MiniMax H3 怎么本地部署？用 ComfyUI 搭建 AI 视频生成环境

Thu, 13 Aug 2026 22:44:00 +0800

MiniMax H3 已开放模型权重，也开始出现对应的 ComfyUI 工作流。

如果不熟悉 Python、CUDA 和模型目录，可以直接让 Codex、Claude Code 等 AI 编程工具协助部署：

安装 ComfyUI → 下载 H3 → 配置视频工作流 → 根据显卡调整参数 → 配置加速方案。

MiniMax H3 主要解决什么问题？

MiniMax H3 是一个开放权重多模态模型，支持文本、图片、视频和音频等输入。

在视频方向，更值得关注的是文生视频以及参考素材驱动的视频生成能力。

不过本地部署真正需要考虑的是：

显卡显存；
系统内存；
模型占用空间；
ComfyUI 节点兼容性；
生成分辨率和速度。

因此，不建议直接照搬别人的模型配置。

可直接复制的部署提示词

请帮我在 Windows 本地部署最新版 ComfyUI。

要求：

1. 安装最新稳定版 ComfyUI，并检查 Python、CUDA、PyTorch 和显卡驱动兼容性。

2. 创建 ComfyUI 启动 BAT 文件，并在 Windows 桌面创建快捷方式。

3. 下载并部署 MiniMax H3 官方开放权重模型。

4. 配置两套工作流：
   - 文本生成视频
   - 参考图片或参考素材生成视频

5. 下载模型前先检测：
   - GPU 型号
   - 显存
   - 系统内存
   - 硬盘剩余空间

根据本机配置选择能够运行的模型精度、分辨率和显存优化方式，不要默认下载最高配置。

6. 如果目前存在兼容 MiniMax H3 的 4-Step、LoRA 或其他加速方案：
   - 检查版本兼容性
   - 安装对应节点
   - 配置独立加速工作流
   - 保留原版工作流

7. 完成后输出：
   - ComfyUI 安装目录
   - 模型目录
   - 工作流位置
   - 桌面快捷方式
   - 当前推荐分辨率
   - 显存优化方式
   - 加速方案来源

8. 最后启动一次 ComfyUI，检查缺失节点、模型路径和 Python 依赖报错。

这段提示词最重要的一点，是要求 AI 先检测硬件，再决定模型和参数。

为什么不能直接按显存下载？

MiniMax H3 模型规模较大，本地运行不能简单理解成：

8GB 显存用一个版本，12GB 用另一个版本，24GB 就能满血运行。

实际还受到模型精度、CPU Offload、系统内存、分辨率和 ComfyUI 实现方式影响。

因此部署前至少应该先检查：

`1`	`nvidia-smi`

确认显卡和显存，再决定具体方案。

四步 LoRA 加速要注意什么？

目前社区已经出现 MiniMax H3 的四步和其他加速工作流，但这些方案不应直接理解成 H3 官方标准配置。

减少推理步数通常可以提升速度，但也可能影响：

视频细节；
动作稳定性；
提示词遵循度；
整体画质。

更合理的方法是同时保留：

1
2

MiniMax H3 原版工作流
MiniMax H3 四步加速工作流

这样可以自己比较速度与质量。

本地运行是不是只需要电费？

本地运行后，通常不再需要按照每条视频支付 API 或平台生成费用。

但并不是完全没有成本，还包括：

显卡和电脑硬件；
电费；
SSD 存储；
下载流量；
环境维护时间。

所以更准确的说法是：

部署完成后，主要运行成本来自本地硬件和电力，不再按生成次数单独付费。

是否值得部署？

如果本身有 NVIDIA 大显存显卡，而且经常生成 AI 视频，MiniMax H3 值得关注。

如果显存较小，只是偶尔生成视频，那么云端平台可能更省事。

本地部署最大的优势不是“完全免费”，而是可以自己控制模型、工作流和生成次数。

总结

MiniMax H3 开放模型后，可以通过 ComfyUI 搭建自己的本地 AI 视频生成环境。

比较合理的流程是：

检查硬件 → 安装 ComfyUI → 下载 H3 → 配置原版工作流 → 再测试四步加速。

不熟悉环境配置的话，可以直接把上面的提示词交给 Codex 或 Claude Code，让 AI 辅助完成安装和排错。

参考资料

MiniMax H3 官方项目
MiniMax H3 官方 Hugging Face
ComfyUI 官方项目
MiniMax H3 社区 ComfyUI 工作流

AI 视频 on 拾光集