MiniMax H3 lokal ausführen: Hardware, ComfyUI und ein selbst gehostetes KI-Videostudio setup

Ja, MiniMax H3 lässt sich lokal ausführen. Mit den offenen H3-Base-Gewichten lassen sich Videos und natives Stereo-Audio auf der eigenen Hardware generieren. Community-Runtimes haben das Modell bereits auf GPUs mit 24 GB, Grafikkarten mit 12–16 GB und sogar in experimentellen Konfigurationen mit 8 GB zum Laufen gebracht.

Der wichtige Haken: „H3 lokal ausführen“ bedeutet derzeit nicht, dass sich sämtliche Funktionen der gehosteten Pipeline von MiniMax offline nachbilden lassen. H3-Base kann lokal für Inferenz verwendet werden, während die Orchestrierungsebene H3-Context-IR und die Stufe H3-Regenerate-2K weiterhin gehostet werden. Für die meisten privaten KI-Anwender ist H3 daher weniger ein einfach herunterzuladendes Modell als vielmehr eine Infrastrukturaufgabe, bei der es um GPU-Speicher, Arbeitsspeicher, Modellspeicher, Workflow-Software und zunehmend auch um ein NAS oder einen Heimserver geht.

Kann MiniMax H3 wirklich lokal ausgeführt werden?

Ja. MiniMax hat H3 im August 2026 als multimodales Videomodell mit offenen Gewichten veröffentlicht und stellt H3-Base-Checkpoints bereit, die auf lokaler Hardware eingesetzt werden können.

Die offizielle Veröffentlichung von MiniMax H3 beschreibt das Modell als multimodales Allzwecksystem, das Kombinationen aus Text, Bildern, Video und Audio verstehen und zugleich Videos mit nativem Stereo-Audio generieren kann.

Das lokale H3-Base-Modell unterstützt:

• Videogenerierung für 4–15 Sekunden
• Ausgabe mit 24 FPS
• 32-kHz-Stereo-Audio
• Text-zu-Video mit Audio
• Steuerung durch erstes und letztes Bild
• multimodale Bild-, Video- und Audioreferenzen
• mehrere Seitenverhältnisse, darunter 16:9, 9:16, 1:1, 4:3 und 21:9

Die standardmäßige Ausgabe von H3-Base hat eine kurze Kante von 768 Pixeln. Dieser Unterschied ist wichtig, denn die oft beworbene „bis zu 2K“-Fähigkeit gehört zum vollständigen H3-System und nicht allein zum einfachen, vollständig lokalen Workflow.

Ist MiniMax H3 vollständig lokal oder ist weiterhin die Cloud erforderlich?

Das ist der wichtigste Unterschied für alle, die ein privates H3-Setup aufbauen.

Der vollständige offizielle H3-Workflow besteht aus drei Hauptkomponenten:

MiniMax erklärt ausdrücklich in seinem offiziellen H3-Repository, dass H3-Context-IR von mehreren gehosteten Modellen und Diensten abhängt und nicht Teil der aktuellen Open-Source-Veröffentlichung ist. H3-Regenerate-2K ist ebenfalls noch nicht als Open Source verfügbar.

Damit haben wir zwei sehr unterschiedliche Bereitstellungsmodelle.

H3 vollständig lokal

Prompt oder lokale Referenzmedien → H3-Base → lokales Video in 768p-Klasse + Stereo-Audio.

Deine Quelldateien, der Generierungsprozess und die Ausgabe können auf deinem eigenen Rechner bleiben. Das ist dasselbe übergeordnete Prinzip wie bei der lokalen KI-Verarbeitung: Je mehr Verarbeitungsschritte in deinem eigenen Netzwerk bleiben, desto mehr Kontrolle behältst du über private Daten und Abhängigkeiten von Diensten.

Hybrides H3

Gehostetes Context-IR → lokal bereitgestelltes H3-Base → gehostetes Regenerate-2K.

Damit lässt sich mehr von MiniMax’ vollständigem Workflow nachbilden, aber die Pipeline ist dann nicht mehr vollständig offline oder privat.

Wenn KI in erster Linie lokal laufen soll, ist H3-Base daher die wichtigste Komponente.

