MiniMax H3 原生支持 ComfyUI：开放权重与 2K 视频
MiniMax H3 Day-0 Support in ComfyUI: Open Weights, Native Audio, and 2K Video
MiniMax H3 模型今日发布并开放权重，ComfyUI 在发布当天即实现原生支持。这款多模态视频模型不仅能生成高达 2K 分辨率、长达 15 秒的视频，还原生内置立体声音频，无需后期合成。通过剪枝调制权重和 int8 量化等优化技术，其显存占用降低了 66%，使得 RTX 3060 等消费级显卡也能本地运行。无论是文生视频、图生视频，还是基于参考素材的运动迁移，H3 都能在一个模型中完成多模态理解与生成，为本地创作者提供了强大的新一代工具。
音频是模型本身的属性，而非后期处理步骤，每一个音频输出都是原生立体声。
HN 评论区
91- embedding-shape
我们发现模型的调制权重（约占参数总量的 40%）可以被剪枝并替换为功能等效的查找表，从而在输出质量没有任何损失的情况下，大幅缩小内存占用。
假设这是真的，这种“无损”减少权重的做法常见吗？看起来简单得有点不可思议。如果这确实可行，它是否也适用于 LLM？
原生支持逐帧生成很酷，但我很好奇在片段交界处“拼接”起来有多容易。通常模型在这些接缝处会丢失“动量”，如果能在片段之间通过逐帧生成来融合内容，感觉应该能解决这个问题。
- vblanco
我在我的 4070ti super（16GB 显存）上运行这个，生成一段 10 秒的 480p 视频需要 10 分钟。但效果非常惊艳。
- sheesdev
老鼠的渲染效果出乎意料地好。其中几个片段在目前的 SOTA 模型水平上代表了巨大的飞跃。
唯一看起来有点“不对劲”的是饮料广告中开罐的那段，它仍然带有那种