MiniMax H3 语义桥接：11MB 适配器提升 ComfyUI 提示词遵循度

发布的示例工作流展示了语义桥接节点在标准 H3 FL2VA pipeline 中的位置：位于文本 conditioning 之后，sampling 之前。

为何不能直接嫁接权重？

作者首先测试了直观的方法：直接将 SenseNova U1.5 的 Transformer 权重移植到 MiniMax H3。这完全失败了。对比相关 2D 权重，H3 有 264 个 tensor，而 SenseNova 有 593 个，没有精确形状匹配、零转置匹配，也没有匹配的输入或输出 dimensions。

可行的接口实际上是 conditioning representations。H3 在将其投影到内部 5376 维 Transformer 空间之前，会消耗 5120 维的文本 conditioning，而 SenseNova 的语言表示是 4096 维。项目没有复制权重，而是对齐了两种架构如何表示相同的提示词，然后将该映射蒸馏为紧凑的 H3 侧适配器。

研究路径已在仓库中完整记录：hidden-representation alignment 在原始分布的保留提示词上达到了约 0.904 的 validation cosine 相似度，在 160 个严格的 out-of-distribution 提示词上为 0.749。完整的 teacher bridge（在 inference 时运行 SenseNova）可行但不切实际，因此被蒸馏为 student 适配器，直接从 H3 自身的 conditioning 预测 teacher-derived representation。最终 student 模型达到 0.996 teacher-representation cosine 和 0.984 correction cosine，out-of-distribution correction 为 0.990。

适配器在 ComfyUI 中的作用

该适配器不是 LoRA、checkpoint merge 或 parameter graft。在 inference 时，它仅作用于 H3 conditioning：节点将原生 H3 文本 conditioning 转换为学习到的语义表示，进行 magnitude-match，并作为残差混合回去（C = H + alpha * (S - H)），不触碰 diffusion Transformer 权重。Inference 时无需 SenseNova。

节点包 (zip on HF) 提供三个节点：

• MiniMax H3 图像转视频 + 语义桥接：标准 H3 图生视频路径的即插即用包装器
• MiniMax H3 语义桥接：conditioning transform 本身，带有 alpha（默认 0.10，A/B 示例使用 0.15）和 magnitude_match（per-token recommended）控制
• MiniMax H3 清除语义桥接缓存

安装：将 zip 解压到 ComfyUI/custom_nodes/，将 MiniMaxH3_SemanticBridge_v1.safetensors 放入 ComfyUI/models/semantic_bridge/，然后 restart。整个适配器约为 11MB。

目标：提示词遵循度，而非新风格

该项目专注于语义结构而非添加视觉概念：复杂构图、空间关系、解剖结构、物体计数、文本约束、材质与光照，以及反射或 occlusion 行为。旗舰 A/B 示例强调了一个提示词，要求一只手平放在玻璃桌面上，“所有五根手指自然分开且清晰可见”，以及其他许多同时存在的约束。

原生 H3：右手在桌面上漂移	语义桥接 (alpha 0.15)：手保持如提示词所述放置

启用桥接后的玻璃桌 A/B 对后半段 (alpha 0.15)。

作者明确指出这些是来自受控对的定性观察，而非 benchmark：适配器可能对某些提示词有帮助，对其他提示词作用不大，或偶尔使结果变差。Representation-space metrics 不会直接转化为 perceptual quality gains。

范围：仅限 FL2VA，以及 24GB 开发设备

两个实用说明。第一，v1 仅在标准 FL2VA / text-conditioned 路径上有效。测试了兼容 Ref2VA 的变体，但降低了 reference-audio 的 singing 和 lip sync 效果，因此 README 明确警告不要用于 reference-conditioned generation。

第二，整个项目（representation extraction、bridge experiments、distillation、evaluation）在单个 24GB RTX 3090 Ti 上运行，无需 multi-GPU cluster。对于在不兼容 architecture 之间转移 learned behavior 的实验来说，这可以说是发布中最有趣的部分。

可用性

• 适配器、节点、工作流、研究材料：speach1sdef178/MiniMax-H3-Semantic-Bridge 在 Hugging Face
• 许可证：模型衍生产物遵循 MiniMax H3 Community License（包含 NOTICE）；SenseNova U1.5 teacher 为 Apache-2.0 且不重新分发
• 完整研究文章：RESEARCH_ARTICLE.md