Welche Hardware brauchst du, um MiniMax H3 lokal auszuführen?

Es gibt keine allgemeingültige VRAM-Anforderung für MiniMax H3, denn die Antwort hängt stark von Präzision, Quantisierung, Modellbeschneidung, Auslagerung, Auflösung, Workflow und Laufzeitumgebung ab.

Das native Modell ist groß. H3 verwendet einen dichten H3-Omni-Transformer mit 33 Milliarden Parametern, während sein Encoder auf den vortrainierten Qwen3-VL-32B-Gewichten basiert. MiniMax zufolge gehören rund 13 Milliarden der Transformer-Parameter zu AdaLN-bezogenen Zweigen, deren Ausgaben für die Inferenz vorab berechnet und zwischengespeichert werden können. Dennoch liegt der Speicherbedarf weit über dem eines typischen unquantisierten Consumer-Modells.

Das lokale Ökosystem hat sich daher stark auf Beschneidung und Quantisierung konzentriert.

Derzeit listet der von MiniMax gepflegte H3-Integrationsindex lokale Optionen von einer DiffSynth-NF4-Konfiguration mit 8 GB bis hin zu quantisierten Builds mit 12–16 GB und ComfyUI-Setups mit 24 GB.

Das bedeutet nicht, dass eine 8-GB-GPU eine gute H3-Maschine ist.

Im unteren Bereich muss der fehlende VRAM ausgeglichen werden, indem Modellkomponenten zwischen GPU- und Systemspeicher verschoben werden. Damit ändert sich die Frage von „Lässt sich das Modell laden?“ zu „Wie lange bist du bereit, bei jeder Generierung zu warten?“

Der minimale VRAM-Bedarf und der nutzbare VRAM-Bedarf sind zwei verschiedene Fragen. Deshalb sollte man zuerst die Engpässe bei Rechenleistung, Arbeitsspeicher und Speicherplatz getrennt betrachten, bevor man annimmt, eine schnellere SSD oder ein NAS könne unzureichenden GPU-Speicher ausgleichen.

Läuft MiniMax H3 auf 24-GB-GPUs wie der RTX 4090?

Ja, und 24 GB sind derzeit eine der interessanteren Optionen für ein leistungsfähiges H3-Setup zu Hause.

Community- und ComfyUI-orientierte Builds haben das Diffusionsmodell so weit verkleinert, dass ein beschnittener H3-Transformer in INT8 etwa 20 GB belegen kann. Der Text-Encoder wird separat quantisiert, und die Modellkomponenten werden bei Bedarf ausgelagert.

Das Wichtigste ist: H3 besteht nicht aus einer einzigen Modelldatei.

Ein vollständiger Generierungs-Workflow kann Folgendes benötigen:

• H3-Diffusionstransformator
• Text-/Bild-Encoder auf Basis von Qwen3-VL
• Video-VAE
• Audio-VAE
• optionale LoRAs oder Beschleunigungsmodelle
• Referenzmedien
• temporärer Speicher für Latents und Decodierung

Ein „19-GB-Modell“ passt also nicht automatisch problemlos in eine 24-GB-GPU, nur weil noch 5 GB übrig sind.

Die Speicherverwaltung zur Laufzeit ist fast genauso wichtig wie die Größe des Checkpoints.

Kann MiniMax H3 mit 16 GB oder 12 GB VRAM laufen?

Ja, aber damit bewegt man sich noch weiter im Bereich der von der Community quantisierten Modelle.

Zum aktuellen Ökosystem gehören gekürzte GGUF- und NVFP4-Diffusionsmodelle in Kombination mit stark quantisierten Qwen3-VL-Encodern. So lässt sich H3 in der 12–16-GB-Klasse betreiben, doch Arbeitsspeicher und Datenübertragung werden zunehmend wichtiger.

Das ist eher eine Möglichkeit, H3 zugänglich zu machen, als eine ideale Konfiguration für häufige Produktionsarbeit.

Wenn du nur gelegentlich kurze Clips generierst, ist dieser Kompromiss möglicherweise völlig akzeptabel. Wenn H3 Teil eines automatisierten Content-Workflows ist, der Dutzende Clips generiert, ist der Durchsatz viel wichtiger als die bloße Frage, ob das Modell in den VRAM passt.

