К содержимому
Видео

Qwen3-VL-32B Heretic (MiniMax-H3)

текстовый энкодер без цензуры в формате BF16

2 мин чтенияобновлено

Автор SXIAOYAN перевёл текстовый энкодер Qwen3-VL-32B Heretic для видеомодели MiniMax-H3 из сжатого формата ComfyUI (NVFP4) в стандартный формат bfloat16 для библиотек transformers и diffusers. Исходная квантованная версия работала только в ComfyUI, а этот вариант повторяет структуру официального репозитория MiniMaxAI/MiniMax-H3 и позволяет подключать энкодер без цензуры (uncensored / abliterated) в любые стандартные пайплайны. Внутри лежат только text_encoder, токенизатор и процессор — сам генератор видео и VAE нужно брать из основного репозитория MiniMax-H3.

Ключевые особенности

  • Сняты ограничения (uncensored): энкодер основан на версии Heretic, деквантованной без искажения весов с помощью стандартной логики comfy_kitchen.
  • Полная совместимость с diffusers и transformers: структура папок и modular_model_index.json идентичны официальному энкодеру MiniMaxAI/MiniMax-H3.
  • Сохранена работоспособность переписывания промптов: основные 50 слоёв взяты из Heretic, а недостающие верхние слои (50–63) и lm_head дополнены из оригинальной модели.

Что можно сделать

  • Заменить штатный энкодер в пайплайне MiniMax-H3: указать этот репозиторий в переменной MODEL_REPO при модульной загрузке через diffusers для генерации видео и аудио без встроенных фильтров.
  • Развернуть связку на ZeroGPU или своих серверах: использовать энкодер как отдельный сервис кондиционирования в паре с генератором MiniMax-H3 вне интерфейса ComfyUI.

Пример

from transformers import Qwen3VLForConditionalGeneration

model = Qwen3VLForConditionalGeneration.from_pretrained(
    "SXIAOYAN/qwen3vl-32b-heretic-minimax-h3",
    subfolder="text_encoder",
)
ПодробнееВес файлов в формате bfloat16 составляет 62.14 GiB (14 шардов safetensors), как у официального энкодера.
База: Momoking/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4 (15.7 GB), восходящая к версии INT8-ConvRot.
Для ComfyUI автор рекомендует использовать исходный NVFP4-чекпоинт, а этот репозиторий предназначен для остальных инструментов.
Лицензия: Apache 2.0.
Обсудить Telegram 0 87

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы3.1 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB3.1 GB
  • 4-bitвеса 0.0 GB3.0 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 2060 · BF16 — 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.

    # SXIAOYAN/qwen3vl-32b-heretic-minimax-h3
    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 SXIAOYAN/qwen3vl-32b-heretic-minimax-h3 --local-dir ~/models/qwen3vl-32b-heretic-minimax-h3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qwen3vl-32b-heretic-minimax-h3
  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

  1. Qwen3-VL-32B-Instructоснова семьи
  2. Qwen3-VL-32B-Instruct-ultra-uncensored-heretic
  3. Qwen3-VL-32B-Ultra-Heretic-MiniMax-H3-ComfyUI-INT8-ConvRot
  4. Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4
  5. qwen3vl-32b-heretic-minimax-h3

Новые посты про версии Qwen3-VL-32B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

SXIAOYAN/qwen3vl-32b-heretic-minimax-h3
Автор
SXIAOYAN
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

870

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии