H3-Tiny: MiniMax H3を14BにプルーニングしネイティブComfyUIで動作

ComfyUI Wikinews

H3-TinyはMiniMax H3をトレーニングなしで33Bから17Bへ、蒸留ありで14Bへ削減し、標準のH3ノードで読み込める単一ファイルチェックポイントを提供します。

<strong>H3-Tiny</strong>は33BのMiniMax H3 transformerをトレーニングを一切行わずに17Bへ、短いリカバリートレーニングで14Bへと圧縮し、同期された音声も維持します。各チェックポイントは標準のH3ノードで読み込める単一のComfyUIファイルとしても提供され、50ステップ用のものはパッチ不要です。
H3-Tiny 17Bのサンプル

トレーニングなしでプルーニングした17Bチェックポイントによるクリップ。50ステップ、自身が生成した音声付き。ソース: fuyi25/MiniMax-H3-Tiny

収録ファイル

ファイルパラメータ数サイズ (bf16)読み込み先
minimax_h3_tiny_17b_ref2va_bf16.safetensors17.1B34.2 GBMiniMax H3 リファレンスから動画へ
minimax_h3_tiny_17b_fl2va_bf16.safetensors17.1B34.2 GBMiniMax H3 画像から動画へ(最初/最後のフレームまたはテキストのみ)
minimax_h3_tiny_14b_okd_ref2va_bf16.safetensors14.0B28.1 GBMiniMax H3 リファレンスから動画へ
minimax_h3_tiny_17b_fewstep_ref2va_bf16.safetensors17.1B34.2 GBリファレンスから動画へ、加えてH3-Tinyノード(6ステップ)

17B版は50ブロックのうち8個を削除し、ブロックごとのAdaLNテーブルをランク8のマップに折り畳んでいます。オリジナルのパラメータのうち13.0Bがこれらのテーブルに存在していましたが、テーブルはタイムステップを読むだけなので、フィットにデータは不要です。14B版はすべてのフィードフォワード層を14336から9792チャネルに絞り込み、33Bのteacherに対して再フィットしています。

ComfyUIでの実行

  1. チェックポイントを1つ ComfyUI/models/diffusion_models/ に配置します。
  2. テキストエンコーダーとVAEはComfy-Org/MiniMax-H3から取得します。qwen3vl_32b_minimax_h3_*.safetensors を models/text_encoders/ へ、minimax_h3_video_vae_fp16.safetensors と minimax_h3_audio_vae_fp32.safetensors を models/vae/ へ置きます。
  3. 組み込みのH3テンプレートを開き、拡散モデルを読み込むでファイルを選択し、50ステップ、simple スケジューラー、CFGなしのBasicGuiderでサンプリングします。turbo LoRAは追加しないでください。Comfy-Orgのturboアダプターは33Bでトレーニングされたもので、ここでは未検証です。

few-stepファイルは、標準のComfyUIが渡さないtime-stepエンドポイントを必要とします。リポジトリの comfyui/ フォルダーを custom_nodes/ にシンボリックリンクし、H3-Tiny Few-Step Loader 経由で読み込み、H3-Tiny Few-Step Sigmas(デフォルトは6ステップ、4以上で動作)から取得したシグマを、euler を指定した SamplerCustomAdvanced(カスタムサンプラー(高度))へ渡します。

作者は単一ファイル版をComfyUIのコミット afcb984(2026-11-21)で、H200 1台を使い1344×768・243フレームで検証し、出力は自身のdiffusersパイプラインと一致したと報告しています。どちらの形式もbf16のため、28〜34 GBの重みに加えて51 GBのテキストエンコーダーが必要です。VRAMの少ないGPUでは、ComfyUIがRAMからストリーミングすることを想定してください。

同じプロンプトで33Bと17Bを比較

MiniMax H3 33BH3-Tiny 17B
MiniMax H3 33B、50ステップH3-Tiny 17B、トレーニングなし、50ステップ

砂嵐のケースにおける17Bプルーニング済みチェックポイント。音声付き。ソース: プロジェクトページ

ブロックの影響

50ブロックそれぞれが動画と音声のトークンをどれだけ変化させるか。ブロック6〜11、13、15が17B版で削除されたものです。ソース: fuyi25/MiniMax-H3-Tiny

プロジェクトページでは、すべてのクリップをオリジナルの33Bおよび同一ステップ数でのHyperFlow H3 Flashと並べて掲載しているため、品質確認はスコアではなく見比べによって行えます。リカバリー(OKD)とfew-stepのトレーニングコード、および14Bのfew-step重みは依然として公開予定とされており、論文も未公開です。

入手方法

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。

コメントを読み込み中…
H3-Tiny: MiniMax H3を14BにプルーニングしネイティブComfyUIで動作 | ComfyUI Wiki