Kann MiniMax H3 wirklich mit nur 8 GB VRAM laufen?

Es gibt inzwischen eine Möglichkeit, H3 mit 8 GB auszuführen, aber diese Zahl muss in den richtigen Kontext gesetzt werden.

DiffSynth-Studio bietet eine NF4-Inferenzkonfiguration mit einem angegebenen VRAM-Mindestbedarf von 8 GB. Bei dieser Größe wird jedoch durch umfangreiches Offloading ein großer Teil der Arbeitslast nicht mehr dauerhaft auf der GPU gehalten.

Bei einem Setup mit 8 GB ist daher nicht folgende Frage entscheidend:

„Startet H3?“

Das ist:

„Ist die resultierende Generierungsdauer für meinen Anwendungsfall akzeptabel?“

Zum Testen von H3, zum Erlernen von Workflows oder zum gelegentlichen Generieren eines Clips kann ein Experiment mit 8 GB sinnvoll sein. Für die wiederholte lokale Videogenerierung bleibt mehr VRAM ein deutlicher Komfortgewinn.

FL2VA vs. Ref2VA: Welches MiniMax-H3-Modell solltest du verwenden?

H3-Base ist in zwei aufgabenorientierten Varianten erhältlich. Mit der richtigen Wahl kannst du sowohl Speicherplatz als auch Workflow-Komplexität reduzieren.

H3-Base-FL2VA

FL2VA konzentriert sich auf text- und schlüsselbildgesteuerte Generierung.

Wenn du herkömmliche Text-zu-Video- oder Bild-zu-Video-Generierung möchtest, ist FL2VA meist der einfachere Einstieg.

H3-Base-Ref2VA

Ref2VA ist für die Verarbeitung umfangreicherer multimodaler Referenzen ausgelegt.

Laut der offiziellen H3-Modellkarte kann Ref2VA Folgendes verarbeiten:

• 9 Bilder
• 3 Videoclips
• 3 Audioclips
• Insgesamt 12 Referenzdateien

Dadurch eröffnen sich deutlich spannendere lokale Workflows: Charakterreferenz, Bewegungsübertragung, Stilreferenz, Stimmreferenz, Bearbeitung von Quellvideos oder Kombinationen mehrerer Medientypen.

Wenn du diese Referenzen nicht benötigst, belegt das Herunterladen und Verwalten eines zweiten großen Checkpoints zusätzlichen Speicherplatz, ohne einen einfachen Text-zu-Video-Workflow unbedingt zu verbessern.

Wie kann man MiniMax H3 am einfachsten lokal ausführen?

Für die meisten Einzelanwender ist ComfyUI derzeit der einfachste Einstieg.

MiniMax führt ComfyUI neben Diffusers, SGLang und vLLM als unterstützte Bereitstellungsoption auf. ComfyUI veröffentlichte zudem ab dem ersten Tag Unterstützung für H3 und hat speichersparendere Versionen für Consumer-GPUs bereitgestellt.

Der ComfyUI-H3-Release erläutert, dass das Beschneiden der Modulationsgewichte von H3, INT8-Quantisierung, benutzerdefinierte Kernel und dynamisches Auslagern aus dem VRAM den Speicherbedarf gegenüber einer Bereitstellung mit voller Präzision deutlich senken.

Ein praktisches lokales Setup sieht so aus:

1. ComfyUI installieren oder aktualisieren.
2. Einen MiniMax-H3-Workflow für Text-zu-Video, Bild-zu-Video oder Referenz-zu-Video auswählen.
3. Das passende Diffusionsmodell herunterladen.
4. Den kompatiblen H3-Textencoder herunterladen.
5. Die Video- und Audio-VAEs hinzufügen.
6. Mit einer kurzen Generierung in etwa 768p beginnen.
7. Sowohl den GPU-Speicher als auch die Auslastung des Arbeitsspeichers beobachten.
8. Erst danach Dauer, Auflösung oder Workflow-Komplexität erhöhen.

