MiniMax H3 के लिए कौन-सा GPU चाहिए?
संक्षेप में: MiniMax H3 बड़ा मॉडल है। इसका transformer 33B पैरामीटर का है, और text encoder पूरा Qwen3-VL-32B मॉडल है। BF16 में Hugging Face पर अकेला transformer लगभग 66 GB और encoder लगभग 51.5 GB है, इसलिए कोई भी एक consumer कार्ड इसे पूरा नहीं रख पाता। MiniMax के model card में VRAM का कोई आंकड़ा नहीं है। diffusers डॉक्यूमेंटेशन तीन टियर बताता है:
- 24–32 GB कार्ड (RTX 4090, RTX 5090): int8 में quantize करें और transformer के blocks को CPU RAM से stream करें।
- एक 80 GB कार्ड (A100 80G, A800 80G): ज़रूरत के हिसाब से components को GPU पर लोड करें और हटाएँ।
- दो 80 GB कार्ड: पूरा BF16 में चलाएँ।
छोटे कार्ड पर host RAM उतनी ही अहम है जितनी VRAM: diffusers कहता है “expect the weights to live in host RAM: around 75 GB of it at int8” (उम्मीद रखें कि weights host RAM में रहेंगे: int8 पर लगभग 75 GB) (diffusers MiniMax H3 docs, 2026-11-04 को पढ़ा गया)। H3 इस्तेमाल करने से पहले नीचे लाइसेंस वाला सेक्शन पढ़ें।
क्या ओपन है और क्या नहीं
ओपन रिलीज़ 768p पर H3-Base मॉडल है। MiniMax इसे दो task-specific checkpoints के रूप में प्रकाशित करता है (MiniMax H3 model card, 2026-11-04 को पढ़ा गया):
| Component | स्थिति |
|---|---|
| H3-Base FL2VA (text से video+audio, first/last frame) | ओपन, BF16, CFG-distilled |
| H3-Base Ref2VA (reference images, video और audio) | ओपन, BF16, CFG-distilled |
| H3-Regenerate-2K (768p से 2K) | ओपन नहीं: “this module is not yet open-sourced” (यह मॉड्यूल अभी ओपन-सोर्स नहीं हुआ है) |
| H3-Context-IR (prompt preprocessing) | सिर्फ़ API: “it is not included in this open-source release” (यह इस ओपन-सोर्स रिलीज़ में शामिल नहीं है) |
| Sparse attention | “will be released in a future update” (आगे किसी अपडेट में रिलीज़ होगा) |
Model card के मुताबिक लोकल आउटपुट डिफ़ॉल्ट रूप से “the shorter side is set to 768 pixels” (छोटी साइड 768 पिक्सल पर सेट होती है) होता है। क्लिप 24 FPS पर 4–15 सेकंड के होते हैं, और नेटिव 32 kHz stereo audio वीडियो के साथ ही जनरेट होता है। ComfyUI docs कहते हैं “2K is a hosted-service output and needs a separate upscale pass in ComfyUI” (2K होस्टेड सर्विस का आउटपुट है और ComfyUI में इसके लिए अलग upscale pass चाहिए) (ComfyUI MiniMax H3 tutorial, 2026-11-04 को पढ़ा गया)।
किस सेटअप के लिए कौन-सा कार्ड
नीचे दिए सेटअप diffusers, SGLang और vLLM डॉक्यूमेंटेशन से हैं (2026-11-04 को पढ़े गए)। Deploy पेज पर वे कार्ड दिखते हैं जिन्हें आप अभी शुरू कर सकते हैं, साथ में हर कार्ड के प्रति GPU vCPU और RAM।
| VRAM क्लास | CloudGPU पर कार्ड | डॉक्स क्या बताते हैं |
|---|---|---|
