# MiniMax H3 擴充開源影音生成生態，涵蓋 24GB VRAM ComfyUI 至企業級部署

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：MiniMax (official) (@MiniMax_AI) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-08-25

> 原始來源：https://x.com/MiniMax_AI/status/2092050619964285104

## 證據與延伸閱讀

- [MiniMax H3 擴充開源影音生成生態，涵蓋 24GB VRAM ComfyUI 至企業級部署。](https://x.com/MiniMax_AI/status/2092050619964285104)
- [H3 規格與 variants](https://github.com/MiniMax-AI/awesome-minimax-h3-integration)
- [RTX 50 效能數據](https://github.com/kijai/ComfyUI-SolAttn_triton)
- [SGLang 與 vLLM-Omni](https://docs.sglang.ai/cookbook/diffusion/MiniMax/MiniMax-H3)
- [授權條款記載](https://github.com/antirez/h3.c)

## 中文摘要

MiniMax H3 擴充開源影音生成生態，涵蓋 24GB VRAM ComfyUI 至企業級部署。

**分享重點**  
MiniMax 官方帳號 @MiniMax_AI 於 2026-08-25 分享「Awesome MiniMax H3 Integrations」索引，想呈現 H3 從 24GB VRAM 的本機 ComfyUI 工作流，到企業級 SGLang 與 vLLM-Omni serving 部署的快速擴張。這份清單由社群維護，依 developer interest 排序，涵蓋硬體與精度選擇、速度最佳化、推理服務、prompt 工具、native agent skills、multi-shot 影片與 Apple Silicon 執行環境；官方也特別感謝全球開源社群、框架維護者與獨立開發者。索引入口為 [awesome-minimax-h3-integration](https://github.com/MiniMax-AI/awesome-minimax-h3-integration)，但內容明確聲明不是完整的 compatibility list。

**模型能力與兩種模式**  
MiniMax H3 能從文字、圖片、影片與音訊生成帶有 native stereo audio 的影片，最高支援 2K、15 seconds。核心模型有兩個 base variants：

- `H3-Base-FL2VA` 是 first-and-last-frame mode，可輸入 0、1 或 2 張圖片，分別對應 text-to-video、first-or-last-frame-to-video，以及 first-and-last-frame-to-video。
- `H3-Base-Ref2VA` 是 omni-reference mode，最多接受 9 張圖片、3 段影片與 3 段音訊；每段影片長度為 2–15 s，總輸入上限為 12 files。
- 兩種 base variants 的 checkpoints 大小相同。FL2VA 只以 keyframes 訓練，通常有較佳 raw output；Ref2VA 能接收更多 reference material，但 base quality 較低，`Ref Patch` 只能部分縮小差距。

官方參考資料包括 [MiniMax-H3 model card](https://huggingface.co/MiniMaxAI/MiniMax-H3)、[official repository](https://github.com/MiniMax-AI/MiniMax-H3)、[FL2VA Video Prompt Writing Guide](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md)、[Ref2VA Video Prompt Writing Guide](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/VIDEO_PROMPT_WRITING_GUIDE_ref_en.md)、ComfyUI 的 [day-0 blog post](https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui) 與 [tutorial](https://docs.comfy.org/tutorials/video/minimax/minimax-h3)。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/8fb462a25102469f.jpg)
> MiniMax H3 Integrations 的文件頁面包含官方資源連結與導航指南表格，列出執行、音訊、ComfyUI、Prompting、加速與微調的目標與對應起點。

**顯示卡與記憶體門檻**  
H3 的實際部署高度取決於 DiT、Qwen3-VL-32B text／vision encoder，以及 video VAE、audio VAE 的精度組合。較實用的硬體路線如下：

- 24 GB VRAM 通常從 `pruned_int8_convrot` DiT 開始，大小為 19.53 GiB，再搭配 `nvfp4_awq` text encoder 的 14.61 GiB，以及 [`ComfyUI-MiniMaxH3-Easy`](https://github.com/nkxx188/ComfyUI-MiniMaxH3-Easy)。這個 node 以單一 `Media` port 路由 T2V、I2V、first/last-frame 與 reference input，但 sampling、LoRAs、decoding 留在 node 外，方便後續修改。
- 24 GB 若優先追求速度，可搭配 [TE-Speed-MiniMaxH3](https://github.com/tl2012tl/TE-Speed-MiniMaxH3) 與 Turbo `v4_step600_ema`，使用 6–8 steps。TE-Speed v3.2 已配合目前 ComfyUI 的 block prefetch，不再 patch core files；6–8 steps 也有助於降低 Turbo motion smear。
- 12–16 GB 可使用 pruned `Q4_K_M` GGUF，大小 10.64 GiB，或 pruned `nvfp4` 11.67 GiB，加上 TE `Q2_K` 7.91 GiB 與 fp8mix VAE pair。`IQ1_S` 僅 3.78 GiB，但 quality 有明顯下降。
- 8 GB 可嘗試 [DiffSynth-Studio](https://github.com/modelscope/DiffSynth-Studio) 的 NF4 path；專案聲稱最低需要 8 GB，但 offloading 會使效能變慢，這不只是降低記憶體占用。
- RTX 50-series／Blackwell 可用 [NVIDIA Sol-Attn](https://github.com/kijai/ComfyUI-SolAttn_triton)。在 RTX 5090 測試中，它比 SageAttention 快 1.14–1.44 倍，MLP peak VRAM 減少 37%，支援 SM89–SM121 與 Triton 3.6.0，並解鎖 Blackwell-only hybrid-NVFP4 checkpoints。
- H3 每個 block 最多 15 s；[ComfyUI-H3-Motion-Context](https://github.com/NikoDemon80/ComfyUI-H3-Motion-Context) 會把前一個 block 的 final frame 與 audio 傳給下一個 block，以維持 motion direction、speed 與 sound continuity。

**權重、精度與下載選擇**  
原始 [MiniMaxAI/MiniMax-H3 weights](https://huggingface.co/MiniMaxAI/MiniMax-H3) 包含 `transformer/`（FL2VA）與 `transformer_ref/`（Ref2VA），兩者各有 14 shards、61.73 GiB，另含 text encoder、video VAE、audio VAE，以及自包含的 `FL2VA/`、`Ref2VA/` pipeline folders；整體為 280 files、464.2 GiB。[Comfy-Org/MiniMax-H3](https://huggingface.co/Comfy-Org/MiniMax-H3) 則有 17 files、433.2 GiB，包含 10 個 diffusion models、3 個 text encoders，以及 video／audio VAE。

官方與 ComfyUI checkpoint 的 FL2VA、Ref2VA 皆提供下列主要層級：

- BF16：61.73 GiB。
- INT8：31.70 GiB。
- pruned BF16：37.46 GiB。
- pruned FP8 scaled：19.52 GiB。
- pruned INT8 ConvRot：19.53 GiB。

其中 `Pruned` 代表 AdaLN-pruned，約小 40%，且只能在 ComfyUI 使用。官方下載點包括 [FL2VA BF16](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_bf16.safetensors)、[FL2VA INT8](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_int8_convrot.safetensors)、[FL2VA pruned BF16](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_bf16.safetensors)、[FL2VA pruned FP8](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_fp8_scaled.safetensors)、[FL2VA pruned INT8 ConvRot](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors)、[Ref2VA BF16](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_ref2va_bf16.safetensors)、[Ref2VA INT8](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_ref2va_int8_convrot.safetensors)、[Ref2VA pruned BF16](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_ref2va_pruned_bf16.safetensors)、[Ref2VA pruned FP8](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_ref2va_pruned_fp8_scaled.safetensors) 與 [Ref2VA pruned INT8 ConvRot](https://huggingface.co/Comfy-Org/MiniMax-H3/resolve/main/diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors)。

社群也提供大量 conversions 與 repackaged variants，但這些不是 official MiniMax releases，下載前必須依 runtime documentation 確認 compatibility。代表性選項包括：

- `DmitryDB/MiniMax-H3-ComfyUI-Quants` 的 ConvRot Lean (HQ) 21.91 GiB、ConvRot 20.94 GiB、Lite 20.33 GiB，以及 NVFP4 HQ 13.60 GiB、NVFP4 10.86 GiB；[model list](https://huggingface.co/DmitryDB) 同時列出 FL2VA 與 Ref2VA。
- `rockerBOO` 提供 32.05 GiB NVFP4、18.69 GiB pruned NVFP4，以及 pruned NVFP4 + ConvRot INT8；模型庫 也包含 Ref2VA。
- `Abiray` 提供 11.67 GiB NVFP4、14.81 GiB Mixed INT4/INT8 ConvRot，以及 Ref2VA 的 14.06 GiB mixed 版本，資源位於 Abiray quant repo。
- `tsolful` 提供 17.27 GiB Mixed INT4/INT8 ConvRot Lean，資源位於 Minimax_H3_INT4MixedConvRot。
- `AX1Y2JP`、`Kijai` 與 `Winnougan` 提供約 11.68 GiB 的 W4A8 ConvRot，相關資源為 [AX1Y2JP](https://huggingface.co/AX1Y2JP/MiniMax-H3-W4A8-ConvRot)、Kijai 與 Winnougan。
- Blackwell hybrid Ref2VA 有 FFN-only NVFP4 16.38 GiB 與 QKV+FFN NVFP4 14.03 GiB，來源為 abakanai Minimax_h3_hybrid。
- `DT-sQKV` 的 ConvRot 21.00 GiB、Lean 27.99 GiB 都標有警告；這些檔案需要 runtime patch，不應視為一般 stock-compatible quant。

GGUF 同樣有完整的精度階梯。未 pruned FL2VA 包含 Q2_K 17.42 GiB、Q3_K_M／Q3_K_S 各 14.50 GiB、Q4_0 17.36 GiB、Q4_K_M 18.50 GiB、Q5_0 21.21 GiB、Q6_K 26.28 GiB 與 Q8_0 33.56 GiB，來源包括 Abiray MiniMax-H3-GGUF、[realrebelai MiniMax-H3_GGUFs](https://huggingface.co/realrebelai/MiniMax-H3_GGUFs) 與 vantagewithai ComfyUI-GGUF。pruned FL2VA 則從 `IQ1_S` 3.78 GiB、`IQ1_M` 4.22 GiB、Q2_K 6.26 GiB、Q3_K_M 8.16 GiB、Q4_K_M 10.64 GiB，一直到 Q8_0 19.97 GiB；可查看 MarxistLeninist、[unsloth](https://huggingface.co/unsloth/MiniMax-H3-GGUF)、[Abiray model card](https://huggingface.co/Abiray/MiniMax-H3-Pruned-GGUF) 與 [leejet model card](https://huggingface.co/leejet/MiniMax-H3-GGUF)。`realrebelai` 的 Q2_K 是 mixed-precision build，實際大小比 Q3_K_M 更大，應以檔案數值而非 quant 名稱判斷。

pruned Ref2VA GGUF 則包括 Q2_K 6.22 GiB、Q3_K_M 8.12 GiB、Q4_K_M 10.60 GiB、Q5_0 12.94 GiB、Q6_K 15.42 GiB 與 Q8_0 19.94 GiB，主要來源為 [unsloth MiniMax-H3-GGUF](https://huggingface.co/unsloth/MiniMax-H3-GGUF) 與 [molbal MiniMax-H3-GGUF](https://huggingface.co/molbal/MiniMax-H3-GGUF)。`U16G` 是手工調校的 mixed layout，不是標準 Q6_K；`Q8_CR` 則是套用 ConvRot 的 Q8_0，兩者必須依 filename 辨識。未 pruned Ref2VA 的 Q3_K_M／Q3_K_S 為 14.50 GiB、Q4_0 為 17.36 GiB、Q4_K_M／Q4_K_S 為 18.49 GiB、Q5_0 為 21.21 GiB、Q6_K 為 26.28 GiB、Q8_0 為 33.56 GiB。

**Text encoder 與 VAE**  
H3 使用 Qwen3-VL-32B 作為 text／vision encoder。官方 Comfy-Org 版本包括 BF16 47.97 GiB、INT8 25.28 GiB 與最小 official `nvfp4_awq` 14.61 GiB；在 24 GB card 上，通常必須先降低 DiT，再降低 text encoder。社群版本包括：