Diese Reihenfolge ist wichtig. Wenn man H3 gleichzeitig mit einem langen Clip, maximal vielen Referenzen, hoher Auflösung und aggressiven Erweiterungen testet, lässt sich schwer erkennen, ob ein Fehler am Modell, am Speicher, an den Nodes oder am Workflow selbst liegt.

ComfyUI vs. Diffusers vs. SGLang vs. vLLM-Omni für H3

Welche Laufzeitumgebung am besten geeignet ist, hängt weniger von Benchmark-Ergebnissen ab als davon, wie H3 eingesetzt werden soll.

Diese Unterscheidung wird wichtig, sobald H3 über ein Experiment hinausgeht.

Ein Creator, der manuell jeweils ein Video erstellt, benötigt eine ganz andere Architektur als ein Haushalt oder Studio, in dem mehrere Geräte Generierungsaufträge an einen zentralen GPU-Rechner senden. Dieselbe Trennung zeigt sich bereits in praktischen Anleitungen zu getrennter Rechenleistung und Speicherung: Das NAS muss nicht die aufwendigste Inferenz übernehmen, nur weil es die Daten verwaltet.

Kann MiniMax H3 als lokale API zur Videogenerierung laufen?

Ja.

Deshalb ist H3 auch über Desktop-Experimente hinaus interessant. SGLang und vLLM-Omni können H3 als Dienst bereitstellen, sodass Nutzer nicht direkt mit dem Modellprozess interagieren müssen.

Die vLLM-Omni-H3-Anleitung stellt die Generierung beispielsweise über eine OpenAI-ähnliche /v1/videos-Schnittstelle bereit.

So wird eine andere Heim-KI-Architektur möglich:

Laptop / Smartphone / Automatisierung ↓ Lokale H3-API ↓ GPU-Server ↓ Generiertes Video + Audio ↓ Lokaler Speicher 

Wenn H3 auf diese Weise zugänglich gemacht wird, muss die GPU-Workstation nicht mehr der Rechner sein, auf dem Nutzer Prompts bearbeiten, Projekte verwalten oder fertige Medien speichern.

Rechenleistung und Speicher können zu getrennten Diensten werden.

Wie viel Speicherplatz benötigt MiniMax H3?

Der Speicherbedarf ist eine der H3-Anforderungen, die am leichtesten unterschätzt werden.

Das offizielle MiniMax-H3-Repository enthält beide Aufgabenfamilien, Transformer-Gewichte, den Qwen-basierten Encoder, VAEs, Diffusers-Layouts und unterstützende Dateien. Wird alles heruntergeladen, kann das vollständige Repository Hunderte Gigabyte belegen.

Der MiniMax-H3-Integrationsindex gibt die Größe des vollständigen Original-Repositorys mit etwa 464 GiB an. Die ursprünglichen Transformer-Gewichte für FL2VA und Ref2VA sind jeweils etwa 62 GiB groß, bevor auf Varianten mit geringerer Präzision oder beschnittene Varianten gewechselt wird.

Du musst nicht all das herunterladen, um H3 auszuführen.

Ein sinnvoller Aufbau für zu Hause sollte stattdessen Folgendes trennen:

• aktiver Checkpoint
• alternative Quantisierungen
• FL2VA- und Ref2VA-Varianten
• Text-Encoder
• VAEs
• LoRAs
• Referenzbilder und -videos
• generierte Ausgaben
• archivierte Projekte

Hier ähnelt lokale KI-Videogenerierung eher einer Speicherlast als einer herkömmlichen KI-Desktopanwendung. Eine umfassendere Architektur für lokale KI und Dateispeicherung wird sinnvoll, sobald Modelle, Quellmedien, Ausgaben und Sicherungen dauerhaft gespeichert werden müssen.

Sollten MiniMax-H3-Modelle auf einem NAS gespeichert werden?

Für manche Dateien ja, aber nicht unbedingt für alle Komponenten der aktiven Inferenz.

Eine sinnvolle Architektur trennt häufig verwendeten Speicher von Speicher mit hoher Kapazität.

Auf der lokalen SSD der GPU-Maschine speichern

• aktuell aktiver H3-Checkpoint
• aktiver Text-Encoder
• temporäre Generierungsdateien
• Cache
• Dateien, die während der Inferenz wiederholt geladen werden

Auf dem NAS oder Heimserver speichern

• alternative H3-Quantisierungen
• ältere Modellversionen
• FL2VA- und Ref2VA-Archive
• Medienbibliothek mit Referenzmaterial
• fertige Videos
• ComfyUI-Workflow-Sicherungen
• Projektdateien
• Trainingsdaten oder LoRA-Datensätze

Durch diese Aufteilung wird verhindert, dass Netzwerkspeicher bei jedem Modellladen zum unnötigen Engpass wird. Gleichzeitig bleiben Hunderte Gigabyte an KI-Dateien von der Workstation fern.

Für ein Heimlabor im ZimaSpace-Stil ist dies die sinnvollere Betrachtungsweise von H3: Der GPU-Knoten generiert, während der Heimserver den KI-Arbeitsbereich organisiert und speichert.

Benötigt MiniMax H3 ein 10GbE-Netzwerk?

Nicht für den eigentlichen Generierungsschritt. Sobald das aktive Modell und die Eingaben auf die GPU-Maschine geladen sind, ist die H3-Inferenz überwiegend eine lokale Rechen- und Speicherlast.

Die Netzwerkgeschwindigkeit wird wichtig, wenn sehr große Checkpoints oder Medien mit hoher Bitrate wiederholt zwischen einem NAS und dem GPU-Knoten verschoben werden.

Die Übertragung eines 20–60 GB großen Modells unterscheidet sich beispielsweise deutlich davon, ein 5-MB-Dokument in einen lokalen LLM-Workflow zu laden.

Das bedeutet, dass KI-Video den Wert eines schnelleren Heimnetzwerks verändert:

• 1GbE reicht weiterhin aus, um fertige Projekte und gelegentliche Modellkopien zu speichern.
• 2,5GbE erleichtert das Verschieben großer Modelldateien erheblich.
• 10GbE wird interessanter, wenn das NAS als zentrale Modellbibliothek für mehrere KI-Workstations dient oder große Videodateien ständig verschoben werden.

Die GPU wird nicht schneller, nur weil dein NAS 10 GbE hat. Schneller wird der gesamte Workflow. Wenn das Netzwerk selbst zum Engpass wird, ist der Vergleich von 2,5 GbE vs. 10 GbE bei NAS anhand tatsächlicher Dateigrößen, Speicher-Durchsatz, Clients, Switches und Übertragungshäufigkeit hilfreicher.

Kann MiniMax H3 vollständig offline laufen?

H3-Base kann Teil eines Offline-Workflows sein, sobald alle erforderlichen Gewichte, Abhängigkeiten und Referenzdateien lokal verfügbar sind.

Dazu gehören lokale Text-zu-Video-Generierung, keyframe-gesteuerte Generierung und unterstützte H3-Base-Workflows mit Referenzmaterial.

Die offiziellen Context-IR- und Regenerate-2K-Dienste werden derzeit jedoch gehostet. Ein Workflow, der auf diesen Komponenten basiert, ist nicht vollständig offline.

Diese Unterscheidung ist besonders wichtig bei sensiblen Referenzmaterialien. Wenn Bilder, Videos, Stimmen oder unveröffentlichte kommerzielle Inhalte das lokale Netzwerk niemals verlassen dürfen, sollte der Workflow auf H3-Base und lokaler Vorverarbeitung basieren, statt davon auszugehen, dass der gesamte offizielle H3-Stack offen ist.

Dieselbe Regel gilt für jeden vollständig offline betriebenen lokalen KI-Workflow: Das Hauptmodell lokal auszuführen reicht nicht aus, wenn Authentifizierung, Vorverarbeitung, Speicherung, APIs oder andere erforderliche Schritte weiterhin vom Internet abhängen.

Kann MiniMax H3 lokal 2K-Videos generieren?

Derzeit nicht über die vollständige offizielle 2K-Pipeline.

H3-Base erzeugt das Basisergebnis mit einer kurzen Kante von 768 Pixeln. Für das offizielle 2K-Ergebnis von MiniMax wird H3-Regenerate-2K verwendet, das das Basisvideo zusammen mit dem ursprünglichen Kontext übernimmt und das Ergebnis neu generiert, anstatt lediglich herkömmliches Super-Resolution anzuwenden.

