H3-Tiny: MiniMax H3 podado a 14B para ComfyUI nativo
H3-Tiny reduce MiniMax H3 de 33B a 17B sin entrenamiento y a 14B con destilación, e incluye checkpoints de un solo archivo que cargan en los nodos H3 estándar.
Clips del checkpoint de 17B, podado sin entrenamiento, 50 pasos, con su propio audio generado. Fuente: fuyi25/MiniMax-H3-Tiny
Qué incluye
| Archivo | Parámetros | Tamaño (bf16) | Cárgalo en |
|---|---|---|---|
minimax_h3_tiny_17b_ref2va_bf16.safetensors | 17.1B | 34.2 GB | MiniMax H3 Referencia a Video |
minimax_h3_tiny_17b_fl2va_bf16.safetensors | 17.1B | 34.2 GB | MiniMax H3 Imagen a Video (primer/último frame o solo texto) |
minimax_h3_tiny_14b_okd_ref2va_bf16.safetensors | 14.0B | 28.1 GB | MiniMax H3 Referencia a Video |
minimax_h3_tiny_17b_fewstep_ref2va_bf16.safetensors | 17.1B | 34.2 GB | Referencia a Video, más los nodos H3-Tiny (6 pasos) |
El de 17B elimina 8 de los 50 bloques y pliega las tablas AdaLN por bloque en un mapa de rango 8: 13.0B de los parámetros originales estaban en esas tablas y solo leen el timestep, así que no se necesitan datos para ajustarlas. El de 14B reduce cada capa feed-forward de 14336 a 9792 canales y las reajusta contra el teacher de 33B.
Ejecútalo en ComfyUI
- Coloca un checkpoint en
ComfyUI/models/diffusion_models/. - Toma el text encoder y los VAE de Comfy-Org/MiniMax-H3:
qwen3vl_32b_minimax_h3_*.safetensorsenmodels/text_encoders/, yminimax_h3_video_vae_fp16.safetensorsyminimax_h3_audio_vae_fp32.safetensorsenmodels/vae/. - Abre la plantilla H3 integrada, elige el archivo en Cargar modelo de difusión y muestrea con 50 pasos, scheduler
simple, BasicGuider sin CFG. No añadas el LoRA turbo: los adaptadores turbo de Comfy-Org se entrenaron con el 33B y no están probados aquí.
El archivo de pocos pasos necesita el endpoint de time-step que el ComfyUI estándar no pasa. Crea un enlace simbólico de la carpeta comfyui/ del repositorio en custom_nodes/, luego carga mediante H3-Tiny Few-Step Loader y toma los sigmas de H3-Tiny Few-Step Sigmas (6 pasos por defecto; 4 o más funcionan) hacia Muestreador personalizado (avanzado) con euler.
El autor probó los archivos individuales en el commit afcb984 de ComfyUI (2026-11-21) a 1344×768 y 243 frames en una H200, y reporta que la salida coincide con su pipeline de diffusers. Ambos formatos son bf16, así que son de 28 a 34 GB de pesos más el text encoder de 51 GB: en tarjetas más pequeñas, es de esperar que ComfyUI los transmita desde la RAM.
Mismo prompt, 33B frente a 17B
![]() | ![]() |
|---|---|
| MiniMax H3 33B, 50 pasos | H3-Tiny 17B, sin entrenamiento, 50 pasos |
El checkpoint podado de 17B en el caso de la tormenta de arena, con audio incluido. Fuente: página del proyecto
Cuánto modifica cada uno de los 50 bloques los tokens de vídeo y audio. Los bloques 6–11, 13 y 15 son los que se eliminan en el 17B. Fuente: fuyi25/MiniMax-H3-Tiny
La página del proyecto empareja cada clip con el 33B original y con HyperFlow H3 Flash con el mismo número de pasos, así que las comprobaciones de calidad son una comparación lado a lado en lugar de una puntuación. El código de recuperación (OKD) y de entrenamiento de pocos pasos, además de los pesos de pocos pasos de 14B, siguen marcados como próximos, y el paper no está publicado.
Disponibilidad
- Archivos individuales de ComfyUI: H3-Tiny/MiniMax-H3-Tiny-ComfyUI
- Checkpoints de Diffusers, 17B y 14B: H3-Tiny en Hugging Face
- Código, scripts de poda, conversión: fuyi25/MiniMax-H3-Tiny
- Muestras y método: página del proyecto


Comentarios
Inicia sesión con GitHub para unirte a la conversación.