MiniMax-H3-Rung-Omega

Сторонняя квантизация MiniMax-H3 FL2VA от yeowon для ComfyUI. Модель генерирует видео по первому/последнему кадру с синхронным аудио; 33.1B total / 20.11B active parameters. Чекпойнт на 50 блоков в 4-Trit Balanced Base-3: 14.98 GiB Joint-tANS (16.22 GiB raw).

📌 Ключевые особенности

• ⚡ 200/200 linear layers в TensorCoreRungOmegaTernaryLayout, 0 fallback NVFP4.
• 📉 2.50x сжатие vs BF16 Teacher (37.46 GiB) и 1.30x vs int8_convrot (19.53 GiB).
• 📊 Выше int8_convrot по Audio и Spatial-Temporal Top-1 Velocity Agreement: 78.12% video и 81.77% audio.
• 🔥 TheoremFlow-Ω: 8.92x ускорение, 625.4s → 70.11s для 20 шагов, 864×480, 124 кадра + 32kHz stereo.
• ⚙ Нужен патч ComfyUI для формата rung_omega_ternary и отдельный чекпойнт в diffusion_models/.

💡 Пример

import torch
from theoremflow_omega import install_floor1_static_int8_engine

f1_info = install_floor1_static_int8_engine(
    model.model.diffusion_model,
    max_seq_len=16384,
    device=torch.device('cuda:0'),
)

Подробнее

Бенчмарки: 2.50x сжатие vs BF16, 8.92x ускорение, video latent cosine 99.58%, SNR 20.80 dB.
Чекпойнт: 50 блоков, 200 linear layers, 4-Trit Base-243, group_size=128, convrot_groupsize=256.
Ограничение: сторонняя квантизация, требуется патч ComfyUI; VRAM в карточке не указан.
В тесте: видео 864×480, 124 кадра @ 24fps, аудио 32kHz stereo.