Przewodnik lokalny MiniMax H3 2026: Konfiguracja GGUF + ComfyUI, która działa

Pobrałeś stertę plików GGUF. ComfyUI wciąż pokazuje pustą listę rozwijaną modeli. Potem uruchomienie startuje, pożera twój VRAM i umiera w momencie, gdy powinien pojawić się podgląd.

To jest prawdziwy ból kryjący się za wyszukiwaniami MiniMax H3 Local Operating Guide (GGUF + local + ComfyUI). Krótka odpowiedź: uruchamiaj lokalny MiniMax H3 dopiero po przejściu kontroli licencji, sprzętu i wyboru plików. Najpierw użyj szablonów ComfyUI. Zacznij od testów text-to-video lub image-to-video, a następnie przejdź do przepływów pracy opartych na pierwszej i ostatniej klatce lub referencjach tylko wtedy, gdy potrzebujesz tej dodatkowej kontroli.

Jeśli klip ma znaczenie dla klienta, strony docelowej lub płatnej reklamy, zrób wersję roboczą lokalnie, a finalną wersję dokończ na Atlas Cloud. To oszczędzi ci zamieniania jednego zepsutego węzła w całonocny rytuał sprzętowy.

Najważniejsze wnioski

• Lokalny H3 zaczyna się od szablonów ComfyUI 0.30.0+.
• Przepływy pracy tekst/obraz i przepływy referencyjne używają różnych rodzin punktów kontrolnych.
• GGUF pomaga, ale VRAM wciąż jest ścianą.
• Zacznij od testów 5s, 16:9, stałe ziarno.
• Używaj kończenia w chmurze, gdy sprzęt lub ryzyko terytorialne jest złe.

Prezentacja lokalnego MiniMax H3 GGUF w ComfyUI z przepływem pracy i wynikiem testu dymnego z pandą czerwoną

Prezentacja: lokalna ścieżka MiniMax H3 GGUF jako kompaktowa karta SOP ComfyUI, z testem dymnym z pandą czerwoną po prawej stronie.

Lokalne uruchamianie MiniMax H3: Dlaczego jest gorące i dlaczego pierwsze próby zawodzą

Najpierw werdykt: MiniMax H3 jest ekscytujący, ponieważ łączy w jeden model wideo kontekst tekstu, obrazu, wideo i audio. Większość nieudanych lokalnych uruchomień nie jest tajemnicza. To niedopasowanie plików, stara wersja ComfyUI, błędne założenie dotyczące terytorium lub zbyt mało pamięci.

MiniMax ogłosił H3 31 lipca 2026 roku jako multimodalny model generacyjny z natywnym stereo audio i wyjściem do 15s w 2K w oficjalnym przepływie pracy hostowanym (Blog MiniMax, lipiec 2026). Oficjalna karta Hugging Face wymienia H3-Base jako model 33B parametrów i wyjaśnia podział na koder H3, wizualny VAE i audio VAE.

Pytanie brzmi:

Dlaczego pierwsza lokalna próba wydaje się taka krucha?

Ponieważ lokalny H3 to nie jeden plik. Koordynujesz denoiser, koder tekstu Qwen3-VL, VAE wideo, VAE audio, szablon przepływu pracy, wsparcie węzłów, pamięć GPU, pamięć RAM i miejsce na dysku. Jeden zły folder może wyglądać dokładnie tak, jak zepsuty model.

Mapa awarii lokalnego MiniMax H3 z objawami, przyczynami i poprawkami

Mapa awarii: objaw, prawdopodobna przyczyna i najszybsza poprawka, zanim obwiniasz model.

Przegląd przepływu pracy MiniMax H3 GGUF + ComfyUI

Zapowiedź: ta sekcja daje ci drzewo decyzyjne, zanim dotkniesz 40GB pliku do pobrania.

Dowód: karta GGUF Unsloth oddziela standardową rodzinę punktów kontrolnych tekst/obraz/pierwsza-ostatnia klatka od rodziny punktów kontrolnych wideo referencyjnego, a to rozróżnienie wyjaśnia dużą część awarii lokalnej konfiguracji (Unsloth GGUF, sierpień 2026).

Zaczynajmy.

Lokalne nie jest gorsze. Hostowane nie jest magiczne. Rozwiązują różne momenty w przepływie pracy.

Krok 1: Sprawdzenie licencji i sprzętu MiniMax H3

Krótkie wyjaśnienie: zrób to przed pobraniem czegokolwiek. Oficjalna licencja H3 ma sformułowania dotyczące terytorium, a ścieżka open-weight to nie to samo co ścieżka hostowana/API. Jeśli jesteś w USA, UE, Wielkiej Brytanii lub Korei Południowej, nie traktuj pliku do pobrania jako automatycznej zgody na lokalne wdrożenie. Złóż wniosek o autoryzację lub użyj hostowanej ścieżki z zabezpieczeniami.

Skopiuj ten prompt decyzyjny do swoich notatek:

PlainCopy
1MiniMax H3 local decision:
21. My current country/region allows the H3 open-weight route, or I have written authorization.
32. I have enough disk for the denoiser, Qwen3-VL encoder, video VAE, audio VAE, and cache.
43. I can start at 5s, template default resolution, fixed seed, and low quant tier.
54. I will not promise 2K local output until the draft path works.
65. If any answer is no, I will use a hosted H3 workflow instead of forcing local deployment.

Ustawienia do wyboru:

Lista kontrolna lokalnej licencji i sprzętu MiniMax H3

Krok 1 ukończony: sprawdzenie licencji, VRAM, RAM i miejsca na dysku przed pobraniem plików GGUF.

Krok 2: Konfiguracja szablonu ComfyUI dla MiniMax H3

Krótkie wyjaśnienie: najpierw zaktualizuj ComfyUI, a następnie użyj natywnych szablonów MiniMax H3. Nie buduj grafu z pamięci przy pierwszym uruchomieniu. Biblioteka szablonów > Wideo > MiniMax H3 to bezpieczniejsza droga, ponieważ łączy elementy wideo i audio w oczekiwany sposób.

Skopiuj tę listę kontrolną konfiguracji:

PlainCopy
1ComfyUI MiniMax H3 setup:
2- Update ComfyUI to 0.30.0 or later.
3- Restart ComfyUI after updating.
4- Open Workflow > Browse Templates > Video > MiniMax H3.
5- Start with text-to-video before image-to-video or reference-to-video.
6- If using GGUF, install the GGUF loader nodes required by your chosen model card.

Ustawienia do wyboru:

Karta SOP biblioteki szablonów ComfyUI dla MiniMax H3

Krok 2 ukończony: trasa szablonu dla MiniMax H3 text-to-video, image-to-video i reference-to-video.

Krok 3: Pliki i foldery MiniMax H3 GGUF

Krótkie wyjaśnienie: pobierz odpowiednią rodzinę plików. Zazwyczaj potrzebujesz denoiser H3 GGUF, koder tekstu Qwen3-VL, VAE wideo i VAE audio. Nazwy folderów różnią się w zależności od ładowarki, więc twoja karta modelu wygrywa, gdy koliduje z postem na blogu.

Skopiuj tę mapę plików:

PlainCopy
1MiniMax H3 local files:
2- Text/image/first-last-frame workflows: standard H3 denoiser
3- Reference-to-video / multi-reference workflows: reference H3 denoiser
4- Shared: Qwen3-VL 32B text encoder
5- Shared: H3 video VAE
6- Shared: H3 audio VAE
7- Folder rule: follow the exact GGUF node and model-card instructions you installed

Ustawienia do wyboru:

Mapa plików i folderów MiniMax H3 GGUF

Krok 3 ukończony: cel pliku, docelowy folder i błąd, któremu każdy plik zapobiega.

Krok 4: Test dymny MiniMax H3 GGUF text-to-video

Krótkie wyjaśnienie: uruchom jedno małe zadanie text-to-video, zanim spróbujesz ujęć produktów lub klipów z dużą ilością referencji. Prompt z pandą czerwoną jest przydatny, ponieważ testuje ruch, szczegóły futra, mgłę i atmosferę bez proszenia modelu o jednoczesne rozwiązanie typografii lub tożsamości. Po tym przejściu dodaj jeden klip z instrukcją wysokiej precyzji, aby sprawdzić, czy H3 może utrzymać spójność obiektu, rekwizytu, lokalizacji i sekwencji działań przez dłuższy 15-sekundowy bieg.