| 24–32 GB | RTX 4090, RTX 4090D, RTX 5090, RTX 5090D | diffusers: “quantize the two large components to int8 as they load and stream the transformer’s blocks from CPU RAM” (दोनों बड़े components को लोड होते समय int8 में quantize करें और transformer के blocks CPU RAM से stream करें)। एक RTX 4090 पर SGLang: “stream the DiT and text encoder and quantize DiT linear layers online with convrot_int8” (DiT और text encoder को stream करें और DiT की linear layers को convrot_int8 से online quantize करें); “GPU peak stayed about 18 GB” (GPU peak लगभग 18 GB रहा) |
| 48 GB | RTX 4090 48G, RTX 4090D 48G, RTX A6000 | int8 transformer और encoder के लिए ज़्यादा गुंजाइश। diffusers: “Two 48 GB cards do the same with the int8 loading” (दो 48 GB कार्ड int8 loading के साथ यही करते हैं), जैसे दो 80 GB कार्ड BF16 में |
| 80–96 GB | A100 80G, A800 80G, RTX 6000D 83G, RTX PRO 6000 96G, RTX PRO 6000 Max-Q 96G | diffusers: “On one 80 GB card, register the components in a ComponentsManager and let it move them on and off the accelerator” (एक 80 GB कार्ड पर components को ComponentsManager में register करें और उसे ही उन्हें accelerator पर लाने और हटाने दें) |
| 2 × 80 GB | दो A100 80G या A800 80G | diffusers: “Two 80 GB cards run full bfloat16 this way” (दो 80 GB कार्ड इस तरह पूरा bfloat16 चलाते हैं) |
SGLang के नोट्स दिखाते हैं कि सब कुछ resident रखने के लिए 80 GB काफ़ी नहीं है: “Pure Ulysses4 could not keep the full pipeline resident on 80 GB H100s” (शुद्ध Ulysses4 पूरी pipeline को 80 GB H100 पर resident नहीं रख पाया) (SGLang MiniMax H3 cookbook, 2026-11-04 को पढ़ा गया)।
Host RAM भी साइज़िंग का हिस्सा है
Offloading weights को सिस्टम मेमोरी में ले जाता है, इसलिए कार्ड चुनने से पहले /hi/deploy पर दिखने वाली प्रति GPU RAM देख लें। प्रकाशित आंकड़े:
- diffusers, 12–16 GB सेटअप: “around 75 GB of it at int8” (int8 पर लगभग 75 GB)।
- SGLang: 2 × RTX 5090 की एक recipe “was validated on 2× RTX 5090 (32 GB each) and a 377 GiB host; use a 384 GiB-class machine” (2× RTX 5090 (हर एक 32 GB) और 377 GiB host पर validate की गई; 384 GiB क्लास की मशीन इस्तेमाल करें)। एक RTX 5090 डेस्कटॉप रन में 864×480 पर 32 GB VRAM और 60 GB host RAM लगी।
- vLLM: “Use a 384 GiB-class host for the pinned model shards and offload buffers” (pinned model shards और offload buffers के लिए 384 GiB क्लास का host इस्तेमाल करें) (vLLM MiniMax H3 recipe, 2026-11-04 को पढ़ा गया)।
अगर कोई रन बिना CUDA error के बंद हो जाए, तो संभवतः VRAM नहीं, host RAM खत्म हुई है।
कौन-सी फ़ाइलें डाउनलोड करें
Comfy-Org repack ऑफ़िशियल BF16 shards से छोटी फ़ाइलें देता है। साइज़ Hugging Face API से हैं, 2026-11-04 को पढ़े गए।
| फ़ाइल | साइज़ | नोट |
|---|---|---|
minimax_h3_fl2va_bf16 (और ref2va_) |
66.28 GB | पूरा transformer |
minimax_h3_fl2va_int8_convrot |
34.04 GB | int8 |
minimax_h3_fl2va_pruned_bf16 |
40.23 GB | AdaLN branches हटाए गए |
minimax_h3_fl2va_pruned_int8_convrot |
