MiniMax H3 开放权重正式发布，原生 ComfyUI 支持已合并
MiniMax H3 开放权重已上线 Hugging Face，原生 ComfyUI 支持已合并。提供 bf16、INT8、pruned、NVFP4 重打包文件，并随发布附带六个官方工作流模板。
MiniMax 的 H3 全模态视频模型（Hailuo 系列背后的模型）开放权重现已正式发布。权重已上线 Hugging Face，原生 ComfyUI 支持也在同一天落地：pull request Comfy-Org/ComfyUI #15224 于 8 月 3 日合并，新增四个节点和六个官方工作流模板，实现音视频联合生成。
H3 于 7 月 31 日发布（阅读发布报道）。开放权重发布把这个 33.1B 参数的音视频联合扩散 Transformer 带到本地 GPU，并提供多种量化选项。
MiniMax 官方 H3 多模态上下文演示中的示例输入图片
H3 在单个提示中结合参考片段、图片和音轨生成的视频（来源：MiniMax 博客）
系统概览
H3 是一个通用型全模态生成系统，由三个模块组成：
- H3-Context-IR：托管式预处理与编排系统，解析多模态上下文（文本、图像、视频、音频）并转换为结构化中间表示供生成使用。该模块不在开源范围内；MiniMax 以 API 形式提供，并发布提示词写作指南供自行搭建。
- H3-Base：开源的 33.1B 全模态 Transformer，生成带原生立体声音频的 768p 视频。
- H3-Regenerate-2K：以 in-context 方式将 768p 输出重新生成为 2K 分辨率，复用原始多模态上下文。该模块尚未开源；API 可复现完整 2K 流程。
本次开源涵盖 H3-Base 的两个任务专用 checkpoint：FL2VA（文生视频、首帧、尾帧、首尾帧模式）和 Ref2VA（基于参考图像、视频和音频的参考生成）。
输出规格
| 项目 | 规格 |
|---|---|
| 时长 | 4-15 秒 |
| 宽高比 | 21:9、16:9、4:3、1:1、3:4、9:16 |
| 分辨率 | 默认短边 768px；2K 通过 H3-Regenerate-2K |
| 帧率 | 24 FPS |
| 音频 | 32 kHz 立体声，同一轮生成 |
| 语言 | 稳定支持 11 种（ar、zh、en、fr、de、it、ja、ko、pt、ru、es） |
输入模式
FL2VA 接受 0、1 或 2 张图像：无图像为文生视频，一张图像为首帧或尾帧条件，两张图像为首尾帧条件。
Ref2VA 接受最多 9 张参考图像、3 段参考视频（每段 2-15 秒，总时长不超过 15 秒）和 3 段参考音频（每段 2-15 秒，总时长不超过 15 秒，必须与图像或视频一同输入）。混合输入合计最多 12 个文件。
开放权重已上线 Hugging Face
两个仓库现已上线：
- MiniMaxAI/MiniMax-H3（Hugging Face）：官方发布的 Diffusers 格式，包含 FL2VA 与 Ref2VA 变体、完整模型代码和提示词写作指南（基础版 / 参考版），采用 MiniMax H3 社区许可协议。
- Comfy-Org/MiniMax-H3（Hugging Face）：为 ComfyUI 原生节点重打包的文件，可直接放入
models/diffusion_models、models/text_encoders和models/vae。
| 组件 | 文件 |
|---|---|
| 扩散模型 | minimax_h3_fl2va_bf16（61.7 GB）、minimax_h3_fl2va_int8_convrot（31.7 GB）、minimax_h3_fl2va_pruned_int8_convrot（19.5 GB），以及对应的 ref2va_* 变体 |
| 文本编码器 | qwen3vl_32b_minimax_h3_bf16（48.0 GB）、int8_convrot（25.3 GB）、nvfp4_awq（14.6 GB） |
| VAE | minimax_h3_video_vae_fp16（4.9 GB）、minimax_h3_audio_vae_fp32（0.6 GB） |
得益于预计算的 adaLN 曲线表，pruned INT8 checkpoint 比标准 INT8 文件小约 40%，NVFP4 AWQ 文本编码器可在任意 GPU 上运行。
原生 ComfyUI 支持已合并
原生支持已于 8 月 3 日以 Comfy-Org/ComfyUI #15224 合并，集成了单流打包式扩散 Transformer，联合去噪视频与立体声音频 latent，条件控制基于 Qwen3-VL-32B 的隐藏状态并携带逐 token 模态标签。四个新节点负责工作流：EmptyMiniMaxH3LatentAV、MiniMaxH3ImageToVideo、MiniMaxH3ReferenceToVideo 和 MiniMaxH3SigmaShift。
官方文生视频与图生视频工作流可下载使用：
- video_minimax_h3_t2v.json（文生视频）
- video_minimax_h3_i2v.json（图生视频）
- video_minimax_h3_r2v.json（参考转视频）
官方工作流模板
六个官方模板已通过 Comfy-Org/workflow_templates 发布：
| 模板 | 模式 |
|---|---|
| video_minimax_h3_t2v.json | 本地：文生视频 |
| video_minimax_h3_i2v.json | 本地：图生视频 |
| video_minimax_h3_r2v.json | 本地：参考转视频 |
| api_minimax_h3_t2v.json | API：文生视频 |
| api_minimax_h3_r2v.json | API：参考转视频 |
| api_minimax_h3_flf2v.json | API：首/末帧转视频 |
本地开放权重工作流的分步教程已发布在官方文档：MiniMax H3 开源工作流教程。
可用性
- 开放权重： 已上线 Hugging Face（MiniMaxAI/MiniMax-H3），ComfyUI 重打包版见 Comfy-Org/MiniMax-H3。
- ComfyUI： 原生支持已合并于 Comfy-Org/ComfyUI #15224，将 ComfyUI 更新到最新版本即可获得新节点。
- 官方模板： ComfyUI 内置模板库中提供六个工作流。
评论
使用 GitHub 登录后即可参与讨论。