- `Abiray` Q4_K_M GGUF 13.58 GiB、int4 ConvRot 13.93 GiB，來源為 GGUF。
- `unsloth` Q2_K_M 12.2 GiB、Q4_K_M 17.0 GiB，來源為 [unsloth model repo](https://huggingface.co/unsloth/MiniMax-H3-GGUF)。
- `realrebelai` Q2_K 7.91 GiB，是最小 published TE，來源為 [MiniMax-H3_GGUFs](https://huggingface.co/realrebelai/MiniMax-H3_GGUFs)。
- `AX1Y2JP` W4A8 ConvRot 15.35 GiB，來源為 [W4A8 repo](https://huggingface.co/AX1Y2JP/MiniMax-H3-W4A8-ConvRot)。
- `DeepBeepMeep` quanto-INT8 24.89 GiB，但標示 ⚠️ no license；其 multi-tier [model repo](https://huggingface.co/DeepBeepMeep/MiniMax-H3) 的 compatibility 與 licensing 必須另行確認。

每個 generation workflow 都必須同時具備 video VAE 與 audio VAE，因為 H3 使用 separate autoencoders 解碼影片與音訊。官方 video VAE FP16 為 4.85 GiB、audio VAE FP32 為 577 MiB；社群替代方案包括 `dummy9996` 的 video `fp8mix` 2.60 GiB 與 audio BF16 289 MiB，以及 `Kijai` 的 video INT8 ConvRot 2.95 GiB。`fp8mix` 加 BF16 audio VAE 約比官方 pair 少 2.5 GiB，較適合 12–16 GB card，但 VAE 仍會與 DiT 競爭 headroom。

Kijai 的 Tiny Autoencoder（TAE）只有 9 MiB，作者認為成果不佳，但仍優於 `latent2rgb` previews；目前只能透過 [ComfyUI-KJNodes](https://github.com/kijai/ComfyUI-KJNodes) 的 `ModelPreviewOverride` node 使用，權重為 [taeh3.safetensors](https://huggingface.co/Kijai/MiniMax-H3-TAE/resolve/main/vae_approx/taeh3.safetensors)。4.85 GiB 的 experimental Image VAE [step1597](https://huggingface.co/Mamad8/MiniMax-H3-Image-VAE/resolve/main/minimax_h3_t1_image_vae_step1597.safetensors) 只解碼單一 temporal latent（`T=1`）成 still image；用在多影格影片會造成明顯重建退化，因此影片必須保留 original VAE。

`Ref Patch` 比對 `ref2va` 與 `fl2va` 共 112 keys，將差異存成單一 148 MiB patch，使較輕的 FL2VA checkpoint 部分模擬 Ref2VA。它採 Apache-2.0 授權，需要 [`ComfyUI-MiniMaxH3_Ref-Patch`](https://github.com/lihaoyun6/ComfyUI-MiniMaxH3_Ref-Patch)，權重位於 [`lihaoyun6/MiniMax-H3-Ref-Patch`](https://huggingface.co/lihaoyun6/MiniMax-H3-Ref-Patch)。

**ComfyUI 與 serving 生態**  
[ComfyUI](https://github.com/comfyanonymous/ComfyUI) 已將 INT8 支援整合進 mainline，commit 為 `1a510f04`；重用舊版 INT8 quants 前仍須查看 `#compat`。官方 workflow templates 包括 [T2V](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_minimax_h3_t2v.json)、[I2V](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_minimax_h3_i2v.json) 與 [R2V](https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_minimax_h3_r2v.json)。社群還有 [MiniMax-H3 FL2V GGUF workflow](https://huggingface.co/Abiray/MiniMax-H3-GGUF/resolve/main/minimax_fl2v_gguf_workflow.json)、`joeygambino/MiniMax-H3-Multishot-Workflow` 與 `javawock7618/comfy-MiniMax-H3-workflows`。