20.97 GB | pruned, int8 |
minimax_h3_fl2va_pruned_fp8_scaled |
20.96 GB | pruned, FP8 |
minimax_h3_fl2va_pruned_w6a8 |
15.98 GB | pruned, w6a8 |
qwen3vl_32b_minimax_h3_bf16 (text encoder) |
51.51 GB | |
qwen3vl_32b_minimax_h3_int8_convrot |
27.14 GB | |
qwen3vl_32b_minimax_h3_nvfp4_awq |
15.69 GB | “does not require Blackwell GPU to use” (इस्तेमाल के लिए Blackwell GPU ज़रूरी नहीं) |
minimax_h3_video_vae_fp16 / _int8_convrot |
5.21 / 2.81 GB | |
minimax_h3_audio_vae_fp32 |
0.61 GB |
Comfy README कहता है “For diffusion models prefer int8_convrot if you are able to use pytorch with cu130” (अगर आप cu130 वाला pytorch इस्तेमाल कर सकते हैं, तो diffusion models के लिए int8_convrot चुनें) और “fp8_scaled should only be used if you cannot use int8_convrot.” (fp8_scaled तभी इस्तेमाल करें जब int8_convrot इस्तेमाल न कर सकें।) Pruned फ़ाइलें छोटी हो पाती हैं क्योंकि model card के मुताबिक AdaLN branches (लगभग 13B पैरामीटर) “do not need to be loaded for inference-only deployment” (सिर्फ़ inference वाले deployment में लोड करने की ज़रूरत नहीं)।
प्रकाशित स्पीड आंकड़े
MiniMax के अपने card में टाइमिंग के आंकड़े नहीं हैं। SGLang की cookbook (2026-11-04 को पढ़ी गई) ये रन रिपोर्ट करती है:
| कार्ड | सेटअप | समय |
|---|---|---|
| 1 × RTX 4090 D 24 GB | 1344×768, 107 frames, 20 steps, BF16 + FlashAttention | 405.6 s |
| 1 × RTX 4090 D 24 GB | वही, convrot_int8 + FA | 303.3 s |
| 1 × RTX 4090 D 24 GB | वही, convrot_int8 + Sage→Sol hybrid | 163.8 s |
| 1 × RTX 5090 डेस्कटॉप | 864×480, 124 frames, 20 steps, sglang | 112.2 s |
| 1 × RTX 5090 डेस्कटॉप | वही, ComfyUI --fast-disk --cache-none |
145.9 s |
diffusers यह भी जोड़ता है कि “960x544 runs about 2.3x faster per step than the trained 1344x768” (960x544 प्रति step, ट्रेन किए गए 1344x768 से लगभग 2.3 गुना तेज़ चलता है)। अपने prompts की टाइमिंग जानने के लिए 960x544 पर एक छोटे क्लिप से शुरू करें, फिर साइज़ बढ़ाएँ।
लाइसेंस
MiniMax H3 MiniMax H3 Community License Agreement के तहत रिलीज़ हुआ है, यह कोई ओपन-सोर्स लाइसेंस नहीं है। Weights या उनके आउटपुट इस्तेमाल करने से पहले LICENSE फ़ाइल पढ़ें। GPU किराए पर लेने से लाइसेंस की शर्तें नहीं बदलतीं।
लागत
2026-11-05 07:55 (UTC+8) के अनुसार: RTX 5090 $0.69/घंटा, RTX 4090 48G $0.69/घंटा, A100 80G $1.59/घंटा। बिलिंग प्रति मिनट होती है, ऊपर की ओर राउंड करके, कम से कम 1 मिनट, और इंस्टेंस डिस्ट्रॉय करते ही रुक जाती है। Weights डाउनलोड करने का समय भी बिल होता है, इसलिए एक बार डाउनलोड करें और batches में रेंडर करें। मौजूदा रेट /hi/pricing पर हैं।
संबंधित: Wan वीडियो जनरेशन के लिए कौन-सा GPU · AI शॉर्ट फ़िल्म प्रोडक्शन: हर स्टेप के लिए कौन-सा GPU · AI फ़िल्म और वीडियो प्रोडक्शन के लिए Cloud GPU
अक्सर पूछे जाने वाले सवाल
MiniMax H3 को कितनी VRAM चाहिए?