MiniMax zufolge ist Regenerate-2K noch nicht in der offenen Veröffentlichung enthalten.

Das hindert Nutzer nicht daran, lokale Upscaling- oder Community-Workflows auf eine H3-Ausgabe anzuwenden. Es bedeutet lediglich, dass diese Ansätze nicht mit MiniMax' offizieller H3-Regenerate-2K-Pipeline verwechselt werden sollten.

Bei Suchanfragen wie „MiniMax H3 local 2K“ ist diese Unterscheidung hilfreicher als eine einfache Ja-oder-Nein-Antwort:

Die lokale H3-Generierung ist verfügbar; die offizielle vollständige 2K-Neuberechnungsphase läuft jedoch noch nicht vollständig lokal.

Kann MiniMax H3 auf Apple Silicon laufen?

Das lokale Ökosystem wächst über NVIDIA-GPUs hinaus.

Ein bemerkenswertes Community-Projekt ist h3.c, eine native Metal-H3-Inferenzimplementierung für Apple Silicon. Das aktuelle Ökosystem bietet Unterstützung für Text-zu-Video/Audio, Workflows mit erstem und letztem Frame sowie geordnete Referenzeingaben.

Dadurch sind Macs mit gemeinsamem Arbeitsspeicher eine interessante H3-Plattform, denn Apple-Silicon-Systeme mit ausreichend großem Speicher können die Einschränkungen herkömmlichen dedizierten VRAMs zugunsten eines größeren gemeinsamen Speicherpools umgehen.

Die Unterstützung für Apple Silicon sollte jedoch weiterhin getrennt von MiniMax' primärem Referenz-Bereitstellungspfad betrachtet werden. Reifegrad der Kernel, Leistung, Speicherbelastung und Funktionsumfang können sich schnell ändern, während sich Community-Runtimes weiterentwickeln.

Lokales MiniMax H3 oder Cloud-H3: Welche Einrichtung ist sinnvoller?

Die Antwort hängt davon ab, ob Ihnen die Kontrolle über die Infrastruktur oder der Komfort wichtiger ist.

Für gelegentliche KI-Videogenerierung kann Cloud-Inferenz deutlich wirtschaftlicher sein als der Kauf einer leistungsstarken GPU.

Eine lokale Bereitstellung wird attraktiver, wenn die Maschine bereits vorhanden ist, das Generierungsvolumen hoch ist, Quellmedien sensibel sind, die Workflows umfangreich angepasst werden müssen oder H3 nur einer von mehreren lokalen KI-Diensten ist, die dieselbe Hardware nutzen.

Deshalb sollten auch die Kosten lokaler und Cloud-KI anhand der Häufigkeit der Workloads und der bereits vorhandenen Hardware bewertet werden, statt einfach einen API-Preis mit dem Kaufpreis einer GPU zu vergleichen.

Warum lokale KI-Videos zunehmend zum Heimserver-Thema werden

Durch lokale Sprachmodelle haben Nutzer gelernt, vor allem an RAM und VRAM zu denken.

Videomodelle verändern die Rechnung.

Bei einem anspruchsvollen lokalen Video-Setup sammeln sich an:

• zig oder Hunderte Gigabyte Modellgewichte
• mehrere Quantisierungen desselben Modells
• Referenzbildbibliotheken
• Referenzaudio
• Ausgangsmaterial
• LoRAs
• Workflow-Dateien
• temporäre Renderings
• mehrere Versionen des fertigen Videos

Daher lautet die langfristige Frage nicht mehr nur:

Kann meine GPU dieses Modell ausführen?

Zunehmend lautet sie:

Kann meine lokale Infrastruktur diese gesamte KI-Medienpipeline speichern, bereitstellen, organisieren, sichern und wiederholt nutzen?

Genau hier ergänzen sich eine lokale KI-Workstation und ein Heimserver.

Browser / Bearbeitungs-PC │ ▼ ComfyUI oder lokale API │ ▼ GPU-Rechenknoten │ ├── Aktives H3-Modell auf lokalem NVMe-Speicher │ ▼ NAS / Heimserver ├── Modellarchiv ├── Referenzmedien ├── ComfyUI-Workflows ├── Generierte Videos └── Backups 

Die GPU bleibt die teure Rechenmaschine. Der Server wird zum dauerhaften KI-Arbeitsbereich.