ComfyUI 內的工具分工已相當細緻：

- `comfyui-minimax-h3-audio-T8` v1.17.0 提供 8 個 menus、62 nodes，涵蓋 Audio、Audio Experimental、Still、Conditioning、Models、Long Video、Speech 與 Source AV；基準為 ComfyUI 0.31.0、commit `cbbc9dab1`、Python 3.10+，專案在 [`T8mars/comfyui-minimax-h3-audio-T8`](https://github.com/T8mars/comfyui-minimax-h3-audio-T8)。
- [`ComfyUI_MiniMaxH3_Director`](https://github.com/huangserva/ComfyUI_MiniMaxH3_Director) 提供 t2v、fl2v、r2v、v2v、rv2v 五種 JSON templates；[`ComfyUI-MiniMaxH3-Director`](https://github.com/seesee75-commits/ComfyUI-MiniMaxH3-Director) 則提供 timeline editor、tracks、ruler trim、shot chaining、retakes 與 live sampling preview。
- [`ComfyUI-PainterNodes`](https://github.com/princepainter/ComfyUI-PainterNodes) 的 `MiniMaxRefToVideo2` 支援 official reference／dialogue format。
- [`OpenH3-IR`](https://github.com/ruashots/open-h3-ir) 與同 repo 的 Context-IR service 是同一個工具，不是兩個專案；它能替圖片、影片與聲音命名，再於句子中引用。
- [`scraed/LanPaint`](https://github.com/scraed/LanPaint) 提供 training-free video／audio inpainting，H3 支援於 v2.1.0 修復。
- [`ComfyUI-MiniMaxH3_LatentUpscaler`](https://github.com/Tr1dae/ComfyUI-MiniMaxH3_LatentUpscaler) 處理 H3 的 video `[B,24,T,H/16,W/16]` 與 audio `[B,32,2,T_audio]` NestedTensor AV latents；它以 two-pass sampling 重新加噪 video／audio，也會縮放 `minimax_refs` 與 `minimax_keyframes` conditioning。`audio_denoise` 為 0 代表鎖定 audio、1 代表完全 remix，0.25–0.5 則是輕度 remix。
- [`Comfyui_Minimax_h3_latent_Upscaler`](https://github.com/LBH-123-AI/Comfyui_Minimax_h3_latent_Upscaler) 是 learned neural upscaler，可連續放大 1.0–4.0×，以 latent refine 避免約 5B VAE 的 decode、pixel upscale、encode round-trip 與 naive latent interpolation 的 ghosting；模型約 691 MB（BF16／FP16）或 1.38 GB（FP32），訓練資料約 80k paired samples，權重位於 [Hugging Face](https://huggingface.co/LBH-123-AI/Minimax_h3_latent_Upscaler)。
- [`ComfyUI-INT8-Fast`](https://github.com/BobJohnson24/ComfyUI-INT8-Fast) 已 largely superseded，剩餘價值主要是 `convert_comfy_quant.py`；舊 I8Fast files 因 tensor names 不同，必須轉換或改用 native-format quant。

非 ComfyUI serving 主要有 [SGLang](https://github.com/sgl-project/sglang) 與 [vLLM-Omni](https://github.com/vllm-project/vllm-omni)。SGLang Diffusion 的官方 [cookbook](https://docs.sglang.ai/cookbook/diffusion/MiniMax/MiniMax-H3) 提供 native H3 pipeline，涵蓋 t2va、fl2va、ref2va，其中 V2V 是 ref2va use case：

```bash
sglang serve --model-variant fl2va|ref2va
```

SGLang 已在 4×H200／H100、B200／B300、2×RTX 5090 layerwise offload、單張 RTX 4090 24 GB 的 `kitchen_int8`，以及 AMD MI355X／MI300X（ROCm + AITER）驗證；這些是已支援或已驗證的硬體範圍，不代表所有 GPU 都有相同支援。它也能作為 [`MiniMax-H3-ComfyUI`](https://github.com/MiniMax-AI/awesome-minimax-h3-integration#runtimes) 的 selectable backend。

自 v0.26.0 起，[vLLM-Omni 官方 MiniMax-H3 recipe](https://github.com/vllm-project/vllm-omni/blob/main/recipes/MiniMaxAI/MiniMax-H3.md) 提供 OpenAI-compatible `/v1/videos` serving，支援 T2VA、FL2VA 與 Ref2VA。profile 從 2× RTX 4090／5090 的 CPU offload，到 4× B300／GB200 與 AMD ROCm；2× RTX 4090／5090 需要至少 200 GiB host RAM。plain vLLM 只服務 autoregressive models，不服務 H3 的 DiT；H3 應部署到 vLLM-Omni，plain vLLM 則可留下給 prompt-rewriter endpoint。

**Prompt、skill 與多鏡頭製作**  
H3 prompt 固定採 three-part structure，支援 `<Picture X>`、`<Video X>`、`<Audio X>` 與 `<d>` dialogue tags。reference audio 使用乾淨、清楚說話的 10-second clip，通常比 noisy clip 可靠；官方建議先閱讀 [Base prompt guide](https://github.com/MiniMax-AI/MiniMax-H3/blob/main/skills/h3-prompt-writing/references/base-en.txt) 與 [Reference-mode prompt guide](https://github.com/MiniMax-AI/MiniMax-H3/blob/main/skills/h3-prompt-writing/references/ref-en.txt)，再一次只使用一個 prompt tool。

