К содержимому
Видео

MiniMax H3 Ref2VA

полный набор весов для ComfyUI

2 мин чтения

Это зеркало неквантованных и неурезанных весов для работы модели генерации видео со звуком MiniMax H3 Ref2VA в среде ComfyUI. Репозиторий объединяет в одном месте диффузионную модель, текстово-визуальный энкодер (модуль понимания текста и картинок) и два VAE-автоэнкодера для видео и аудио, что позволяет развернуть пайплайн без зависимости от доступности исходных веток. Все файлы побайтово совпадают с оригиналами от Comfy-Org и дополнены версией энкодера Qwen3-VL 32B без цензуры. Сборка пригодится пользователям ComfyUI с мощным железом, которым нужны эталонные веса в исходной точности.

Ключевые особенности

  • Оригинальная точность без сжатия: в набор вошли только исходные веса в форматах BF16, FP16 и FP32 без квантования и обрезки.
  • Генерация видео и аудио: комплект включает как видеомодель и видео-VAE, так и отдельный аудио-VAE для работы со звуковой дорожкой.
  • Энкодер без цензуры: вместо стандартного текстово-визуального блока используется вариант qwen3vl_32b_h3_ultra_uncensored_heretic_bf16.safetensors.
  • Проверка целостности: загрузка сопровождается манифестом manifest.json с контрольными суммами SHA256 и размерами каждого файла.

Что можно сделать

  • Развернуть полный нативный воркфлоу MiniMax H3 Ref2VA в ComfyUI для генерации видеороликов по референсам и тексту вместе со звуком.
  • Выборочно скачать только нужные компоненты (например, отдельно энкодер или диффузионную модель) с помощью флага --only в скрипте загрузки.

Пример

pip install -U "huggingface_hub[hf_xet]"
python pull_weights.py /path/to/ComfyUI
hf download gwd200/minimax-h3-weights diffusion_models/minimax_h3_ref2va_bf16.safetensors \
  --local-dir /path/to/ComfyUI/models
ПодробнееОбщий вес всех файлов: 123,6 ГБ (диффузионная модель — 66,3 ГБ в BF16, энкодер — 51,5 ГБ в BF16, видео-VAE — 5,2 ГБ в FP16, аудио-VAE — 605 МБ в FP32).
Пути в репозитории сразу соответствуют структуре каталога ComfyUI/models/.
Источники оригиналов: Comfy-Org/MiniMax-H3 и sasoriiii/test-v2; лицензирование регулируется правилами исходных репозиториев.
Обсудить 0

Запустится ли?

Только с выгрузкой в ОЗУ

Даже 4-bit больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • BF16веса 115 GB · готовые файлы135 GB
  • FP8 / INT8рекомендуемвеса 57 GB69 GB
  • 4-bitвеса 32 GB40 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: В домашние видеокарты не поместится — выгоднее арендовать.

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.

    # gwd200/minimax-h3-weights
    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 gwd200/minimax-h3-weights --local-dir ~/models/minimax-h3-weights
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к minimax-h3-weights
  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

Новые посты про версии minimax-h3-weights — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

gwd200/minimax-h3-weights
Автор
gwd200
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии