MiniMax H3 混合模型合并：兼具 FL2VA 画质与 Ref2VA 参考支持
社区合并将 MiniMax H3 FL2VA 的画质与 Ref2VA 的参考条件控制整合于同一模型中，并附带专用的 ComfyUI Hybrid Loader 节点。
MiniMax H3 发布时包含两个架构相同的模型：FL2VA 的视觉和音频质量更高，Ref2VA 则是唯一支持参考驱动生成（图像、视频或音频参考条件控制）的变体，但其原始输出质量明显较差。现在，一个社区项目将两者合并为单一的 MiniMax H3 Hybrid 模型，并配套一个自定义节点，可直接在 ComfyUI 中加载。
官方项目 README 中推荐的 Hybrid Loader 设置
为什么需要合并
对两个官方模型进行逐张量比较后发现，绝大多数权重（注意力 QKV/输出投影、MLP、RMSNorm、补丁投影、旋转位置嵌入和 token 精炼器）在 FL2VA 与 Ref2VA 之间完全一致或极为接近（余弦相似度 ≥ 0.9997）。有意义的差异集中在每个模块的 adaln_proj 权重上：即 AdaLN 调制投影，负责将文本、音频、视频和参考模态信号路由到残差流中。
由于参考条件处理只集中在这些靠后模块的 AdaLN 权重上，而常规视觉/音频保真度存在于共享权重中，因此有针对性的合并比有损折中方案更有前景：以 FL2VA 作为其余部分的基础，并从 Ref2VA 提取 adaln_proj 权重，应用于可配置范围的靠后 Transformer 模块。
可用变体
合并是在张量层面完成的，无需额外训练。所有变体均以 FL2VA 为基础，区别仅在于 50 个 Transformer 模块中有多少个从 Ref2VA 获取其 adaln_proj 权重：
| 文件 | 取自 Ref2VA 的模块 | 取舍 |
|---|---|---|
minimax_h3_hybrid_fl2va_ref2va_b30-49.safetensors | 30–49（最后 20 个） | 最接近 FL2VA：输出质量最高，参考能力有所减弱 |
minimax_h3_hybrid_fl2va_ref2va_b25-49.safetensors | 25–49（最后 25 个） | 推荐的默认均衡方案 |
minimax_h3_hybrid_fl2va_ref2va_b20-49.safetensors | 20–49（最后 30 个） | 更接近 Ref2VA：参考遵循度更好，质量略降 |
minimax_h3_hybrid_fl2va_ref2va_b15-49.safetensors | 15–49（最后 35 个） | 参考能力最强，有一定质量损失 |
每个变体都是独立的完整模型，与来源模型的架构和张量布局完全相同（约 21 GB），加载后即可像普通扩散模型一样使用。
ComfyUI 使用方法
该混合模型无法通过 ComfyUI 自带的 Load Diffusion Model 节点加载，因为没有任何一个内置加载器知道如何合成两个模型。配套的 MiniMax H3 Hybrid Loader（ComfyUI_MinimaxH3HybridLoader）填补了这一空白：
- 将自定义节点安装到
ComfyUI/custom_nodes/目录并重新启动 ComfyUI。它将以MiniMax H3 Hybrid Loader的名称出现在 model/loaders 分类下。 - 将 基础模型 设置为 FL2VA 模型，叠加模型 设置为 Ref2VA 模型。
- 选择一个预设：
ref2va_adaln_over_fl2va（仅从 Ref2VA 获取每个模块的 AdaLN）或block_range_adaln，配合block_range_start/block_range_end实现更精细的控制（模块索引为 0–49）。 - 加载器会将合并后的状态字典交给 ComfyUI 自带的模型加载器处理，因此最终结果与通过
Load Diffusion Model加载的模型无法区分：相同的 patcher、相同的多GPU支持，对应的 int8.comfy_quant文件也会自动一并加载。
该加载器对内存非常友好：两个 safetensors 文件均以 mmap 方式打开，并逐个张量进行合并，因此峰值 RSS 仅维持在一个模型的量级，而非两个。
获取方式
- 权重文件：smhfacct/Minimax-H3-fl2va-ref2va-hybrid-models，托管于 Hugging Face（四种变体，每个约 21 GB）
- ComfyUI 节点：scottmudge/ComfyUI_MinimaxH3HybridLoader，托管于 GitHub，其中
minimax_h3_analysis.md包含完整的逐张量分析 - 两个来源模型均保持原样未修改；合并模型继承 MiniMax H3 的原始许可条款
评论
使用 GitHub 登录后即可参与讨论。