【免费下载链接】minimax-h3-nvfp4-convrot项目地址https://ai.gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot点击查看免费下载这是一份面向新手的量化模型选型指南。minimax-h3-nvfp4-convrot为ComfyUI提供面向MiniMax H333B 全模态生成器输出 768p / 24fps / 4–15 秒视频 同步 32kHz 立体声音频的一整套NVFP4 / INT4 量化单文件 checkpoint包含 fl2va 与 ref2va 两大系列、多种量化变体另有 2 个量化配置文件。选型口诀先看 GPU再看用途最后看体积。 先搞清楚这些文件是什么它们是ComfyUI 单文件 checkpoint不是 diffusers 模型下载后直接放进 ComfyUI 的models/diffusion_models目录即可使用。文件命名遵循统一规则看懂名字就知道文件身份minimax_h3_fl2va | ref2va_量化变体.safetensors选型第一步按用途选模式fl2va vs ref2va模式含义输入方式典型场景fl2va首/尾帧模式first/last-frame0 张图 纯文生视频1–2 张图 首尾帧条件生成文生视频、图生视频I2V/T2Vref2va全模态参考模式omni-reference最多 9 张参考图 3 段视频 3 段音频参考素材驱动生成、角色/风格一致性 两个系列享受完全相同的量化处理纯粹按你的工作流二选一。⚠️ 注意INT4 系列仅 fl2va 有ref2va 只有 NVFP4 系列的 3 个文件。选型第二步NVFP4 / INT4 变体对比表NVFP4 系列仅 Blackwell 显卡可用NVFP4 需要Blackwell架构 GPUSM ≥ 10.0/12.0即 RTX 50 系列、B100/B200老卡没有回退方案。注意*_convrot_int8文件同样受此限制除attn.qkv_proj外其余仍是 NVFP4。变体文件体积状态pruned_nvfp4_convrot_int8fl2va / ref2va20 GB✅官方推荐已在 ComfyUI 中实测pruned_nvfp4_fp8fl2va20 GB已实测基准对比变体attn.qkv_proj用 FP8 而非 INT8 ConvRot用于测速对比pruned_nvfp4fl2va / ref2va20 GB已实测同体积下比上面两者更慢nvfp4未剪枝fl2va / ref2va34 GB未剪枝基础版仅当剪枝版不可用时或非 ComfyUI 环境下更稳妥INT4 系列非 Blackwell 显卡的逃生通道实验性质基于INT4 W4A4 ConvRot对权重和激活都做分组 Hadamard 旋转后再 4-bit 量化无需重训练。需要带comfy-kitchen的TensorCoreConvRotW4A4Layout的 ComfyUI 构建。⚠️ 均使用--simpleRTN 舍入量化质量未评估——只确认能加载并端到端出片。变体文件体积状态pruned_int4_convrot_simplefl2va17 GB⚠️ 实验版体积最小pruned_mixed_int4_int8_convrot_simplefl2va20 GB⚠️ 实验版48 层升级回 INT8 以找回质量int4_convrot_simplefl2va25 GB⚠️ 实验版未剪枝⚡ 30 秒快速选型你的情况直接选RTX 50 系 / B100 / B200 ComfyUIpruned_nvfp4_convrot_int820 GB✅ 推荐Blackwell想测 INT8 ConvRot vs FP8 谁更快pruned_nvfp4_fp820 GBBlackwell但不用 ComfyUInvfp4未剪枝版34 GB不依赖 ComfyUI 的形状检测RTX 30 / 40 系非 BlackwellINT4 系列17 GB 精简版或 20 GB mixed 版均为实验性质要做参考素材驱动视频最多 9 张参考图ref2va 系列仅 NVFP4 可选 为什么会有这么多变体三分钟看懂原理1️⃣pruned_* AdaLN 剪枝34 GB → 20 GB 的来源H3 的 AdaLN 调制权重13.1B / 33.1B约 39%只依赖扩散时间步、与内容无关可折叠成一张小查找表adaln_t_table输出质量无损。ComfyUI 会通过adaln_t_table的形状自动识别剪枝架构。剪枝版依赖 ComfyUI 的形状检测所以在 ComfyUI 之外使用时未剪枝的nvfp4更安全。2️⃣ INT8 ConvRot推荐版的核心按固定分组对权重先做 Hadamard 旋转把离群值的能量摊平让 INT8 的窄量程装得下——弥补了与 FP8 的差距而 INT8 张量核吞吐普遍高于 FP8所以同体积、更快推理。45 个attn.qkv_proj层直接从原始 BF16 权重量化避免误差叠加。3️⃣ INT4 W4A4 ConvRot实验性激活也做旋转量化实现 4-bit 权重 4-bit 激活。论文显示纯 W4A4 相比 BF16 有明显可测劣化所以 mixed 版按论文思路把约 20%48 个层升回 INT8 找回质量。量化策略由两份逐层配置文件驱动MLP 大头用 NVFP4、注意力 QKV 与 AdaLN 用 FP8、首 2 层/尾 3 层等敏感层保留BF16minimax_h3_layer_config.json —— NVFP4/FP8 配置minimax_h3_layer_config_int4_convrot.json —— INT4 ConvRot 配置 下载与 ComfyUI 部署步骤克隆仓库拿到目标 checkpointgit clone https://gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot从 Comfy-Org/MiniMax-H3 官方重打包仓库下载配套的文本编码器Qwen3-VL 32B与 VAE分别放入扩散模型 →models/diffusion_models文本编码器 →models/text_encodersBlackwell 上建议搭配其nvfp4_awq版本VAE →models/vae使用官方重打包仓库提供的 I2V / T2V / R2V 工作流模板即可开始生成。⚠️ 2K 分辨率输出需要单独的H3-Regenerate-2K模块不在本仓库范围内。❓ 常见问题Q哪个文件质量最好A本仓库没有做质量基准测试。NVFP4 系列被推荐是因为其格式保守成熟、确认可用而不是因为有跑分。Q剪枝版加载失败怎么办A剪枝架构依赖 ComfyUI 基于张量形状的检测请更新到较新版本的 ComfyUI仍失败则换未剪枝的nvfp434 GB。Q非 Blackwell 显卡能用吗A只能用 INT4 系列且它们只确认能加载并端到端出图质量未评估——属于体积最小化的冒险选项也欢迎用来帮忙评估质量。Q三个 20 GB 的 pruned NVFP4 文件差在哪A只差attn.qkv_proj的格式INT8 ConvRot推荐最快/ FP8测速对照/ 不替换pruned_nvfp4最慢。 许可说明本仓库遵循MiniMax H3 Community License随仓库附有一份完整协议见 LICENSE。赞分享【免费下载链接】minimax-h3-nvfp4-convrot项目地址https://ai.gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot点击查看免费下载相关推荐3个文件怎么挑MiniMax-H3-Acc-LoRAs-ComfyUI中FL2VA、Ref2VA与Baked检查点对比清单3个文件怎么挑MiniMax H3 Acc LoRAs ComfyUI中FL2VA、Ref2VA与Baked检查点对比清单 MiniMax H3 Acc Loes-toolkit 兼容层 bindAll 详解如何把对象的 this 批量绑定到对象自身es toolkit 兼容层 bindAll 详解如何把对象的 this 批量绑定到对象自身 本文基于 es toolkit 官方兼容层文档 docs/ja/7档量化怎么选MiniMax-H3-Pruned-GGUF从Q3_K_M到Q8_0的显存与画质选型清单7档量化怎么选MiniMax H3 Pruned GGUF从Q3_K_M到Q8_0的显存与画质选型清单 MiniMax H3 Pruned GGUF 是 Mi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考