К содержимому
Видео

MiniMax-H3-FP8-Paiton-RDNA4

видео со звуком за 30 секунд на AMD RDNA4

3 мин чтения

Оптимизированная в формат FP8 (8-битная плавающая точка для снижения расхода памяти) версия модели MiniMax H3 Ref2VA от команды EliovpAI для генерации видео со стереозвуком по тексту и референсам. Веса упакованы специально под нативный раннер на скомпилированном коде HIP из плагина paiton-vllm-plugin (v1.2), который работает на видеокартах архитектуры AMD RDNA4 без использования PyTorch или diffusers. В отличие от оригинального BF16-релиза весом 144 ГБ, эта сборка помещается в одну карту Radeon AI PRO R9700 (32 ГБ) и ускоряет генерацию до 4 раз по сравнению с прошлой версией раннера. Решение пригодится владельцам видеокарт AMD, которым нужна быстрая локальная генерация роликов с аудиодорожкой через HTTP API или ComfyUI.

Ключевые особенности

  • Работа на одной видеокарте: пиковое потребление видеопамяти снижено до 24.7–26.8 ГиБ против 30.6 ГиБ в предыдущей версии, а один пресет занимает 50.9 ГБ на диске.
  • Два режима скорости: в комплект входят трансформеры с вшитой Turbo LoRA на 4 шага (Turbo4, 20.3 ГБ) и на 8 шагов (Turbo8, 20.5 ГБ).
  • Независимость от тяжелых фреймворков: раннер написан на нативном HIP-коде, загружает веса в память один раз при старте (за 76 секунд с проверкой SHA-256) и принимает запросы по HTTP.
  • Сохранение качества оригинала: при генерации с 1 картинкой в 864×480 метрика соответствия промпту CLIP-T составляет 29.77 против 29.52 у исходной BF16-модели.

Что можно сделать

  • Генерировать ролики по референсам: передавать текстовый промпт и от 1 до 9 опорных изображений, получая 5.2-секундное видео (124 кадра при 24 fps) со стереозвуком.
  • Редактировать видео со звуком: подавать на вход готовый видеоролик с аудиодорожкой и получать его переработанную версию в разрешении 864×480.
  • Подключать к ComfyUI на слабом ПК: установить клиентскую ноду paiton_h3v_client, которая отправляет задачи на сервер раннера, позволяя самому интерфейсу ComfyUI работать даже на CPU.

Пример

git clone --depth 1 [https://github.com/Eliovp-BV/paiton-vllm-plugin.git](https://github.com/Eliovp-BV/paiton-vllm-plugin.git)
cd paiton-vllm-plugin
PAITON_DETACH=1 ./models/MiniMax-H3/native/launch.sh http
curl -o panda.mp4 -F image=@panda.png \
  -F prompt='The red panda from  walks through a sunlit forest. Audio: birds and a stream.' \
  [http://127.0.0.1:30000/v1/videos/generations](http://127.0.0.1:30000/v1/videos/generations)
ПодробнееСкорость (R9700, Turbo4, 864×480): 30.4 с для 1 фото (в 1.7× быстрее v1.1.0), 44.3 с для 9 фото (в 4.0× быстрее), 203.8 с для 1 видео со звуком; для 1344×768 (9 фото) — 114.1 с.
Схожесть с оригиналом BF16 по 15 роликам: 0.932 по CLIP-I и 0.871 по DINOv2; текстовый энкодер Qwen3-VL-32B (27.2 ГБ) скачивается автоматически из соседнего репозитория.
Требования к железу: видеокарта Radeon AI PRO R9700 (32 ГБ), Docker, 51 ГБ свободного места на диске и около 41 ГБ свободной оперативной памяти для быстрой работы текстового энкодера.
Ограничения: веса совместимы только с раннером paiton-vllm-plugin; лицензия MiniMax H3 Community License запрещает использование в ЕС, Великобритании, Южной Корее и США.
Обсудить Telegram 0 25

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 19 GB · готовые файлы25 GB
  • FP8 / INT8рекомендуемвеса 9.5 GB14 GB
  • 4-bitвеса 5.4 GB9.2 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5080 · BF16 — от RTX 5090

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.

    # EliovpAI/MiniMax-H3-FP8-Paiton-RDNA4
    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 EliovpAI/MiniMax-H3-FP8-Paiton-RDNA4 --local-dir ~/models/MiniMax-H3-FP8-Paiton-RDNA4
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к MiniMax-H3-FP8-Paiton-RDNA4
  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.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • 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 (3)
    • 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.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • 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

Дообучение модели

MiniMaxAI/MiniMax-H3

Новые посты про версии MiniMax-H3 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

EliovpAI/MiniMax-H3-FP8-Paiton-RDNA4
Автор
EliovpAI
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии