MiniMax-H3 × Z-Image：H3 ビデオの空間ディテール移植
コミュニティ製の移植が Z-Image の空間アテンションを q_norm 再スケーリングで MiniMax-H3 に移植：セットとテクスチャがより豊かになり、連結シーンでもディテールが平坦なまま、ComfyUI にそのまま使えるチェックポイント。
これは何か
Z-Image（Lumina2、卓越したテクスチャ描画で知られる 6B 画像モデル）と MiniMax-H3 はどちらもアテンションでヘッドごとの Q 正規化を使用します。この移植は H3 後段ブロックの q_norm 重みを再スケーリングし、Z-Image のように微細なテクスチャに注目するようにします。再トレーニングも新たな知識もアーキテクチャ変更もありません。初期ブロックには触れません（移植すると通常テクスチャに格子状のアーティファクトが生じることが計測で判明）。K 正規化とフィードフォワード層も一切変更されません。
これは作者のシリーズで 2 番目の「融合」です。Joy-LTX 2.5 は重み差分移植で JoyAI-Echo の性能を LTX-2.5 に移しました。今回は提供元がまったく異なるアーキテクチャのため、移るのは重みではなくアテンション統計量であり、ブロック単位でゲートされ用量制御され、同一シードのベースラインと照合して検証されています。
見た目
デモ動画です。このページのファイルでレンダリングした 3 ショットの連続テイクです：
連結シーンでの計測では、追加されたディテールは接合部をまたいで平坦なままです。3 回の接合でのハイバンド比は 0.99 に対し、オリジナルは 1.11 で、ショットごとのシャープネス上昇はありません。
ComfyUI での使い方
ファイルを H3 チェックポイントのある場所に置き、ローダーで選択するだけです。MiniMax-H3 Multishot のシームレスチェーンキャンバスを含め、すべての H3 ワークフローがそのまま動きます。ComfyUI 対応ビルド（bf16 / fp8 / int8 / w4a8 / nvfp4）は ComfyUI 0.32+ の標準 Load Diffusion Model ノードで読み込めます。GGUF リポジトリには小型カード向けの curve 焼き込みがあります：
| ファイル | 対象 |
|---|---|
*-curve-zs05-Q8_0.gguf | 32 GB |
*-curve-zs05-Q5_1.gguf | 24-32 GB |
*-curve-zs05-Q4_0.gguf | 16-24 GB |
fl2va vs ref2va：標準 H3 と同じ選び方です。アイデンティティと声を維持したい場合（参照画像、音声アンカリング、アイデンティティバンク）は ref2va、指定フレームに着地させたいショットは fl2va。どちらも連結対応です。RTX 30/40 では、作者によれば GGUF ビルドは Ampere 上の 4 ビット ComfyUI 対応ビルドより 4-8 倍高速です。
検証
作者は、ランタイムパッチ実装との同一シード等価性、全バリアントで顔のアイデンティティが保持されること（顔のテクスチャはオリジナルより向上）、4 ショット連結シーンでスクリプト化したイベントがアーティファクトなく成立すること、全ファイルで焼き込み後の移植計算のテンソルレベル検証を報告しています。
コメント
GitHubでサインインしてディスカッションに参加しましょう。