相關工具包括：

- [`ComfyUI-MiniMax-H3-Promptor`](https://github.com/1038lab/ComfyUI-MiniMax-H3-Promptor) 自 v1.1.0 起將 `<Picture X>` 直接嵌入 narrative action line，主打 zero-hallucination inline annotation，並分離 visual analysis 與 text structuring 以降低 API cost。
- [`ComfyUI-MiniMax-H3-Guide`](https://github.com/ethanfel/ComfyUI-MiniMax-H3-Guide) 不需 dependencies，以 Typed Plan v2 拆分 identity、keyframes、motion、edit source、voice 與 score，再編譯成 H3 prose，並提供 image／audio reference sheets 與 locked-frame Foley mode。
- [`OpenH3-IR`](https://github.com/ruashots/open-h3-ir) 遵循 MiniMax 的 Context-IR format，不改寫 prompt，而是建立、檢查與修正 document；支援 command line、HTTP 與自有 ComfyUI nodes。
- [`comfyui-minimax-h3-prompt-enhancer-T8`](https://github.com/T8mars/comfyui-minimax-h3-prompt-enhancer-T8) 使用 server-side `doubao-seed-evolving`。
- [`awesome-minimax-h3-prompts`](https://github.com/BeatAPI/awesome-minimax-h3-prompts) 收集 story、action/fantasy、ad/product、music performance 與 vlog 範例，並附 WebM examples 與作者 attribution。
- [`minimax-h3-prompt-skill-T8`](https://github.com/T8mars/minimax-h3-prompt-skill-T8) 提供可安裝的 agent skill、Creative DNA case library 與 Electron viewer。
- [`awesome-minimax-h3`](https://github.com/joeVenner/awesome-minimax-h3) 對 hosted MiniMax API 從 brief 產生 finished file，包含 submit、backoff polling、解析 `file_id` 與 `ffmpeg` post-process；文件化的 `/v2/…/query` polling 會回 404，可用的呼叫是 `GET /v1/query/video_generation`。它有 `minimax-video`、Speech 2.8 與 Music 3.0 三個 `SKILL.md` packages，需要 `MINIMAX_API_KEY`，不需 local weights，授權 MIT。
- [`ComfyUI-Agent-Kit`](https://github.com/SlavaSexton/ComfyUI-Agent-Kit) 能由 Claude Code、Codex、Gemini CLI 或 Qwen Code 驅動 local ComfyUI workflow，支援 hardware-aware model selection 與 multi-shot video，581 個 templates 中包含一個 standalone H3 skill，授權 Apache-2.0。
- [`Minimax-H3-Prompt-AgentSkill`](https://github.com/benjiyaya/Minimax-H3-Prompt-AgentSkill) 只產生 formatted H3 prompt，再交由使用者自行執行，且未聲明 license。
- [`minimax-h3-opencode-skills`](https://github.com/unknowlei/minimax-h3-opencode-skills) 涵蓋 directing、routing、multi-shot planning、prompt generation 與 review，但同樣屬於 prompt only，授權 MIT。

**Turbo、加速與影片長度**  
Turbo LoRA 可將 step count 從約 20 降至 4–8，caching 與 kernel work 則進一步降低每 step 成本；不過應先檢查 PyTorch build，過時的 CUDA build 可能讓 generation 變慢。可從 [`ModelTC/Minimax-H3-Turbo`](https://github.com/ModelTC/Minimax-H3-Turbo) 與 [`lightx2v/Minimax-h3-Turbo`](https://huggingface.co/lightx2v/Minimax-h3-Turbo) 開始。4 steps 可能使 audio track 隨 fast motion 一起劣化，6–8 steps 對畫面與音訊通常較有幫助。