MiniMax के model card में VRAM का कोई आंकड़ा नहीं है। diffusers docs तीन सेटअप बताते हैं: int8 और CPU RAM से block streaming के साथ 24–32 GB कार्ड, components को GPU पर लाने और हटाने के साथ एक 80 GB कार्ड, और पूरे bfloat16 के लिए दो 80 GB कार्ड। SGLang ने streaming और int8 के साथ एक RTX 4090 पर लगभग 18 GB का GPU peak मापा (2026-11-04 को पढ़ा गया)।
क्या MiniMax H3 RTX 5090 पर चल सकता है?
हाँ, quantization और offload के साथ। SGLang एक RTX 5090 डेस्कटॉप रन रिपोर्ट करता है: 864×480, 124 frames और 20 steps, जिसमें sglang से 112.2 s और ComfyUI से 145.9 s लगे, और 32 GB VRAM व 60 GB host RAM इस्तेमाल हुई (2026-11-04 को पढ़ा गया)।
क्या ओपन MiniMax H3 रिलीज़ 2K वीडियो बनाती है?
नहीं। ओपन checkpoints 768 पिक्सल की छोटी साइड वाले H3-Base हैं। MiniMax के मुताबिक H3-Regenerate-2K “is not yet open-sourced” (अभी ओपन-सोर्स नहीं हुआ है), और ComfyUI docs कहते हैं कि 2K के लिए अलग upscale pass चाहिए (2026-11-04 को पढ़ा गया)।
MiniMax H3 के लिए host RAM क्यों मायने रखती है?
80 GB से कम वाले कार्ड पर weights सिस्टम मेमोरी से stream होते हैं। diffusers docs के मुताबिक int8 पर लगभग 75 GB host RAM की उम्मीद रखें, और दो consumer कार्ड वाली SGLang और vLLM recipes 384 GiB क्लास का host मांगती हैं। कार्ड चुनने से पहले CloudGPU के Deploy पेज पर प्रति GPU RAM देख लें।
क्या MiniMax H3 ओपन सोर्स है?
MiniMax H3 MiniMax H3 Community License Agreement के तहत रिलीज़ हुआ है, यह कोई ओपन-सोर्स लाइसेंस नहीं है। Weights या उनके आउटपुट इस्तेमाल करने से पहले MiniMax H3 के Hugging Face पेज पर LICENSE फ़ाइल पढ़ें।
स्रोत (2026-11-04 को पढ़े गए, Asia/Shanghai)
- MiniMax H3 model card (ओपन components, 33B transformer, Qwen3-VL-32B encoder, 768p, 4–15 s, 24 FPS, 32 kHz stereo audio): https://huggingface.co/MiniMaxAI/MiniMax-H3
- MiniMax H3 LICENSE: https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE
- diffusers MiniMax H3 pipeline docs (VRAM टियर, host RAM, 960x544 स्पीड नोट): https://huggingface.co/docs/diffusers/main/en/api/pipelines/minimax_h3
- SGLang MiniMax H3 cookbook (RTX 4090 D और RTX 5090 टाइमिंग, host RAM): https://docs.sglang.io/cookbook/diffusion/MiniMax/MiniMax-H3
- vLLM MiniMax H3 recipe (host RAM, फ़ाइल साइज़): https://recipes.vllm.ai/MiniMaxAI/MiniMax-H3
- Comfy-Org MiniMax H3 repack (फ़ाइल नाम और साइज़, फ़ॉर्मेट सलाह): https://huggingface.co/Comfy-Org/MiniMax-H3
- ComfyUI MiniMax H3 tutorial (2K के लिए अलग upscale pass): https://docs.comfy.org/tutorials/video/minimax/minimax-h3
जिन कार्ड को आप शुरू कर सकते हैं, वे Deploy पेज पर हैं। कीमतें https://cloudgpu.app/hi/pricing पर हैं।
अंतिम अपडेट: 2026-11-04 (Asia/Shanghai)।