Skopiuj ten prompt:

PlainCopy
1A red panda steps carefully along a mossy fallen log in a misty forest at dawn. Soft cinematic light, shallow depth of field, tiny droplets on the fur, gentle head turn toward the camera. Camera: slow side tracking shot, no cuts. Audio: quiet forest ambience, soft paws on wet bark, distant birds, no music.

Ustawienia do wyboru:

Karta ukończonego uruchomienia testu dymnego text-to-video z pandą czerwoną MiniMax H3

Krok 4 ukończony: ustawienia testu dymnego text-to-video i oczekiwane sygnały sukcesu.

GIF testu dymnego z pandą czerwoną MiniMax H3 GGUF

Przypadek 1 efekt ruchu: test dymny z pandą czerwoną pokazany jako niemy GIF. Pełne dostarczenie H3 może zawierać natywne audio stereo, ale to osadzenie jest celowo nieme.

Następna kontrola jest bardziej rygorystyczna. Użyj jej dopiero po działaniu podstawowego testu dymnego, ponieważ celem nie jest już „czy przepływ pracy renderuje?” Celem jest „czy model podąża za wieloczęściową instrukcją?” W tym klipie obserwuj, czy sceneria deszczowego sklepu nocnego pozostaje stabilna, czy postać pozostaje tą samą osobą, czy czerwony napój w puszce pozostaje wizualnie powiązany z późniejszym sześciopakiem i czy zmiana kamery wydaje się jednym ciągłym działaniem, a nie losowym resetem sceny.

Przypadek 1B kontrola precyzji: 15-sekundowa próbka instrukcji wysokiej precyzji do testowania spójności obiektu, ciągłości rekwizytu, szczegółów mokrego nocnego otoczenia i realizacji akcji po ustabilizowaniu lokalnego potoku text-to-video H3.

Krok 5: Lokalny produktowy shot MiniMax H3 image-to-video

Krótkie wyjaśnienie: image-to-video to miejsce, w którym H3 staje się przydatny dla zespołów wzrostu. Zablokuj pierwszą klatkę tanio, a następnie animuj ją. W przypadku pierwszej klatki z czytelnym opakowaniem lub tekstem etykiety, wygeneruj nieruchomy obraz na GPT Image 2 text-to-image lub użyj własnego zdjęcia produktu.

Skopiuj ten prompt pierwszej klatki:

PlainCopy
1A premium translucent perfume bottle standing on dark wet stone, rain droplets on glass, a thin silver label reading "H3 LOCAL TEST", soft studio backlight, realistic product photography, 16:9 composition, room for motion, no extra text.

Skopiuj ten prompt H3 image-to-video:

PlainCopy
1The perfume bottle remains centered while rain beads slide slowly down the glass. A soft rim light sweeps from left to right, mist curls across the wet stone, and the silver label stays readable. Camera: subtle 30 degree orbit, no cuts. Audio: delicate rain on stone, faint glass chime, no dialogue.

Ustawienia do wyboru:

Karta ukończonego przepływu pracy produktowego shotu image-to-video MiniMax H3

Krok 5 ukończony: ustawienia produktowego shotu image-to-video, prompt pierwszej klatki i opcja wykończenia w chmurze.

GIF produktu perfum image-to-video MiniMax H3

Przypadek 2 efekt ruchu: wariant produktowego shotu image-to-video, pokazany jako niemy GIF przepływu pracy.

Krok 6: Pierwsza i ostatnia klatka MiniMax H3 w ComfyUI

Krótkie wyjaśnienie: pierwsza-ostatnia klatka to ukryty przepływ pracy. Jest silniejszy niż czysty tekst, gdy zarówno stan początkowy, jak i końcowy mają znaczenie, na przykład dzień do północy, czysta butelka do zamarzniętej butelki lub pusty sklep do otwartego sklepu.

Skopiuj ten prompt pierwszej klatki:

PlainCopy
1A narrow cyberpunk tea shop storefront in the early evening, wet pavement, teal and amber neon signs, one paper lantern outside, cinematic realistic photo, 16:9, no people, readable sign text "MOON TEA".

Skopiuj ten prompt ostatniej klatki:

PlainCopy
1The same narrow cyberpunk tea shop storefront at midnight after rain, wet pavement reflecting brighter teal and amber neon, the same paper lantern glowing stronger, cinematic realistic photo, 16:9, no people, readable sign text "MOON TEA".