代表權重包括 `fl2v v0.1`、`fl2v v1.0 768p` 與 8-step v1.0，皆約 1.29 GiB；ComfyUI 版本約 1.82 GiB，可在 [lightx2v Turbo repo](https://huggingface.co/lightx2v/Minimax-h3-Turbo) 取得。Larryvrh 提供 4-step、Full、744 MiB 的 `fl2v`、`ema`、`ckpt500`、`ema ckpt500`、`ckpt850`、`ema ckpt850`、`v4 step600` 與 `v4 step600 ema`；其中 `fl2v ckpt850` 被標為 best 4-step under motion，`fl2v v4 step600 ema` 是 recommended default，完整資源在 Larryvrh Turbo LoRA。

pruned BF16 版本主要是 4 steps、592 MiB，包含同一組 checkpoint 選項，來源為 drbaph ComfyUI Turbo LoRA；Abiray 也提供 4-step、592 MiB 的 `ckpt500 V1`、`ckpt600 V4`、`ckpt600 ema V4` 與 `ckpt850 V1`，來源為 Abiray Turbo LoRA。其他選項還有 InstantX Diffusers 的 0.79 GiB Full 版本、joyfox 的 717 MiB 版本，以及 Tutu 的 8 NFE、738 MiB 權重，來源為 Tutu-MiniMax-H3-AudioVideo-20to8-NFE-LoRA。

另有需要 `ComfyUI-LoraInt8Loader` 的 ConvRot int8 權重，大小約 991 MiB；CMF 版本則包括 Q4TP `fl2v` 25.20 GiB、`FL2VA` 25.70 GiB，以及 Q2TP `FL2VA` 20.12 GiB，資源在 infosave MiniMax-H3-Turbo-cmf。[ComfyUI-Spectrum-MiniMax-H3](https://github.com/xmarre/ComfyUI-Spectrum-MiniMax-H3) 以 Chebyshev ridge regression 外推未來 steps、跳過部分 transformer evaluations，雖有 adaptive scheduling 與 native fallbacks，但作者明確警告 approximation 的 output 與 native 不會 bit-identical。[ComfyUI-SolAttn_triton](https://github.com/kijai/ComfyUI-SolAttn_triton) 則提供 optimized attention；TE-Speed v3.2 支援 4／8-step LoRA mode、long-video（>10 s）cache strategy 與 chunked CPU residual transfer，但 bundled `nodes.pyd` 未聲明 license。

**訓練、Style 與新興方向**  
H3 目前有 weights 與 inference code，但沒有 official trainer；Hugging Face diffusers integration 也僅 inference-only，訓練工具皆來自社群。

- [`radixark/miles_diffusion`](https://github.com/radixark/miles_diffusion) 的 Flow-GRPO RL post-training 已在 2×H200 驗證，H3 t2va recipe 位於 [miles documentation](https://miles.radixark.com/docs/diffusion/models/h3/h3)。
- [`IAmIronMan42/MiniMax-H3-FineTuning`](https://github.com/IAmIronMan42/MiniMax-H3-FineTuning) 支援 supervised rectified-flow training，以及 `prepare_cache.py`、`prepare_cache_pairs.py` latent caching；作者以 `FIXES.md` 記錄收斂所需的 9 項修正。LoRA 已在 8×A800、2000 clips、每段約 30 s、448×768、每 sequence 約 65k tokens 的規模驗證，且將 stereo audio 放進 loss。
- [`shootthesound/Fizgig`](https://github.com/shootthesound/Fizgig) 有 "✨ MiniMax H3 Fast" preset，使用 LoKr、8 dim／alpha 16、60 epochs。
- [`ModelTC/LightX2V`](https://github.com/ModelTC/LightX2V) 公開 Turbo distillation training side，DMD config 位於 `configs/minimax_h3/dmd`。
- [`inlineresearch/Inline-Studio`](https://github.com/inlineresearch/Inline-Studio) 是 local GPU 的 node-canvas film tool，標示 "MiniMax H3 (4-bit, video) ~20.6 GB"。
- `minimax-h3-turnaround` 每個 60 MiB，能從單張 reference image 產生 5 個 coherent、逐步旋轉的 views；512² 約 10 s、1024² 約 57 s，版本包括 `1024-cont/s600`、`512/s1500`、`512-instruct/s400`，模型位於 [Hugging Face](https://huggingface.co/matlod/minimax-h3-turnaround)。
- `Realism — People` 為 125 MiB，支援 T2V／I2V／R2V，模型位於 [fal](https://huggingface.co/fal/research-mini-max-h3-realism-people-lora)。
- `Looping Sketch Anime` 為 569 MiB，strength 0.75–1.25，模型位於 [Inner-Reflections](https://huggingface.co/Inner-Reflections/MiniMax-H3-Looping-Sketch-Anime)。
- `Krea2 Style` 有 r512 1.03 GiB 與 r128 266 MiB，但 only effective for pure T2V；作者稱 r512 捕捉 extraction target 的 52%，r128 僅 24%，因此偏好 r512，模型位於 [TenStrip](https://huggingface.co/TenStrip/Krea2-H3-Style-Lora)，適用 MiniMax-H3 Community License。