So lässt sich auch eine AI-NAS-Architektur verstehen: Der Speicher muss die GPU-Workstation nicht ersetzen. Ihr Mehrwert liegt darin, eine stabile Daten-, Modell-, Medien-, Indexierungs- und Backup-Ebene für rechenintensive KI-Workloads bereitzustellen.

Ist MiniMax H3 Open Source?

MiniMax bezeichnet H3 als Open-Source-Veröffentlichung und stellt die Modellgewichte und die Implementierung von H3-Base öffentlich bereit. Das Modell wird jedoch unter der MiniMax H3 Community License Agreement und nicht unter einer herkömmlichen permissiven Softwarelizenz wie Apache-2.0 oder MIT veröffentlicht.

Vor einem kommerziellen Einsatz, einer Weiterverbreitung oder der Integration von H3 in ein Produkt sollte dieser Unterschied geprüft werden. Die geltenden Bedingungen sind zusammen mit der offiziellen Modellveröffentlichung verfügbar.

Wichtig ist außerdem, den offenen H3-Base-Checkpoint nicht mit dem gesamten H3-Dienst-Stack gleichzusetzen: H3-Context-IR und H3-Regenerate-2K sind weiterhin nicht Teil der derzeitigen offenen Veröffentlichung.

Lohnt es sich, MiniMax H3 lokal auszuführen?

H3 ist für lokale KI besonders interessant, weil es nicht einfach nur ein weiterer Text-zu-Video-Checkpoint ist. Es kombiniert multimodale Referenzen, Videogenerierung und natives Stereo-Audio in einem System. Gleichzeitig bieten die offenen H3-Base-Gewichte der lokalen Community genügend Zugriff, um darauf neue Laufzeitumgebungen, Quantisierungen, ComfyUI-Workflows, APIs und hardwarespezifische Optimierungen aufzubauen.

H3 zeigt aber auch, wohin sich die lokale generative KI entwickelt.

Die Herausforderung besteht nicht mehr nur darin, ein Modell auf einen einzelnen PC herunterzuladen. Eine praktische H3-Umgebung kann einen GPU-Server, schnelle lokale SSDs, Hunderte Gigabyte Modellspeicher, eine Medienbibliothek, Workflow-Orchestrierung, Fernzugriff und persistenten Netzwerkspeicher umfassen.

Für einen einmaligen Test reichen ComfyUI und ein quantisierter H3-Checkpoint möglicherweise aus.

Für eine langfristig selbst gehostete KI-Videoplattform ist es sinnvoller, Rechenleistung, aktiven Modellspeicher, Massenspeicher für Medien und Workflow-Zugriff voneinander zu trennen. Diese Struktur bleibt nützlich, auch wenn das nächste offene Videomodell H3 an der Spitze der Rangliste ablöst.

Update vom November 2026: HyperFlow H3 Flash für kürzere lokale Videoaufträge

Video Rebirth hat HyperFlow H3 Flash veröffentlicht, eine Variante von MiniMax H3, die den rund 31B Parameter umfassenden Transformer auf etwa 14B Parameter komprimiert und gemeinsame Video- und Stereo-Audio-Generierung unterstützt. Es bietet 4, 6 oder 8 Sampling-Schritte, wobei sechs die Standardeinstellung ist. Zum Release gehören Code, Einrichtungsanleitungen und ComfyUI-Workflows.

Für ein einzelnes 5,2-Sekunden-Beispiel für die Text-zu-Video-und-Audio-Generierung gibt der Herausgeber 83 Sekunden auf einer RTX 5090 und 152 Sekunden auf einer RTX 4090 in seiner INT8-Konfiguration für ComfyUI an. Dies sind vom Anbieter durchgeführte Messungen für den angegebenen Workflow und die genannten Einstellungen; der Export ist in den angegebenen ComfyUI-Zeiten nicht enthalten. Ein 15-Sekunden-Clip, ein anderer Referenzmodus oder ein anderes Backend können deutlich länger dauern. Videolänge, Auflösung, Audio, Textencoder und Export sollten alle Teil eines fairen Vergleichs sein.

