MiniMax H3 本地部署指南文件构成、版本选型与显存规划【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3MiniMax H3 可生成带原生立体声音频、时长 4–15 s、最高 2K 分辨率的声画同步视频。MiniMax H3 本地部署的三大障碍是文件数量多、两个任务版本易混、BF16 权重显存门槛高。本文按文件清单、版本选型、显存规划三步展开读完即可按硬件完成选型与下载准备。模块架构与文件清单H3-Base 按「输入处理层 → 核心生成层 → 输出解码层」三级流水线组织每个任务 checkpoint 都包含这三层所需的全部文件。原始格式FL2VA/、Ref2VA/目录与 diffusers 格式仓库顶层并存两者按框架选用、不可混用。输入处理层原料入库text_encoder— 将文本与视觉输入编码为统一隐状态Qwen3-VL-32B32B 参数 · 14 个分片 · 流水线入口tokenizer— 分词并承载生成用特殊 tokenQwen2TokenizerFast含d等 · 小文件processor— 多模态输入预处理Qwen3VLProcessor · 小文件核心生成层工序加工transformer— 联合预测视频与音频 latentH3-Omni-Transformer33B 参数 · 14 个分片原始格式 13 个 · 主工序scheduler/audio_scheduler— 视频与音频扩散步长调度MiniMaxH3Schedulershift12.0 · 配置文件输出解码层出货打包vae原始格式为video_vae— 视频 latent 解码为帧序列H3-VisualVAEf16t4d24空间 16×/时间 4× 压缩 · 3 个分片原始格式 1 个文件audio_vae— 音频 latent 解码为 32 kHz 立体声H3-AudioVAE32 kHz ↔ 40 Hz token · 1 个文件分片规模diffusers 格式顶层共 46 个权重分片text_encoder 14 transformer 14 transformer_ref 14 vae 3 audio_vae 1每个原始任务族FL2VA / Ref2VA各 29 个权重分片14 13 1 1另含 tokenizer、processor、model_index.json 等配置。缺少任一层都会导致加载失败因此下载时应以所选框架的完整清单为准而不是只拿体积最大的主干文件。diffusers 格式额外包含transformer_ref一组权重对应 Ref2VA 任务的 Transformer与 FL2VA 所用的transformer同规模原始格式中则各自内嵌于对应任务目录两套均不可省略。FL2VA 与 Ref2VA 版本对比两个 checkpoint 的权重不可互换输入能力与显存开销差异明显选型前先对照下表。版本输入类型输入上限典型任务显存开销工作流FL2VA文本 0–2 张图像最多 2 张图无图/首帧/尾帧/首尾帧t2va 文生、fl2va 首尾帧补间较低参考 token 少本地直出 768p2K 经 API 增强Ref2VA文本 参考图/视频/音频图 ≤9、视频 ≤3 段各 2–15 s总 ≤15 s、音频 ≤3 段混合文件总数 ≤12ref2va 参考转视频风格/人物/声音迁移较高多模态参考使上下文更长同左但上下文处理更复杂建议配 Context-IR决策规则if-then若输入仅有文本或不超过 2 张图选 FL2VA。若需参考 3 张以上图像或携带任意参考视频/参考音频选 Ref2VA。若两类任务都要做分别部署两个 checkpoint不要共用同一份权重。FL2VA 与 Ref2VA 的核心区别在输入侧而非输出侧两者输出均为 768p 声画同步视频差异是 Ref2VA 的上下文里额外携带参考素材。参考素材越多进入 Transformer 的 token 序列越长注意力计算与 KV 占用随之上升这也是显存开销更高的直接原因。显存档位与量化方案官方权重为 BF1633B Transformer 32B 编码器合计约 130 GB单卡放不下需多卡或量化。社区量化版本是 H3 显存需求的主要解法下表按本地常见显存档位给出可行配置。显存档位可运行配置说明8 GB4-bit 量化480p、10–15 s可跑通单条耗时数分钟12 GB4-bit 量化768p 低时长或 480p 满时长留有余量16 GB4-bit 量化768p 标准参数≈ RTX 4070 Ti Super 级别H3 16GB 显存量化方案的基准24 GB4-bit / FP8 量化768p 高时长速度最稳可试更长片段量化精度与速度权衡4-bit 加载最快、显存最省精度略降FP8/8-bit 居中。规划 H3 本地跑需要什么显卡时可按「档位下限 16% 余量」估算显存占用 权重体积 激活/KV 缓存缓存部分随时长与分辨率上升因此同档位下建议先按 8 s 时长验证再逐步加到 15 s。768p 是本地默认输出短边 768 像素2K 需官方 H3-Regenerate-2K 增强。该模块未开源仅经 API 提供本地无法直接出 2K规划时不要为 2K 预留显存那是云端职责。部署问题排查按「现象 → 原因 → 处置」定位括号内为可搜索的报错关键词前四条覆盖本地部署最常见的四类失败。文件缺失加载即报module not found/weights not found关键词safetensors、subfolder。原因只下了主干漏了 text_encoder、VAE、tokenizer。处置按所选格式的完整清单一次下齐分片数见上节。格式混用报pipeline class not found/ 结构不匹配关键词model_index、_class_name。原因FL2VA 原始目录与 diffusers 顶层文件混装。处置按框架锁定单一格式SGLang/vLLM 用原始格式diffusers 用顶层格式。显存溢出CUDA out of memory关键词OOM、Tried to allocate。原因BF16 全精度超显存。处置换 4-bit 量化权重并降分辨率/时长见显存档位表。2K 预期偏差本地只出 768p误以为拿到 2K关键词768p、Regenerate-2K。原因2K 增强模块未开源。处置本地出 768p 后经官方 API 做 Regenerate-2K或直接调用 API 出 2K。四条失败有一个共同前置原因下载前没有建立清单。正确顺序是先定框架、再定版本、最后逐文件核对数量下载完成后用 safetensors 文件数对照第一节清单即可排除前三类问题。部署前检查清单本清单按部署的实际操作顺序排列建议自上而下一次性执行中途不要跳步补做否则容易在配置阶段发现文件缺口。环境确认 GPU 显存档位与量化版本匹配见上节档位表格式选择按推理框架锁定原始格式或 diffusers 格式不混用文件下载按所选任务族一次下齐全部分片与配置配置核对 model_index.json 指向的组件与本地目录一致首次运行先用 可复现 768p 请求脚本 验证再上正式任务格式单一、文件齐全、显存匹配是本地跑通的三个前提组件与调用细节见 FL2VA 组件配置 与官方 API 文档。【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/26 17:55:45 · 阅读 1.2k MiniMax H3 本地部署指南：文件构成、版本选型与显存规划
MiniMax H3 本地部署指南文件构成、版本选型与显存规划【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3MiniMax H3 可生成带原生立体声音频、时长 4–15 s、最高 2K 分辨率的声画同步视频。MiniMax H3 本地部署的三大障碍是文件数量多、两个任务版本易混、BF16 权重显存门槛高。本文按文件清单、版本选型、显存规划三步展开读完即可按硬件完成选型与下载准备。模块架构与文件清单H3-Base 按「输入处理层 → 核心生成层 → 输出解码层」三级流水线组织每个任务 checkpoint 都包含这三层所需的全部文件。原始格式FL2VA/、Ref2VA/目录与 diffusers 格式仓库顶层并存两者按框架选用、不可混用。输入处理层原料入库text_encoder— 将文本与视觉输入编码为统一隐状态Qwen3-VL-32B32B 参数 · 14 个分片 · 流水线入口tokenizer— 分词并承载生成用特殊 tokenQwen2TokenizerFast含d等 · 小文件processor— 多模态输入预处理Qwen3VLProcessor · 小文件核心生成层工序加工transformer— 联合预测视频与音频 latentH3-Omni-Transformer33B 参数 · 14 个分片原始格式 13 个 · 主工序scheduler/audio_scheduler— 视频与音频扩散步长调度MiniMaxH3Schedulershift12.0 · 配置文件输出解码层出货打包vae原始格式为video_vae— 视频 latent 解码为帧序列H3-VisualVAEf16t4d24空间 16×/时间 4× 压缩 · 3 个分片原始格式 1 个文件audio_vae— 音频 latent 解码为 32 kHz 立体声H3-AudioVAE32 kHz ↔ 40 Hz token · 1 个文件分片规模diffusers 格式顶层共 46 个权重分片text_encoder 14 transformer 14 transformer_ref 14 vae 3 audio_vae 1每个原始任务族FL2VA / Ref2VA各 29 个权重分片14 13 1 1另含 tokenizer、processor、model_index.json 等配置。缺少任一层都会导致加载失败因此下载时应以所选框架的完整清单为准而不是只拿体积最大的主干文件。diffusers 格式额外包含transformer_ref一组权重对应 Ref2VA 任务的 Transformer与 FL2VA 所用的transformer同规模原始格式中则各自内嵌于对应任务目录两套均不可省略。FL2VA 与 Ref2VA 版本对比两个 checkpoint 的权重不可互换输入能力与显存开销差异明显选型前先对照下表。版本输入类型输入上限典型任务显存开销工作流FL2VA文本 0–2 张图像最多 2 张图无图/首帧/尾帧/首尾帧t2va 文生、fl2va 首尾帧补间较低参考 token 少本地直出 768p2K 经 API 增强Ref2VA文本 参考图/视频/音频图 ≤9、视频 ≤3 段各 2–15 s总 ≤15 s、音频 ≤3 段混合文件总数 ≤12ref2va 参考转视频风格/人物/声音迁移较高多模态参考使上下文更长同左但上下文处理更复杂建议配 Context-IR决策规则if-then若输入仅有文本或不超过 2 张图选 FL2VA。若需参考 3 张以上图像或携带任意参考视频/参考音频选 Ref2VA。若两类任务都要做分别部署两个 checkpoint不要共用同一份权重。FL2VA 与 Ref2VA 的核心区别在输入侧而非输出侧两者输出均为 768p 声画同步视频差异是 Ref2VA 的上下文里额外携带参考素材。参考素材越多进入 Transformer 的 token 序列越长注意力计算与 KV 占用随之上升这也是显存开销更高的直接原因。显存档位与量化方案官方权重为 BF1633B Transformer 32B 编码器合计约 130 GB单卡放不下需多卡或量化。社区量化版本是 H3 显存需求的主要解法下表按本地常见显存档位给出可行配置。显存档位可运行配置说明8 GB4-bit 量化480p、10–15 s可跑通单条耗时数分钟12 GB4-bit 量化768p 低时长或 480p 满时长留有余量16 GB4-bit 量化768p 标准参数≈ RTX 4070 Ti Super 级别H3 16GB 显存量化方案的基准24 GB4-bit / FP8 量化768p 高时长速度最稳可试更长片段量化精度与速度权衡4-bit 加载最快、显存最省精度略降FP8/8-bit 居中。规划 H3 本地跑需要什么显卡时可按「档位下限 16% 余量」估算显存占用 权重体积 激活/KV 缓存缓存部分随时长与分辨率上升因此同档位下建议先按 8 s 时长验证再逐步加到 15 s。768p 是本地默认输出短边 768 像素2K 需官方 H3-Regenerate-2K 增强。该模块未开源仅经 API 提供本地无法直接出 2K规划时不要为 2K 预留显存那是云端职责。部署问题排查按「现象 → 原因 → 处置」定位括号内为可搜索的报错关键词前四条覆盖本地部署最常见的四类失败。文件缺失加载即报module not found/weights not found关键词safetensors、subfolder。原因只下了主干漏了 text_encoder、VAE、tokenizer。处置按所选格式的完整清单一次下齐分片数见上节。格式混用报pipeline class not found/ 结构不匹配关键词model_index、_class_name。原因FL2VA 原始目录与 diffusers 顶层文件混装。处置按框架锁定单一格式SGLang/vLLM 用原始格式diffusers 用顶层格式。显存溢出CUDA out of memory关键词OOM、Tried to allocate。原因BF16 全精度超显存。处置换 4-bit 量化权重并降分辨率/时长见显存档位表。2K 预期偏差本地只出 768p误以为拿到 2K关键词768p、Regenerate-2K。原因2K 增强模块未开源。处置本地出 768p 后经官方 API 做 Regenerate-2K或直接调用 API 出 2K。四条失败有一个共同前置原因下载前没有建立清单。正确顺序是先定框架、再定版本、最后逐文件核对数量下载完成后用 safetensors 文件数对照第一节清单即可排除前三类问题。部署前检查清单本清单按部署的实际操作顺序排列建议自上而下一次性执行中途不要跳步补做否则容易在配置阶段发现文件缺口。环境确认 GPU 显存档位与量化版本匹配见上节档位表格式选择按推理框架锁定原始格式或 diffusers 格式不混用文件下载按所选任务族一次下齐全部分片与配置配置核对 model_index.json 指向的组件与本地目录一致首次运行先用 可复现 768p 请求脚本 验证再上正式任务格式单一、文件齐全、显存匹配是本地跑通的三个前提组件与调用细节见 FL2VA 组件配置 与官方 API 文档。【免费下载链接】MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力能够出色地执行复杂的多模态指令。项目地址: https://ai.gitcode.com/MiniMax-AI/MiniMax-H3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考