MiniMax H3 需要什么 GPU？
简短回答： MiniMax H3 体量很大。Transformer 有 33B 参数，文本编码器是完整的 Qwen3-VL-32B 模型。按 BF16 算，Hugging Face 上光是 transformer 就约 66 GB，编码器约 51.5 GB，没有哪张消费级卡能整个装下。MiniMax 的模型卡没有给显存数字，diffusers 文档给了三个档位：
- 24–32 GB 的卡（RTX 4090、RTX 5090）：量化到 int8，并从 CPU 内存流式加载 transformer 的各个 block。
- 一张 80 GB 的卡（A100 80G、A800 80G）：按需把各组件搬上、搬下 GPU。
- 两张 80 GB 的卡：用完整 BF16 运行。
在小一些的卡上，主机内存和显存一样重要：diffusers 写道 “expect the weights to live in host RAM: around 75 GB of it at int8”（权重会放在主机内存里：int8 下约 75 GB）（diffusers MiniMax H3 文档，2026-11-04 查阅）。使用 H3 之前，请先看下面的许可一节。
哪些开放了，哪些没有
开放的是 768p 的 H3-Base 模型，MiniMax 把它发布成两个按任务区分的检查点（MiniMax H3 模型卡，2026-11-04 查阅）：
| 组件 | 状态 |
|---|---|
| H3-Base FL2VA（文本生成视频+音频，首帧/尾帧） | 开放，BF16，CFG 蒸馏 |
| H3-Base Ref2VA（参考图像、视频和音频） | 开放，BF16，CFG 蒸馏 |
| H3-Regenerate-2K（768p 到 2K） | 未开放：“this module is not yet open-sourced”（该模块尚未开源） |
| H3-Context-IR（提示词预处理） | 仅 API：“it is not included in this open-source release”（不包含在本次开源发布中） |
| 稀疏注意力 | “will be released in a future update”（将在后续更新中发布） |
模型卡说本地输出默认 “the shorter side is set to 768 pixels”（短边设为 768 像素）。片段长 4–15 秒、24 FPS，32 kHz 立体声音频和视频一起原生生成。ComfyUI 文档说 “2K is a hosted-service output and needs a separate upscale pass in ComfyUI”（2K 是托管服务的输出，在 ComfyUI 里需要单独做一遍超分）（ComfyUI MiniMax H3 教程，2026-11-04 查阅）。
哪种配置用哪张卡
下面的配置来自 diffusers、SGLang 和 vLLM 的文档（2026-11-04 查阅）。部署页列出了现在能开的卡，以及每张卡的 vCPU 和每 GPU 内存。
| 显存档位 | CloudGPU 上的卡 | 文档里的描述 |
|---|---|---|
| 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”（加载时把两个大组件量化为 int8，并从 CPU 内存流式加载 transformer 的 block）。SGLang 在一张 RTX 4090 上：“stream the DiT and text encoder and quantize DiT linear layers online with convrot_int8”（流式加载 DiT 和文本编码器，并用 convrot_int8 在线量化 DiT 的线性层）；“GPU peak stayed about 18 GB”（GPU 峰值保持在约 18 GB） |
| 48 GB | RTX 4090 48G、RTX 4090D 48G、RTX A6000 | int8 的 transformer 和编码器余量更大。diffusers：“Two 48 GB cards do the same with the int8 loading”（两张 48 GB 的卡配合 int8 加载也能做到），即两张 80 GB 卡用 BF16 做到的事 |
| 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”（在一张 80 GB 的卡上，把组件注册到 ComponentsManager，由它把组件搬上、搬下加速器） |
| 2 × 80 GB | 两张 A100 80G 或 A800 80G | diffusers：“Two 80 GB cards run full bfloat16 this way”（两张 80 GB 的卡可以这样跑完整的 bfloat16） |
