MiniMax H3 ComfyUI：版本、四个文件，和那个止住 OOM 的开关

在 ComfyUI 里跑 MiniMax H3，你需要 ComfyUI 0.32.0 或更新的版本、合计 42.47 GB 的四个模型文件，以及零个自定义节点。原生支持是 0.30.0 来的，但修音频失真的采样器补丁落在 0.31.0，峰值显存的修复落在 0.32.0。24 GB 的卡上，决定它能不能跑完的是主机内存。

这里的每一条都有日期。0.30.0 之后又进了九个 H3 修复，所以第一周写出来的教程描述的是另一个程序。下面每条事实都带着它的 PR 号和发布版本。

下载任何东西之前先看这一条：MiniMax H3 社区许可证把美国、欧盟、英国和韩国排除在「本地跑权重」的授权之外，而 §V.4 把这条限制延伸到了产出物上。托管 API 不受地域条款约束。这是摘要，不是法律意见——许可证逐条拆解里有条文。

0.30.0 给了你什么，又没给什么

0.30.0 是节点和三个本地示例模板出现的那一版。它就只有这些。

0.31.0 在 8 月 8 日又带来六个修复，领头的是 kijai 的 #15243，Fix sampler issues for audio with minimax。0.32.0 在 8 月 11 日带来三个，其中包括 comfyanonymous 的 #15486，Fix peak memory issue with H3——一张过去必死的 24 GB 卡现在能跑完，就是因为它。

8 月 13 日的 0.33.1 加了 MiniMax ContextIR 与 Regenerate-2K 的 API 节点（#15471），所以托管的 2K 那一段可以接在本地工作流后面。它的权重仍然没开源，而且我们自己没跑过这一条。

cd /path/to/ComfyUI
git pull
python -m pip install -r requirements.txt
python main.py --version        # 期待 0.32.0 或更新

Windows 便携版：用自带的更新脚本，或者应用内的更新器。

该下哪几个模型文件，放到哪儿

别克隆整个仓库——那里面每个精度变体都在，合计约 475 GB。一个文生视频或图片生视频的工作流，正好加载四个文件，8 月 14 日按字节和 Hugging Face 核对过。

hf download Comfy-Org/MiniMax-H3 \
  diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors \
  text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors \
  vae/minimax_h3_video_vae_fp16.safetensors \
  vae/minimax_h3_audio_vae_fp32.safetensors \
  --local-dir ComfyUI/models

参考生视频要多一个文件，也就是单独那份 Ref2VA checkpoint，整套变成 63.44 GB。把 FL2VA 那个文件加载进 R2V 工作流，是第一次跑最常见的失败原因。

有两张被大量转载的文件表，数字用的是 gibibyte，标签写的却是 GB。如果你只腾了 39.6 GB 硬盘，那么在 ComfyUI 写下第一个字节之前，你就已经差 2.9 GB 了。

关于精度：光是扩散模型，bf16 就有 66.28 GB——除非你知道自己为什么要它，否则别选。fp8_scaled 是 20.96 GB，跟 int8_convrot 体积几乎一样；只在 int8_convrot 在你的环境里编不起来的时候才选它。

然后：Workflow → Browse Templates → Video → MiniMax H3。三个本地模板，另外三个走 API。

你的显卡跑得动吗

没有官方最低配置，而且你能找到的每一张硬件表都跟别的表打架，因为它们量的根本不是同一样东西。

弄死这一次运行的是主机内存，不是显存

在 4090 上跑精简 INT8 那一套，采样期间待在显存里的只有大约 6.6 GB——权重住在主机内存里，按需换进来。所以失败是主机内存的失败。有一次有记录的 3090 运行冲到 31,997 MB 里的 29,866 MB，被内核杀掉；同一个任务加上 --disable-pinned-memory，峰值只有 7,508 MB，23 分 17 秒跑完。锁页内存是换不出去的，这就是为什么单加交换分区一点用都没有。

如果你卡在 0.30–0.31 又没法升级，那些能复现的偏方改的都是同一个常数——comfy/supported_models.py 里的 MiniMaxH3.memory_usage_factor，从 0.114 改成 1.0。在 0.32.0 之后，先升级，只在它还 OOM 的时候才去打补丁。

实测记录，以及各自背后的硬件

已经有十四次运行公布了足够归因的细节。它们都不是基准测试——没有人把变量控住过。把它们当成存在性证明来读：这套配置跑完了，用了这么久。

最后那一行是另一套运行时，跑在两张卡加 377 GiB 主机内存上。列在这儿是给个量级，不是拿来比的——用它去预测单卡 ComfyUI 的速度是错的。在单张 4090 上，同一套配方给出的是一个可行性边界：832×480 在 124 帧和 362 帧都能跑完，1088×640 在 124 帧能跑完，而 1088×640 上 192 帧、1344×768 上 362 帧都会 OOM。

这张卡到底回不回得了本，是另一笔账。

分辨率、帧数，和 17n+5 网格

Resolution Selector 上的三个设置决定宽高。Multiple 保持 32——那是 H3 的网格。原生画布是短边 768 像素，上限 768×1344。16:9 下，Megapixels 填 0.98 正好给出 1344×768；1.0 那个预设给的是 1376×768，已经出了文档写的画布。模板出厂是 0.4 MP。就从那儿开始。下限是 384p；256p 直接失败。

帧数在 24 fps 下吸附到 17n+5，所以多数请求会往上取整。175 帧是 7.29 秒；没有 7.00 这个值。整个 4–15 秒区间里，正好只有一个值落在整秒上：192 帧，8.000 秒。经过验证的上限是 362 帧，也就是 15.08 秒。

没声音，或者声音是坏的

两种不同的失败，两个不同的原因。

没声音是接线问题。 两个 VAE 都得加载，而且 VAEDecodeAudio 的输出必须接到保存节点上。去查文件，别去查播放器——你应该看到 24 fps 的 H.264 和 32 kHz 的 AAC 立体声。没有第二条流，说明工作流错了，不是模型错了。

ffprobe -hide_banner out.mp4

失真是采样器问题。 H3 的画面和声音跑在两条 flow 时间表上，shift 12 和 shift 3，而单时钟采样器会把其中一条走过头。20 步下这个误差看不出来；到 Turbo LoRA 用的 4 步，它就变成削波和噪声。ComfyUI 0.31.0 通过 ModelSamplingAV 原生处理这两条时间表。低于这个版本，你需要 larryvrh 的双时钟采样器。

报错，以及各自的一行修法

动手之前先记两条规矩。一次只改一个变量，而且用同样的提示词和 seed 重跑——把 --lowvram、--reserve-vram、--cache-none 和一个量化 checkpoint 一次性堆上去，你就再也说不清是哪一个起了作用。另外，先让一个干净的官方模板跑通，再去加 SageAttention、TeaCache、EasyCache 或者 GGUF 加载器。

想让它更快，按这个顺序

按这个顺序，因为前两条不花钱，最后一条要拿画质换。

1. 升级。 0.32.0 的 VAE 优化和内存修复，比任何一个启动参数都值钱。
2. 先降画布，再降时长。 0.4 MP 能跑完的地方，1 MP 在 24 GB 卡上常常跑不完。
3. SageAttention。 用 --use-sage-attention 启动，或者用 KJNodes 打进去。ComfyUI 自己估的是大约翻倍；卡在换页上的机器提升会少一些。dtype 回退的警告是正常的。
4. Turbo LoRA。 larryvrh 的 v4 把采样从大约 20 步压到 4–8 步。用 6–8；4 步会把快速运动糊掉，超过 8 步就不再有帮助了。

不要在用 --disable-pinned-memory 的同时加 --lowvram。它们互相冲突。

什么时候不该在 ComfyUI 里跑

三种情况本地是错的答案，一种情况它显然是对的。

如果你在美国、欧盟、英国或韩国，并且是自部署权重，本地就是错的；许可证没给这个授权。如果你需要开源权重下的 2K，也是错的，因为 Regenerate-2K 从来没有放出来过。如果你是 8 GB 显存加 16 GB 系统内存，那也是错的——那种配置下有人报过一条五秒片子跑了 51 分钟。

本地是对的，条件是你有 24 GB 显存、32 GB 主机内存，而且在被允许的地域。 这时 ComfyUI 给你的批处理、LoRA 和节点级控制，是任何托管界面——包括我们——都比不了的。这也是为什么这里每个文件名和每个参数都写全了。

第一次跑失败之后的问题

要装自定义节点吗？ 不用。0.30.0 起就是原生的，模板只用核心节点。

为什么没有文生视频节点？ T2V 模板就是什么都不接的 MiniMaxH3ImageToVideo。这是设计如此。

到底该跑哪个版本？ 0.32.0 或更新。0.30.0 能跑，但少了九个 H3 修复。

我的成片为什么没声音？ 两个 VAE 都得加载，而且 VAEDecodeAudio 必须接到保存节点。用 ffprobe 验证。

4 步下声音为什么会坏？ 单时钟采样把音频那条时间表走过头了。0.31.0 修好了。

要多少硬盘？ T2V 和 I2V 是 42.47 GB，带上 Ref2VA 是 63.44 GB，再加缓存。

12 GB 的卡行不行？ 行，但要大量换页。有维护者报过 864×480、124 帧、20 步，不到九分钟。

我要的 7 秒为什么变长了？ 帧数吸附到 17n+5。175 帧是 7.29 秒。

要不要用 GGUF 版本？ 没有官方的。等官方那一套跑通之后再试。

本地能出 2K 吗？ 开源权重出不了。0.33.1 之后你可以把托管的 Regenerate-2K 节点接上去。

哪些东西可能变。 这块每周都在动：去 ComfyUI 的发布记录里找比 0.33.1 更新的 H3 条目。362 帧那个上限是第三方文档写的，不是官方给的天花板。另外 memory_usage_factor 那个补丁，在 0.32.0 之后可能已经不需要了。最后核对于 2026-08-14。