MiniMax H3 in locale: quale quantizzazione, quanta VRAM, quanto tempo di rendering

Scegli la quantizzazione prima di ogni altra cosa

I pesi rilasciati si dividono in due famiglie: fl2va per testo- e immagine-a-video, ref2va per la generazione guidata da riferimento. Entrambe escono come quantizzazioni GGUF, e il file che scegli decide tutto il resto.

I pesi BF16 originali pesano circa 123,6 GB: per questo nessuno li usa in casa. Le quantizzazioni della community portano una configurazione utilizzabile intorno ai 21 GB.

Un avvertimento da ripetere: le build Q8_CR e U16G dipendono dai nodi ComfyUI-GGUF e altrove non si caricano.

Cosa riesce a fare ogni scheda, e in quanto tempo

Sono misure riportate al momento del rilascio, non un benchmark controllato: cambiano con la strategia di offload, la velocità dello storage e la RAM libera. Leggile come ordine di grandezza, non come promessa.

Lo schema sotto però è costante: sotto i 16 GB scambi minuti per riuscire a caricare il modello; sopra i 24 GB si apre prima la tela che l’orologio.

Compra RAM prima di comprare VRAM

È il consiglio che torna in ogni resoconto su configurazioni piccole, ed è abbastanza controintuitivo da meritare una frase netta: quando il modello non entra, ComfyUI trasmette il resto dalla memoria di sistema. Una scheda da 12 GB con 32 GB di RAM finisce; la stessa con 16 GB arranca o blocca la macchina.

Considera 32 GB di RAM di sistema come minimo per una scheda da 12 GB, e 64 GB se sei a 16 GB e vuoi che sia fluido. Un NVMe veloce conta per lo stesso motivo — quello che esce dalla GPU deve rientrare da qualche parte.

Due ottimizzazioni valgono più di tutte le altre

Turbo LoRA è la principale. Porta gli step a 8 per testo- e immagine-a-video e a 4 per riferimento-a-video, e fa risparmiare più tempo di qualsiasi cambio di quantizzazione.

Sage Attention è la seconda, tramite il nodo `Patch Sage Attention KJ` di ComfyUI-KJNodes. Abbassa il picco di VRAM nei livelli di attenzione, ed è ciò che trasforma una scheda che va in OOM in una che finisce.

Tutto il resto è una leva minore. Fai girare prima un flusso semplice, poi aggiungine una alla volta — un’ottimizzazione aggiunta prima di avere un riferimento è indistinguibile da un’installazione rotta.

Le impostazioni da cui partire

Parti dalla tela piccola e cambia una variabile alla volta. Qui sotto ci sono i valori ufficiali; modificarli prima di avere un rendering pulito è il modo in cui sparisce un pomeriggio.

Una cosa che sembra un bug e non lo è: il numero di frame si allinea al `17k+5` di H3, quindi una richiesta di 5 secondi diventa circa 124 frame — 5,17 s a 24 fps.

Quando si rompe, si rompe sempre allo stesso modo

Quasi tutti i fallimenti al primo avvio sono in questo elenco, e nessuno significa che il modello non è adatto alla tua macchina.

Genera in piccolo, ingrandisci quello che tieni

Non è un compromesso da poca VRAM — è il modo in cui H3 è costruito. Il modello base rende alla sua dimensione nativa e una passata separata ingrandisce; MiniMax ha separato i due lavori perché i pixel costano molto meno aggiunti dopo che generati.

La stessa divisione è l’abitudine giusta su qualsiasi hardware. Quasi tutte le riprese si buttano — la quarta, quella con la mano sbagliata — e passarle tutte all’upscale spende la metà costosa della pipeline su materiale che cancellerai. Genera in piccolo, guarda, ingrandisci solo ciò che tieni.

Se il problema è l’hardware

Tutto quanto sopra presuppone una scheda da diverse centinaia di euro occupata per minuti a clip. Se non è la tua situazione, la strada concreta è un servizio ospitato che non fattura a clip — perché il ciclo genera-e-scarta è proprio ciò che rende dolorosa la tariffazione a unità.

HelloGen è la migliore opzione che conosciamo: generazione H3 illimitata con il piano Pro, 0 crediti per clip, con almeno 2 render prioritari al giorno e velocità standard oltre. La stessa abitudine genera-piccolo-poi-ingrandisci, senza la macchina.

Domande frequenti

Continua a leggere