SGLang 的说明显示，80 GB 不足以让所有组件常驻显存：“Pure Ulysses4 could not keep the full pipeline resident on 80 GB H100s”（纯 Ulysses4 无法在 80 GB 的 H100 上让完整流水线常驻）（SGLang MiniMax H3 cookbook，2026-11-04 查阅）。
主机内存也要算进选型
卸载会把权重挪到系统内存，所以选卡前请先看 /deploy 上显示的每 GPU 内存。已公开的数字：
- diffusers，12–16 GB 配置：“around 75 GB of it at int8”（int8 下约 75 GB）。
- SGLang：2 × RTX 5090 的方案 “was validated on 2× RTX 5090 (32 GB each) and a 377 GiB host; use a 384 GiB-class machine”（在 2 张 RTX 5090（各 32 GB）和 377 GiB 内存的主机上验证过；请用 384 GiB 级的机器）。单张 RTX 5090 台式机在 864×480 下用了 32 GB 显存和 60 GB 主机内存。
- vLLM：“Use a 384 GiB-class host for the pinned model shards and offload buffers”（固定内存的模型分片和卸载缓冲区需要 384 GiB 级的主机）（vLLM MiniMax H3 recipe，2026-11-04 查阅）。
如果进程被杀掉却没有任何 CUDA 报错，多半是主机内存不够，而不是显存不够。
该下载哪些文件
Comfy-Org 重新打包版提供比官方 BF16 分片更小的文件。大小取自 Hugging Face API，2026-11-04 查阅。
| 文件 | 大小 | 说明 |
|---|---|---|
minimax_h3_fl2va_bf16（另有 ref2va_） |
66.28 GB | 完整 transformer |
minimax_h3_fl2va_int8_convrot |
34.04 GB | int8 |
minimax_h3_fl2va_pruned_bf16 |
40.23 GB | 去掉了 AdaLN 分支 |
minimax_h3_fl2va_pruned_int8_convrot |
20.97 GB | 剪枝，int8 |
minimax_h3_fl2va_pruned_fp8_scaled |
20.96 GB | 剪枝，FP8 |
minimax_h3_fl2va_pruned_w6a8 |
15.98 GB | 剪枝，w6a8 |
qwen3vl_32b_minimax_h3_bf16（文本编码器） |
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”（不需要 Blackwell GPU 也能用） |
minimax_h3_video_vae_fp16 / _int8_convrot |
5.21 / 2.81 GB | |
minimax_h3_audio_vae_fp32 |
0.61 GB |
Comfy 的 README 写道 “For diffusion models prefer int8_convrot if you are able to use pytorch with cu130”（如果能用 cu130 的 PyTorch，扩散模型优先选 int8_convrot），以及 “fp8_scaled should only be used if you cannot use int8_convrot.”（只有用不了 int8_convrot 时才用 fp8_scaled。）剪枝文件之所以更小，是因为模型卡说 AdaLN 分支（约 13B 参数）“do not need to be loaded for inference-only deployment”（只做推理部署时不需要加载）。
已公开的速度数据
MiniMax 自己的模型卡没有耗时数据。SGLang 的 cookbook（2026-11-04 查阅）报告了这些运行结果：
| 卡 | 配置 | 耗时 |
|---|---|---|
| 1 × RTX 4090 D 24 GB | 1344×768，107 帧，20 步，BF16 + FlashAttention | 405.6 s |
| 1 × RTX 4090 D 24 GB | 同上，convrot_int8 + FA | 303.3 s |
| 1 × RTX 4090 D 24 GB | 同上，convrot_int8 + Sage→Sol 混合 | 163.8 s |
| 1 × RTX 5090 台式机 | 864×480，124 帧，20 步，sglang | 112.2 s |
| 1 × RTX 5090 台式机 | 同上，ComfyUI --fast-disk --cache-none |
