Kijai 放出 MiniMax-H3 加速 LoRA：381MB 起，12GB 显存两步出片

本地视频生成长期受制于算力，这一局面正在被改写。

MiniMax-H3 开源之后，凭借原生音视频同步、24fps 影视级运动幅度，加上首尾帧控制（FL2VA）与多模态参考（Ref2VA），很快站到了开源视频生成的第一梯队。但它原生推理要跑数十步迭代，显存开销也极大，只配了消费级显卡的本地创作者基本被挡在门外：要么转去租云端算力，要么在本地看着显存被吃满、程序报错。

转机来自 ComfyUI 生态的核心开发者 Kijai。他在 Hugging Face 仓库（Kijai/MiniMax-H3-experimental/loras）放出了一组专为 MiniMax-H3 做的 PDMD 加速 LoRA，几个关键点很直接：

• 模型体积极小：2-Step 只有 381 MB，4-Step 为 559 MB；
• 步数压到极限：从数十步直接降到 2 步或 4 步；
• 消费级显卡解禁：12GB 显存的卡不必再当旁观者，普通个人工作站也能跑高品质本地视频渲染。

这次更新不只是把权重裁小，而是在计算路径与显存占用两头同时下手的模型蒸馏成果：

Kijai / MiniMax-H3-experimental / loras

├── minimax_h3_pdmd_2step_lora_avg_rank_38_bf16.safetensors (381 MB)

└── minimax_h3_pdmd_4step_lora_avg_rank_57_bf16.safetensors (559 MB)

PDMD（Progressive Distillation / Multi-step Diffusion Distillation）采用渐进式轨迹蒸馏算法，把扩散模型在潜空间里的去噪演变路径重新组织了一遍。原先要反复校正 30~50 次的数值积分，被它拟合成 2 次或 4 次高度浓缩的大步长跃迁，推理耗时因此下降了一个数量级。

• 2-Step 版本：走 Rank 38 的轻量路线，文件 381 MB，主要抽取主干网络中运动趋势与全局结构最关键的低秩矩阵；
• 4-Step 版本：Rank 提到 57，体积 559 MB，在把推理周期大幅压缩的同时，保留了更完整的高频几何边缘与纹理细节。

两个版本都用原生 BF16 格式，保证运算中的动态数值范围，避免低步数下出现明显画面溢出或噪点坍塌。

再配合 Kijai 仓库里的套件组合，比如 W4A8/W6A8 量化主干、INT8 ConvRot 视频 VAE、Qwen3-VL 文本编码器量化版，MiniMax-H3 的显存门槛被整体拉低。以下是目前主流消费级显卡的实测配置梯队与运行策略。

12GB 显存档

代表显卡：RTX 5070 12GB、RTX 4070 / 4070 Super / 4070 Ti 12GB、RTX 3060 12GB、RTX 3080 12GB

运行策略：

• 主干组合：W4A8 Mixed 剪枝主模型 + INT8 ConvRot 轻量 VAE；
• 文本编码器：选 NVFP4 / AWQ 量化版本；
• 输出规格：初始分辨率建议 960×544（5 秒视频预览），进阶再测 1344×768（768p）；
• 实际表现：有 2-Step / 4-Step LoRA 加持，12GB 显存全程不溢出，单段 5 秒视频的生成时间从数分钟级压到几十秒内，RTX 3060 12GB 这类老卡用户也能顺畅跑。

16GB 显存档

代表显卡：RTX 4070 Ti Super 16GB、RTX 4080 / 4080 Super 16GB、RTX 5080 16GB、RTX 4060 Ti 16GB

• 主干组合：可以选精度更高的 W6A8 或 FP8 主干模型，搭配 4-Step LoRA；
• 输出规格：768p 原生点对点画质输出可以稳定承载，显存更富余时还能开启多图参考（Ref2VA）通道；
• 实际表现：吞吐很快，在新架构显卡（如 5080/4080）上，4 步推理几乎瞬时完成。

24GB 及以上档

代表显卡：RTX 3090 / RTX 3090 Ti / RTX 4090 / RTX 5090

• 主干组合：不必做激进的模型切片，可尝试载入接近原生精度的 Transformer，再配 2-step 或 4-step LoRA，把单帧出片速度压到极限；
• 输出规格：满血 15 秒长镜头渲染或连续批量抽卡都支持，生成耗时缩到极短周期。

8~10GB 显存档

代表显卡：RTX 4060 8GB、RTX 3070 / 3070 Ti 8GB、RTX 3080 10GB

• 主干组合：必须打开 ComfyUI 的 CPU/GPU 极端内存切片调度（Offload），同时搭配极限量化 GGUF / W4A8 与低分辨率模式；
• 体验建议：虽然有系统内存交换的开销，但在 2 步去噪的加持下，推理总时间仍在可接受范围内。

部署步骤

先把 ComfyUI 更新到最新版（建议 0.31.0 以上，以保证对 W4A8 与 INT8 ConvRot 的算子支持完整）：

• LoRA 路径：在 ComfyUI/models/loras/ 放入
• Diffusion Model 路径：在 ComfyUI/models/diffusion_models/ 放入对应主干模型（如 minimax_h3_fl2va_pruned_w4a8_mixed.safetensors）
• Text Encoder 路径：在 ComfyUI/models/text_encoders/ 放入量化版文本编码器（如 qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors）
• VAE 路径：在 ComfyUI/models/vae/ 放入 minimax_h3_video_vae_int8_convrot.safetensors

节点连接：

• 加载主干模型：用 UNETLoader（或专用 H3 Loader）载入量化主模型；
• 挂载加速 LoRA：后接 LoraLoaderModelOnly 节点，载入对应 PDMD LoRA，强度建议 0.8 ~ 1.0；
• 采样器连接：把处理后的 Model 输出接到 KSampler 或 H3 专用采样通道。

参数要点

• Steps（步数）：不能随意设。挂 2-step LoRA 时步数必须是 2；挂 4-step LoRA 时必须设成 4；
• CFG（引导尺度）：一定要压低。蒸馏模型对高 CFG 极为敏感，建议 1.0 ~ 1.5，超过 2.0 容易出现画面过曝或纹理烧焦；
• Sampler / Scheduler 搭配：推荐官方兼容的 res_multistep 采样器加 simple 调度策略；
• 分辨率梯度渐进：第一次测试先用 544p 把链路跑通，确认不报错再升到 768p 生成正片。

两个版本怎么选

对应到实际工作流，可以分成两条：

• 极速验证流：用 2-step 配 544p 分辨率，10 秒内快速过审镜头概念；
• 终选交付流：锁定满意的种子（Seed）与动作后，切到 4-step、768p 生成成片，必要时串联轻度放大工作流，兼顾效率与画质。

从过去动辄要数十 GB 显存的集群算力，到现在 300MB+ 级别的 LoRA 让消费级显卡两步成片，开源社区又一次说明了工程优化与算法蒸馏的分量。技术壁垒被开发者不断踩平，算力焦虑也在一次次代码提交中被化解。显卡已经就绪，打开 ComfyUI，就可以开始做自己的第一支极速 AI 镜头。

欢迎在评论区分享 Kijai 这个版本的测试体验。