MiniMax H3：330 亿参数带音频 2K 视频模型，经 ComfyUI 在 12 GB 显卡上本地运行
MiniMax 的视频模型 H3 于 8 月 3 日开放权重，如今已能在消费级显卡上本地运行，无需云端或 API。据 ComfyUI 团队，内存占用从 123.6 GB 降至 42.5 GB，模型可在 RTX 3060 这样的显卡上运行。许可证全球有效，但美国、欧盟、英国和韩国除外。
MiniMax 于 7 月 31 日发布、8 月 3 日在 Hugging Face 开放权重的视频模型 H3，一个月后已在消费级显卡上本地运行。这个 330 亿参数的模型能生成带音频、2K 分辨率、最长 15 秒的视频，无需云端或 API；按 ComfyUI 团队给出的例子，它可以在 RTX 3060 这类 12 GB 显存的游戏显卡上运行，而 ComfyUI 在权重开放当天就加入了支持。用户也在社交媒体上分享了同样的结果。
模型能做什么
据 MiniMax，H3 是“通用多模态生成模型”：在同一上下文中理解文本、图像、视频与音频，并随视频生成原生立体声音频。两个检查点：FL2VA（文本和首/尾帧）与 Ref2VA（参考图像、视频或音频）。输出为 4 至 15 秒、24 fps，短边默认 768 像素、最高 2K。
内存是怎么缩小的
内存数字来自 ComfyUI，而非 MiniMax。据该团队，全精度下 123.6 GB 的总内存占用在最小变体中降到 42.5 GB，减少 66%：约占参数 40% 的调制权重被剪掉，换成功能等价的查找表；权重以 int8“convrot”量化提供；定制内核降低推理时的峰值显存。再结合动态显存卸载，模型用 ComfyUI 的话说，可在“RTX 3060 这样的 GPU 上”运行。需 ComfyUI 0.30.0 及以上。
许可证覆盖谁
“MiniMax H3 Community License Agreement”将欧盟、英国、大韩民国和美国列为排除地区；这些地区的用户可通过 api@minimax.io 申请许可。土耳其、阿拉伯国家和中国不在排除之列。允许商业使用，但产品界面须醒目标注“MiniMax H3”，年收入超过 2000 万美元的产品另需书面许可。禁止用途包括军事目的和为影响选举而散布虚假信息；机器生成内容在公开场合须标明，输出不得用于训练竞争模型。
对企业读者而言
对想把视频生成和数据都留在内部的机构来说，这是消费级硬件上的第一个现实选项。但 42.5 GB 的内存占用与“能在 12 GB 显卡上跑”不是一回事：卸载以速度为代价，先在自己的硬件上实测再做决定。在美国或欧盟开展业务的机构须申请许可。
来源
- MiniMax 公告（7 月 31 日）：https://www.minimax.io/blog/minimax-h3
- Hugging Face 模型卡与 LICENSE：https://huggingface.co/MiniMaxAI/MiniMax-H3
- GitHub：https://github.com/MiniMax-AI/MiniMax-H3
- ComfyUI 博客（8 月 3 日）：https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui
- ComfyUI 文档：https://docs.comfy.org/tutorials/video/minimax/minimax-h3
