firmly anchored`. La estrategia evolucionó para separar explícitamente la intensidad del movimiento corporal de la magnitud del movimiento de la escena. Se formuló una nueva aproximación donde solo los personajes y sus prendas respondían dinámicamente a la acción, mientras que el entorno permanecía estático.

Finalmente, se identificó un umbral crítico: existe un nivel específico de intensidad en el que el modelo decide que el escenario debe comenzar a vibrar para representar esa energía. La solución definitiva no fue seguir peleando con los prompts, sino reducir ligeramente la intensidad del movimiento directo y aumentar la sensación de dinamismo mediante el encuadre, el timing o la edición.

Este proceso demuestra que incluso un modelo avanzado como MiniMax H3 tiene límites en su comprensión de la física implícita. Cuando se supera cierto umbral de coherencia física, el modelo puede recurrir a soluciones baratas, como hacer que la cama haga pilates para representar fuerza. Controlar espacialmente qué zonas pueden cambiar es mucho más efectivo que intentar convencer al modelo con adjetivos contradictorios.