Skopiuj ten prompt H3 pierwszej i ostatniej klatki:

PlainCopy
1Transform the same storefront from early evening into midnight after rain. Preserve the shop geometry and the "MOON TEA" sign. The lantern brightens gradually, puddle reflections deepen, neon flickers once, and a light mist moves through the alley. Camera: locked-off tripod shot, no zoom, no cuts. Audio: soft rain, distant city hum, one quiet neon buzz.

Ustawienia do wyboru:

Karta ukończonego przepływu pracy pierwszej i ostatniej klatki sklepiku MiniMax H3

Krok 6 ukończony: pierwsza klatka, ostatnia klatka, prompt i kontrole sukcesu dla przepływu pracy pierwszej i ostatniej klatki.

GIF pierwszej i ostatniej klatki sklepiku MiniMax H3

Przypadek 3 efekt ruchu: plan przejścia sklepiku pokazany jako niemy GIF przepływu pracy.

Krok 7: Lokalne MiniMax H3 do wykończenia na Atlas Cloud

Krótkie wyjaśnienie: to nie jest kapitulacja. To higiena produkcji. Jeśli lokalny szkic działa, ale finalna wersja wymaga 2K, przewidywalnego dostarczenia lub przyjaznego dla zespołu przepływu pracy w przeglądarce, przenieś tylko zwycięskie prompty do Atlas Cloud.

Skopiuj tę listę kontrolną przekazania:

PlainCopy
1Local to Atlas H3 finish:
21. Keep the final prompt, seed notes, ratio, and duration.
32. For text-to-video, paste the prompt into MiniMax H3 text-to-video.
43. For image-to-video, upload the first frame and paste the motion prompt.
54. For first-and-last-frame transitions, upload first and last frames if the page exposes both controls.
65. For reference-to-video, upload reference images, video, or audio only when continuity is the real need.

Ustawienia do wyboru:

Zakończone uruchomienie image-to-video Atlas Cloud MiniMax H3

Krok 7 ukończony: hostowana trasa wykończenia dla lokalnego szkicu MiniMax H3.

Lokalne warianty MiniMax H3: przepływy pracy tekst, obraz, klatka i referencje

Gdy test dymny przejdzie, nie zmieniaj wszystkiego naraz. Zmieniaj jedną kontrolę na uruchomienie.

Użyj text-to-video do eksploracji atmosfery. Użyj image-to-video, gdy kształt produktu, twarz, opakowanie lub układ muszą przetrwać. Użyj przepływów pracy pierwszej i ostatniej klatki, gdy stany początkowe i końcowe mają znaczenie. Użyj reference-to-video, gdy zadanie dotyczy ciągłości między obrazami, wideo lub referencjami audio.

W rzeczywistości,

To jest cała lokalna wartość: kontrolowane debugowanie. Panda czerwona testuje ruch, butelka perfum testuje czytelność produktu, a sklepik testuje przejście stanu. Te 3 przypadki mówią ci więcej niż 10 losowych ładnych promptów.

Koszt MiniMax H3: lokalny sprzęt vs cena Atlas Cloud

Lokalne nie jest darmowe. Po prostu rozlicza cię w innych jednostkach: amortyzacja GPU, miejsce na SSD, czas pobierania, prąd, konserwacja sterowników i nieudane wieczory.

Atlas Cloud wymienia 3 punkty końcowe wideo MiniMax H3 na models/all od 0,1 $/sek od 24 sierpnia 2026. GPT Image 2 text-to-image jest wymieniony od 0,009 $/zdjęcie, z warstwą deweloperską text-to-image pokazaną od 0,004 $/zdjęcie. Użyj ich jako cen katalogowych, a następnie potwierdź dokładną wycenę w panelu testowym przed uruchomieniem.

Sprawdź to:

Lokalny szkic 5s może być mądry. 15s ślepe lokalne uruchomienie to miejsce, w którym ludzie zaczynają targować się ze swoim GPU, jakby było im winne pieniądze.

Nota prawna MiniMax H3 dla lokalnych użytkowników GGUF

Lokalne użycie MiniMax H3 to kwestia licencji, zanim stanie się kwestią techniczną. Oficjalna karta modelu wskazuje na licencję społecznościową MiniMax H3 i ścieżkę składania wniosków licencyjnych dla USA, UE, Wielkiej Brytanii i Korei Południowej.

Więc tak, odpowiedź na pytanie „MiniMax H3 Local Operating Guide (GGUF + local + ComfyUI)” jest częściowo nudna: zweryfikuj aktualną licencję przed użyciem komercyjnym. Hostowana usługa, dostęp API i lokalne wdrożenie open-weight to różne ścieżki.

To nie jest porada prawna. Przeczytaj aktualną licencję i uzyskaj odpowiednią recenzję dla komercyjnego wdrożenia.

Często zadawane pytania

Czy mogę uruchomić MiniMax H3 lokalnie z GGUF?

Tak, jeśli twoja pozycja licencyjna, sprzęt i konfiguracja plików są zgodne. Zacznij od standardowego denoisera H3 GGUF, współdzielonego kodera tekstu, VAE wideo, VAE audio i krótkiego uruchomienia szablonu text-to-video w ComfyUI.

Który MiniMax H3 GGUF powinienem pobrać dla ComfyUI?

Użyj standardowego denoisera H3 do text-to-video, image-to-video i pierwszej-ostatniej klatki. Użyj referencyjnego denoisera H3 do reference-to-video. Połącz denoiser z koderem tekstu Qwen3-VL i VAE H3 wymaganymi przez wybraną kartę modelu. Jeśli karta modelu nazywa pliki etykietami wewnętrznymi, traktuj te etykiety jako identyfikatory pobierania, a nie nazwy przepływów pracy skierowane do czytelnika.

Jaka jest różnica między pierwszą i ostatnią klatką MiniMax H3 a reference-to-video?

Przepływ pracy pierwszej i ostatniej klatki używa tekstu plus zero, jednej lub dwóch klatek do kontrolowania przejścia. Reference-to-video jest przeznaczone dla bogatszych danych wejściowych referencyjnych, takich jak wiele obrazów, wideo lub referencje audio. To różne trasy punktów kontrolnych, a nie przełącznik, który można beztrosko przerzucić po załadowaniu niewłaściwego pliku.

Ile VRAM potrzebuję dla lokalnego MiniMax H3?

Traktuj 16 GB VRAM jako realistyczny punkt wejścia dla eksperymentów niskiego poziomu. 24 GB+ jest lepsze dla testów w stylu Q4/Q5. 8 do 12 GB może uruchomić tylko wąskie eksperymenty, a szybkość pamięci RAM i NVMe wciąż ma znaczenie.

Czy MiniMax H3 lokalnie generuje również audio?

Rodzina H3 jest zbudowana wokół natywnego wyjścia audio-wideo. To, czy twój lokalny przepływ pracy emituje użyteczne audio, zależy od tego, czy VAE audio i ścieżka przepływu pracy są poprawnie zainstalowane i połączone. Niemy GIF w tym artykule to tylko format publikacji.

Czy lokalne MiniMax H3 jest legalne w USA, UE, Wielkiej Brytanii lub Korei Południowej?

Nie zakładaj tego. Oficjalne materiały licencyjne identyfikują te terytoria jako wymagające szczególnej uwagi lub autoryzacji dla lokalnego użycia open-weight. Zweryfikuj aktualną licencję przed pobraniem, wdrożeniem lub komercyjnym wykorzystaniem wyników.

Podsumowanie

Lokalna praca z MiniMax H3 jest najlepiej traktowana jako kontrolowany test produkcyjny, a nie instalacja jednym kliknięciem. Zacznij od sprawdzenia licencji, pamięci GPU, pamięci RAM systemu, miejsca na dysku i aktualnego wsparcia ComfyUI przed pobraniem dużych plików GGUF.

Praktyczna droga jest prosta: użyj oficjalnego szablonu ComfyUI, wybierz odpowiednią rodzinę modeli dla zadania, uruchom krótki test dymny text-to-video, a następnie przejdź do przepływów pracy image-to-video lub pierwszej i ostatniej klatki dopiero po przejściu podstaw. Utrzymuj każdy test mały, zmieniaj jedną zmienną na raz i użyj wyniku, aby zdecydować, czy finalna wersja powinna pozostać lokalna, czy przenieść się na Atlas Cloud w celu bardziej przewidywalnego wykończenia.