145.9 s |
diffusers 还提到 “960x544 runs about 2.3x faster per step than the trained 1344x768”（960x544 每步比训练时的 1344x768 快约 2.3 倍）。想知道自己的提示词要跑多久，先用 960x544 跑一段短片段，再逐步加大。
许可
MiniMax H3 以 MiniMax H3 Community License Agreement 发布，不是开源许可。使用权重或其输出之前，请先读 LICENSE 文件。租用 GPU 不会改变许可条款。
费用
截至 2026-11-05 07:55 (UTC+8)：RTX 5090 $0.69/小时，RTX 4090 48G $0.69/小时，A100 80G $1.59/小时。按分钟计费、向上取整，1 分钟起，销毁实例即停止计费。下载权重的时间同样计费，所以建议下载一次、成批渲染。当前价格见 /pricing。
相关阅读：Wan 视频生成该用哪张 GPU · AI 短片制作：每个环节用哪张 GPU · AI 影视与视频制作用云 GPU
常见问题
MiniMax H3 需要多少显存？
MiniMax 的模型卡没有给显存数字。diffusers 文档描述了三种配置：24–32 GB 的卡配合 int8 并从 CPU 内存分块流式加载；一张 80 GB 的卡，把组件按需搬上、搬下 GPU；两张 80 GB 的卡跑完整 bfloat16。SGLang 在一张 RTX 4090 上用流式加载加 int8，测得 GPU 峰值约 18 GB（2026-11-04 查阅）。
MiniMax H3 能在 RTX 5090 上跑吗？
能，但要量化和卸载。SGLang 报告单张 RTX 5090 台式机在 864×480、124 帧、20 步下，用 sglang 耗时 112.2 s，用 ComfyUI 耗时 145.9 s，占用 32 GB 显存和 60 GB 主机内存（2026-11-04 查阅）。
开源的 MiniMax H3 能生成 2K 视频吗？
不能。开放的检查点是短边 768 像素的 H3-Base。MiniMax 表示 H3-Regenerate-2K “is not yet open-sourced”（尚未开源），ComfyUI 文档也说 2K 需要单独做一遍超分（2026-11-04 查阅）。
为什么主机内存对 MiniMax H3 这么重要？
在 80 GB 以下的卡上，权重要从系统内存流式加载。diffusers 文档说 int8 下预计需要约 75 GB 主机内存，SGLang 和 vLLM 针对两张消费级卡的方案要求 384 GiB 级的主机。选卡前请在 CloudGPU 部署页查看每 GPU 内存。
MiniMax H3 是开源的吗？
MiniMax H3 以 MiniMax H3 Community License Agreement 发布，不是开源许可。使用权重或其输出之前，请先读 MiniMax H3 Hugging Face 页面上的 LICENSE 文件。
来源（2026-11-04 查阅，Asia/Shanghai）
- MiniMax H3 模型卡（开放组件、33B transformer、Qwen3-VL-32B 编码器、768p、4–15 秒、24 FPS、32 kHz 立体声音频）：https://huggingface.co/MiniMaxAI/MiniMax-H3
- MiniMax H3 LICENSE：https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE
- diffusers MiniMax H3 pipeline 文档（显存档位、主机内存、960x544 速度说明）：https://huggingface.co/docs/diffusers/main/en/api/pipelines/minimax_h3
- SGLang MiniMax H3 cookbook（RTX 4090 D 和 RTX 5090 耗时、主机内存）：https://docs.sglang.io/cookbook/diffusion/MiniMax/MiniMax-H3
- vLLM MiniMax H3 recipe（主机内存、文件大小）：https://recipes.vllm.ai/MiniMaxAI/MiniMax-H3
- Comfy-Org MiniMax H3 重新打包版（文件名和大小、格式建议）：https://huggingface.co/Comfy-Org/MiniMax-H3
- ComfyUI MiniMax H3 教程（2K 需要单独做一遍超分）：https://docs.comfy.org/tutorials/video/minimax/minimax-h3
能开哪些卡见部署页。价格见 https://cloudgpu.app/zh/pricing。
更新日期：2026-11-04（Asia/Shanghai）。