К содержимому
Другое

MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA-Q3_K_M-GGUF

локальный переписчик промптов в формате GGUF

1 мин чтенияобновлено

Это GGUF-сборка (формат для локального запуска моделей на процессоре и видеокарте) модели lightx2v/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA, сконвертированная пользователем Bakanayatsu через llama.cpp. Оригинальная модель создана для переписывания и улучшения промптов (судя по названию, для задач Ref2VA в линейке MiniMax-H3 на базе 9-миллиардной Qwen3.5). Квантизация Q3_K_M (сжатие весов до 3 бит) заметно снижает требования к памяти по сравнению с полноразмерным чекпоинтом. Подойдёт тем, кто хочет крутить генератор и улучшатель промптов локально без мощного серверного железа.

Ключевые особенности

  • Квантизация Q3_K_M — компактный 3-битный вариант модели на 9B параметров для запуска на обычных ПК.
  • Формат GGUF с нативной поддержкой llama.cpp, llama-cli и llama-server.
  • Прямая загрузка из репозитория Hugging Face флагами --hf-repo и --hf-file без ручного скачивания.
  • Сконвертирована через официальный инструмент GGUF-my-repo от ggml.ai.

Что можно сделать

  • Поднять локальный API-сервер через llama-server и подключить его как этап автоматического улучшения промптов в пайплайнах генерации.
  • Использовать в консольном режиме через llama-cli для быстрой доработки текстовых запросов в офлайне.

Пример

llama-cli --hf-repo Bakanayatsu/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA-Q3_K_M-GGUF \
  --hf-file minimax-h3-prompt-rewriter-qwen3.5-9b-ref2va-q3_k_m.gguf \
  -p "The meaning to life and the universe is"
ПодробнееБазовая модель: lightx2v/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA.
Формат и квантизация: GGUF, Q3_K_M (конвертация через llama.cpp / GGUF-my-repo).
Подробное описание архитектуры, бенчмарки и системные промпты находятся в карточке оригинальной модели.
Обсудить Telegram 0 115

Запустится ли?

Запустится в GGUF Q3_K_M

Влезает самая точная из готовых сжатых версий.

  • GGUF Q3_K_Mвеса 4.4 GB · готовые файлы5.4 GB

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: GGUF Q3_K_M — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Bakanayatsu/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA-Q3_K_M-GGUF
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Bakanayatsu/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA-Q3_K_M-GGUF --local-dir ~/models/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA-Q3_K_M-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Промпты для MiniMax H3

Все промпты

Готовые промпты с видео результата: копируйте и пробуйте.

Семья модели

Новые посты про версии MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face

О модели

Bakanayatsu/MiniMax-H3-Prompt-Rewriter-Qwen3.5-9B-Ref2VA-Q3_K_M-GGUF
Автор
Bakanayatsu
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

1150

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии