【免費下載鏈接】minimax-h3-nvfp4-convrot項目地址https://ai.gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot點擊查看免費下載這是一份面向新手的量化模型選型指南。minimax-h3-nvfp4-convrot為ComfyUI提供面向MiniMax H333B 全模態(tài)生成器輸出 768p / 24fps / 4–15 秒視頻 同步 32kHz 立體聲音頻的一整套NVFP4 / INT4 量化單文件 checkpoint包含 fl2va 與 ref2va 兩大系列、多種量化變體另有 2 個量化配置文件。選型口訣先看 GPU再看用途最后看體積。 先搞清楚這些文件是什么它們是ComfyUI 單文件 checkpoint不是 diffusers 模型下載后直接放進 ComfyUI 的models/diffusion_models目錄即可使用。文件命名遵循統(tǒng)一規(guī)則看懂名字就知道文件身份minimax_h3_fl2va | ref2va_量化變體.safetensors選型第一步按用途選模式fl2va vs ref2va模式含義輸入方式典型場景fl2va首/尾幀模式first/last-frame0 張圖 純文生視頻1–2 張圖 首尾幀條件生成文生視頻、圖生視頻I2V/T2Vref2va全模態(tài)參考模式omni-reference最多 9 張參考圖 3 段視頻 3 段音頻參考素材驅(qū)動生成、角色/風(fēng)格一致性 兩個系列享受完全相同的量化處理純粹按你的工作流二選一。?? 注意INT4 系列僅 fl2va 有ref2va 只有 NVFP4 系列的 3 個文件。選型第二步NVFP4 / INT4 變體對比表NVFP4 系列僅 Blackwell 顯卡可用NVFP4 需要Blackwell架構(gòu) GPUSM ≥ 10.0/12.0即 RTX 50 系列、B100/B200老卡沒有回退方案。注意*_convrot_int8文件同樣受此限制除attn.qkv_proj外其余仍是 NVFP4。變體文件體積狀態(tài)pruned_nvfp4_convrot_int8fl2va / ref2va20 GB?官方推薦已在 ComfyUI 中實測pruned_nvfp4_fp8fl2va20 GB已實測基準(zhǔn)對比變體attn.qkv_proj用 FP8 而非 INT8 ConvRot用于測速對比pruned_nvfp4fl2va / ref2va20 GB已實測同體積下比上面兩者更慢nvfp4未剪枝fl2va / ref2va34 GB未剪枝基礎(chǔ)版僅當(dāng)剪枝版不可用時或非 ComfyUI 環(huán)境下更穩(wěn)妥INT4 系列非 Blackwell 顯卡的逃生通道實驗性質(zhì)基于INT4 W4A4 ConvRot對權(quán)重和激活都做分組 Hadamard 旋轉(zhuǎn)后再 4-bit 量化無需重訓(xùn)練。需要帶comfy-kitchen的TensorCoreConvRotW4A4Layout的 ComfyUI 構(gòu)建。?? 均使用--simpleRTN 舍入量化質(zhì)量未評估——只確認(rèn)能加載并端到端出片。變體文件體積狀態(tài)pruned_int4_convrot_simplefl2va17 GB?? 實驗版體積最小pruned_mixed_int4_int8_convrot_simplefl2va20 GB?? 實驗版48 層升級回 INT8 以找回質(zhì)量int4_convrot_simplefl2va25 GB?? 實驗版未剪枝? 30 秒快速選型你的情況直接選RTX 50 系 / B100 / B200 ComfyUIpruned_nvfp4_convrot_int820 GB? 推薦Blackwell想測 INT8 ConvRot vs FP8 誰更快pruned_nvfp4_fp820 GBBlackwell但不用 ComfyUInvfp4未剪枝版34 GB不依賴 ComfyUI 的形狀檢測RTX 30 / 40 系非 BlackwellINT4 系列17 GB 精簡版或 20 GB mixed 版均為實驗性質(zhì)要做參考素材驅(qū)動視頻最多 9 張參考圖ref2va 系列僅 NVFP4 可選 為什么會有這么多變體三分鐘看懂原理1??pruned_* AdaLN 剪枝34 GB → 20 GB 的來源H3 的 AdaLN 調(diào)制權(quán)重13.1B / 33.1B約 39%只依賴擴散時間步、與內(nèi)容無關(guān)可折疊成一張小查找表adaln_t_table輸出質(zhì)量無損。ComfyUI 會通過adaln_t_table的形狀自動識別剪枝架構(gòu)。剪枝版依賴 ComfyUI 的形狀檢測所以在 ComfyUI 之外使用時未剪枝的nvfp4更安全。2?? INT8 ConvRot推薦版的核心按固定分組對權(quán)重先做 Hadamard 旋轉(zhuǎn)把離群值的能量攤平讓 INT8 的窄量程裝得下——彌補了與 FP8 的差距而 INT8 張量核吞吐普遍高于 FP8所以同體積、更快推理。45 個attn.qkv_proj層直接從原始 BF16 權(quán)重量化避免誤差疊加。3?? INT4 W4A4 ConvRot實驗性激活也做旋轉(zhuǎn)量化實現(xiàn) 4-bit 權(quán)重 4-bit 激活。論文顯示純 W4A4 相比 BF16 有明顯可測劣化所以 mixed 版按論文思路把約 20%48 個層升回 INT8 找回質(zhì)量。量化策略由兩份逐層配置文件驅(qū)動MLP 大頭用 NVFP4、注意力 QKV 與 AdaLN 用 FP8、首 2 層/尾 3 層等敏感層保留BF16minimax_h3_layer_config.json —— NVFP4/FP8 配置minimax_h3_layer_config_int4_convrot.json —— INT4 ConvRot 配置 下載與 ComfyUI 部署步驟克隆倉庫拿到目標(biāo) checkpointgit clone https://gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot從 Comfy-Org/MiniMax-H3 官方重打包倉庫下載配套的文本編碼器Qwen3-VL 32B與 VAE分別放入擴散模型 →models/diffusion_models文本編碼器 →models/text_encodersBlackwell 上建議搭配其nvfp4_awq版本VAE →models/vae使用官方重打包倉庫提供的 I2V / T2V / R2V 工作流模板即可開始生成。?? 2K 分辨率輸出需要單獨的H3-Regenerate-2K模塊不在本倉庫范圍內(nèi)。? 常見問題Q哪個文件質(zhì)量最好A本倉庫沒有做質(zhì)量基準(zhǔn)測試。NVFP4 系列被推薦是因為其格式保守成熟、確認(rèn)可用而不是因為有跑分。Q剪枝版加載失敗怎么辦A剪枝架構(gòu)依賴 ComfyUI 基于張量形狀的檢測請更新到較新版本的 ComfyUI仍失敗則換未剪枝的nvfp434 GB。Q非 Blackwell 顯卡能用嗎A只能用 INT4 系列且它們只確認(rèn)能加載并端到端出圖質(zhì)量未評估——屬于體積最小化的冒險選項也歡迎用來幫忙評估質(zhì)量。Q三個 20 GB 的 pruned NVFP4 文件差在哪A只差attn.qkv_proj的格式INT8 ConvRot推薦最快/ FP8測速對照/ 不替換pruned_nvfp4最慢。 許可說明本倉庫遵循MiniMax H3 Community License隨倉庫附有一份完整協(xié)議見 LICENSE。贊分享【免費下載鏈接】minimax-h3-nvfp4-convrot項目地址https://ai.gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot點擊查看免費下載相關(guān)推薦3個文件怎么挑MiniMax-H3-Acc-LoRAs-ComfyUI中FL2VA、Ref2VA與Baked檢查點對比清單3個文件怎么挑MiniMax H3 Acc LoRAs ComfyUI中FL2VA、Ref2VA與Baked檢查點對比清單 MiniMax H3 Acc Loes-toolkit 兼容層 bindAll 詳解如何把對象的 this 批量綁定到對象自身es toolkit 兼容層 bindAll 詳解如何把對象的 this 批量綁定到對象自身 本文基于 es toolkit 官方兼容層文檔 docs/ja/7檔量化怎么選MiniMax-H3-Pruned-GGUF從Q3_K_M到Q8_0的顯存與畫質(zhì)選型清單7檔量化怎么選MiniMax H3 Pruned GGUF從Q3_K_M到Q8_0的顯存與畫質(zhì)選型清單 MiniMax H3 Pruned GGUF 是 Mi創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 minimax-h3-nvfp4-convrot的11個模型文件怎么選？fl2va/ref2va與NVFP4/INT4量化變體選型清單