RAVEN Streaming 是另一個方向。[RAVEN Streaming (4-NFE preview) LoRA](https://huggingface.co/mvp-lab/MiniMax-H3-RAVEN-Streaming-LoRA) 大小 4.71 GiB，將 H3 轉成 causal streaming generator，逐 chunk 產生影片，而非一次對整支 bidirectional clip denoise。設定為 `r=128`、4 NFE、192 frames、768×1376／24 fps、`sink=2`／`window=2`。這是 [RAVEN team](https://github.com/mvp-ai-lab/RAVEN)（Imperial College）的 preview release；目前 texture detail 仍有限，real-time playback 仍需要 inference acceleration，且只能透過 RAVEN code repo 執行，不能使用 ComfyUI。

Prompt rewriting 也分成兩條路線：[Prompt Rewriter LoRA](https://huggingface.co/lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA) 為 3.48 GiB 的 Qwen3.6-27B fine-tune，將短 prompt 改寫成 H3 三部分結構，但它是 language-model LoRA，不會載入 DiT。[Prompt Rewriter 8B](https://huggingface.co/lightx2v/MiniMax-H3-Prompt-Rewriter-LoRA-8B) 為 2.60 GiB 的 Qwen3-VL-8B-Instruct LoRA，可讀取 keyframes，支援 T2VA、I2VA、L2VA 與 FL2VA，也能整合 shot timeline、physical／ambient sound 與 music guidance，但不支援 Ref2VA。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1787641239143-v311vjqz.mp4" autoplay loop muted playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 宣傳影片展示 MiniMax H3 及其開源生態系統的發展與應用

**相容性與授權限制**  
H3 生態的選項很多，但不能把社群測試結果當成官方保證。`ComfyUI` 原生支援 INT8；舊 I8Fast files 需要使用 [`convert_comfy_quant.py`](https://github.com/BobJohnson24/ComfyUI-INT8-Fast) 轉換，或直接下載 native-format quant。部分 community tools 會修改或 patch ComfyUI；`DmitryDB/MiniMax-H3-DynTime-sQKV` 明確需要 runtime patch，而 `ComfyUI-H3-Motion-Context` 只在 runtime patch，且每次啟動都會重新驗證目前 ComfyUI source，不匹配便拒絕執行，屬於相對保守的 patching approach。

授權也必須逐項查證：

- Apache-2.0 適用 `ModelTC/Minimax-H3-Turbo`、Turbo LoRA line 與 Ref Patch。
- MIT 適用 [`antirez/h3.c`](https://github.com/antirez/h3.c)，這是一個 Metal-native、Apple Silicon engine，支援 T2V/A、first-last-frame 與 ordered Ref2VA references；但 M3 Max／M5 Max performance optimization 仍 ongoing。
- `DeepBeepMeep/MiniMax-H3` 未聲明 license。
- 其他 projects、weights 與 model cards 的授權不可由上述項目推定，尤其是 community conversions、bundled text encoder、VAE 與含 compiled `nodes.pyd` 的工具。

目前 H3 已從單一模型發布，發展成涵蓋本機推理、低 VRAM quantization、企業 serving、長影片串接、音訊生成、prompt 編排、Agent 驅動 workflow、社群微調與 streaming preview 的完整工具鏈；但這種快速成長也提高了版本、檔案名稱、硬體 profile、license 與 runtime compatibility 的核對成本。社群維護的 [`wildminder/awesome-minimax-H3`](https://github.com/wildminder/awesome-minimax-H3) 及相關專案鼓勵使用者針對錯誤數字、失效連結或遺漏的 compatibility note 開 issue 或提供 correction；H3 問題可聯絡 `model@minimax.io`。

## 標籤

開源專案, AIGC, 硬體, Deployment, MiniMax, ComfyUI