【免費下載鏈接】minimax-h3-nvfp4-convrot項目地址https://ai.gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot點擊查看免費下載這是一份面向新手的量化模型選型指南。minimax-h3-nvfp4-convrot為ComfyUI提供面向MiniMax H333B 全模態(tài)生成器輸出 768p / 24fps / 4–15 秒視頻 同步 32kHz 立體聲音頻的一整套NVFP4 / INT4 量化單文件 checkpoint包含 fl2va 與 ref2va 兩大系列、多種量化變體另有 2 個量化配置文件。選型口訣先看 GPU再看用途最后看體積。 先搞清楚這些文件是什么它們是ComfyUI 單文件 checkpoint不是 diffusers 模型下載后直接放進 ComfyUI 的models/diffusion_models目錄即可使用。文件命名遵循統(tǒng)一規(guī)則看懂名字就知道文件身份minimax_h3_fl2va | ref2va_量化變體.safetensors選型第一步按用途選模式fl2va vs ref2va模式含義輸入方式典型場景fl2va首/尾幀模式first/last-frame0 張圖 純文生視頻1–2 張圖 首尾幀條件生成文生視頻、圖生視頻I2V/T2Vref2va全模態(tài)參考模式omni-reference最多 9 張參考圖 3 段視頻 3 段音頻參考素材驅(qū)動生成、角色/風(fēng)格一致性 兩個系列享受完全相同的量化處理純粹按你的工作流二選一。?? 注意INT4 系列僅 fl2va 有ref2va 只有 NVFP4 系列的 3 個文件。選型第二步NVFP4 / INT4 變體對比表NVFP4 系列僅 Blackwell 顯卡可用NVFP4 需要Blackwell架構(gòu) GPUSM ≥ 10.0/12.0即 RTX 50 系列、B100/B200老卡沒有回退方案。注意*_convrot_int8文件同樣受此限制除attn.qkv_proj外其余仍是 NVFP4。變體文件體積狀態(tài)pruned_nvfp4_convrot_int8fl2va / ref2va20 GB?官方推薦已在 ComfyUI 中實測pruned_nvfp4_fp8fl2va20 GB已實測基準(zhǔn)對比變體attn.qkv_proj用 FP8 而非 INT8 ConvRot用于測速對比pruned_nvfp4fl2va / ref2va20 GB已實測同體積下比上面兩者更慢nvfp4未剪枝fl2va / ref2va34 GB未剪枝基礎(chǔ)版僅當(dāng)剪枝版不可用時或非 ComfyUI 環(huán)境下更穩(wěn)妥INT4 系列非 Blackwell 顯卡的逃生通道實驗性質(zhì)基于INT4 W4A4 ConvRot對權(quán)重和激活都做分組 Hadamard 旋轉(zhuǎn)后再 4-bit 量化無需重訓(xùn)練。需要帶comfy-kitchen的TensorCoreConvRotW4A4Layout的 ComfyUI 構(gòu)建。?? 均使用--simpleRTN 舍入量化質(zhì)量未評估——只確認(rèn)能加載并端到端出片。變體文件體積狀態(tài)pruned_int4_convrot_simplefl2va17 GB?? 實驗版體積最小pruned_mixed_int4_int8_convrot_simplefl2va20 GB?? 實驗版48 層升級回 INT8 以找回質(zhì)量int4_convrot_simplefl2va25 GB?? 實驗版未剪枝? 30 秒快速選型你的情況直接選RTX 50 系 / B100 / B200 ComfyUIpruned_nvfp4_convrot_int820 GB? 推薦Blackwell想測 INT8 ConvRot vs FP8 誰更快pruned_nvfp4_fp820 GBBlackwell但不用 ComfyUInvfp4未剪枝版34 GB不依賴 ComfyUI 的形狀檢測RTX 30 / 40 系非 BlackwellINT4 系列17 GB 精簡版或 20 GB mixed 版均為實驗性質(zhì)要做參考素材驅(qū)動視頻最多 9 張參考圖ref2va 系列僅 NVFP4 可選 為什么會有這么多變體三分鐘看懂原理1??pruned_* AdaLN 剪枝34 GB → 20 GB 的來源H3 的 AdaLN 調(diào)制權(quán)重13.1B / 33.1B約 39%只依賴擴散時間步、與內(nèi)容無關(guān)可折疊成一張小查找表adaln_t_table輸出質(zhì)量無損。ComfyUI 會通過adaln_t_table的形狀自動識別剪枝架構(gòu)。剪枝版依賴 ComfyUI 的形狀檢測所以在 ComfyUI 之外使用時未剪枝的nvfp4更安全。2?? INT8 ConvRot推薦版的核心按固定分組對權(quán)重先做 Hadamard 旋轉(zhuǎn)把離群值的能量攤平讓 INT8 的窄量程裝得下——彌補了與 FP8 的差距而 INT8 張量核吞吐普遍高于 FP8所以同體積、更快推理。45 個attn.qkv_proj層直接從原始 BF16 權(quán)重量化避免誤差疊加。3?? INT4 W4A4 ConvRot實驗性激活也做旋轉(zhuǎn)量化實現(xiàn) 4-bit 權(quán)重 4-bit 激活。論文顯示純 W4A4 相比 BF16 有明顯可測劣化所以 mixed 版按論文思路把約 20%48 個層升回 INT8 找回質(zhì)量。量化策略由兩份逐層配置文件驅(qū)動MLP 大頭用 NVFP4、注意力 QKV 與 AdaLN 用 FP8、首 2 層/尾 3 層等敏感層保留BF16minimax_h3_layer_config.json —— NVFP4/FP8 配置minimax_h3_layer_config_int4_convrot.json —— INT4 ConvRot 配置 下載與 ComfyUI 部署步驟克隆倉庫拿到目標(biāo) checkpointgit clone https://gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot從 Comfy-Org/MiniMax-H3 官方重打包倉庫下載配套的文本編碼器Qwen3-VL 32B與 VAE分別放入擴散模型 →models/diffusion_models文本編碼器 →models/text_encodersBlackwell 上建議搭配其nvfp4_awq版本VAE →models/vae使用官方重打包倉庫提供的 I2V / T2V / R2V 工作流模板即可開始生成。?? 2K 分辨率輸出需要單獨的H3-Regenerate-2K模塊不在本倉庫范圍內(nèi)。? 常見問題Q哪個文件質(zhì)量最好A本倉庫沒有做質(zhì)量基準(zhǔn)測試。NVFP4 系列被推薦是因為其格式保守成熟、確認(rèn)可用而不是因為有跑分。Q剪枝版加載失敗怎么辦A剪枝架構(gòu)依賴 ComfyUI 基于張量形狀的檢測請更新到較新版本的 ComfyUI仍失敗則換未剪枝的nvfp434 GB。Q非 Blackwell 顯卡能用嗎A只能用 INT4 系列且它們只確認(rèn)能加載并端到端出圖質(zhì)量未評估——屬于體積最小化的冒險選項也歡迎用來幫忙評估質(zhì)量。Q三個 20 GB 的 pruned NVFP4 文件差在哪A只差attn.qkv_proj的格式INT8 ConvRot推薦最快/ FP8測速對照/ 不替換pruned_nvfp4最慢。 許可說明本倉庫遵循MiniMax H3 Community License隨倉庫附有一份完整協(xié)議見 LICENSE。贊分享【免費下載鏈接】minimax-h3-nvfp4-convrot項目地址https://ai.gitcode.com/hf_mirrors/rockerBOO/minimax-h3-nvfp4-convrot點擊查看免費下載相關(guān)推薦3個文件怎么挑MiniMax-H3-Acc-LoRAs-ComfyUI中FL2VA、Ref2VA與Baked檢查點對比清單3個文件怎么挑MiniMax H3 Acc LoRAs ComfyUI中FL2VA、Ref2VA與Baked檢查點對比清單 MiniMax H3 Acc Loes-toolkit 兼容層 bindAll 詳解如何把對象的 this 批量綁定到對象自身es toolkit 兼容層 bindAll 詳解如何把對象的 this 批量綁定到對象自身 本文基于 es toolkit 官方兼容層文檔 docs/ja/7檔量化怎么選MiniMax-H3-Pruned-GGUF從Q3_K_M到Q8_0的顯存與畫質(zhì)選型清單7檔量化怎么選MiniMax H3 Pruned GGUF從Q3_K_M到Q8_0的顯存與畫質(zhì)選型清單 MiniMax H3 Pruned GGUF 是 Mi創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考