Auswahl	Wann es zu bewerten ist	Was zu messen ist
ComfyUI-INT8-Safetensors	Der Herausgeber stellt einen unterstützten Ablauf sowie Messwerte für RTX-GPUs mit 24 GB und 32 GB bereit.	Maximaler GPU-Speicherbedarf, temporärer Speicherplatz, Workflow-Dauer und Ausgabequalität.
Q4KM GGUF	Die Modellkarte nennt eine quantisierte Transformer-Datei mit 9.1 GB und dokumentiert GGUF-Konfigurationen.	Speicherbedarf der gesamten Pipeline, einschließlich Encoder, VAE und Zwischentensoren.
Längere Clips oder mehrere Referenzeingaben	Verwende für die vorgesehene Eingabe die dokumentierte Aufgabe und den dokumentierten Workflow.	Generierungsdauer, Spitzenspeicherbedarf, Audiosynchronisierung und Konsistenz zwischen Frames.

Dass eine Modelldatei auf den Datenträger passt, bedeutet nicht, dass eine GPU mit 16 GB die gesamte Pipeline ausführen kann. Die Veröffentlichung von Video Rebirth enthält keine Testergebnisse für GPUs mit 16 GB. Beginne mit dem kleinsten dokumentierten Clip, behalte den gesamten Workflow unverändert bei und ändere jeweils nur eine Einstellung.

Der Entwickler bezeichnet HyperFlow als Derivat, und die Modellkarte verweist auf die MiniMax H3 Community License Agreement. Darin sind territoriale Einschränkungen und Nutzungsbeschränkungen aufgeführt. Lies die Lizenz und bestätige, dass dein Standort und deine Nutzung zulässig sind, bevor du die Gewichte herunterlädst oder verwendest.

Häufig gestellte Fragen zur lokalen Ausführung von MiniMax H3

Kann ich MiniMax H3 lokal kostenlos ausführen?

Du kannst die offenen H3-Base-Gewichte auf deiner eigenen kompatiblen Hardware ausführen, ohne eine Gebühr pro Generierung für eine API zu zahlen. Für lokale Inferenz fallen dennoch Kosten für Hardware, Speicherplatz, Strom und Wartung an. Nutzer sollten außerdem die MiniMax H3 Community License für den vorgesehenen Einsatz prüfen.

Wie viel VRAM benötigt MiniMax H3?

Es gibt keine einzelne Anforderung. Die Community-Konfigurationen reichen derzeit von einem NF4-/Offloading-Pfad mit 8 GB über quantisierte Builds mit 12–16 GB bis hin zu praktischeren Workflows für Consumer-GPUs mit 24 GB. Eine native oder weniger stark quantisierte Bereitstellung benötigt deutlich mehr Speicher.

Reichen 24 GB VRAM für MiniMax H3?

Ja. Aktuelle, beschnittene und quantisierte H3-Konfigurationen können auf GPUs mit 24 GB ausgeführt werden, was diese zu einer der realistischsten lokalen H3-Hardwareklassen macht. Die Laufzeitumgebung muss weiterhin den Textencoder, VAEs, temporäre Tensoren und das Auslagern in den Systemspeicher verwalten.

Kann eine RTX 4090 MiniMax H3 ausführen?

Ja. Das lokale H3-Ökosystem umfasst Konfigurationen mit einer einzelnen RTX 4090, die Quantisierung und speichersparende Techniken nutzen. Eine 4090 sollte als quantisierte H3-Plattform betrachtet werden und nicht als Karte, die den vollständigen ursprünglichen BF16-Stack auf einmal in den VRAM laden kann.

Kann MiniMax H3 mit 8 GB VRAM ausgeführt werden?

DiffSynth-Studio bietet einen NF4-Workflow mit einem angegebenen Mindestbedarf von 8 GB VRAM. Er nutzt starkes Offloading, daher ist das Ergebnis eher als Minimalkonfiguration für den Zugriff denn als schnelles Produktionssetup zu verstehen.

Funktioniert MiniMax H3 mit ComfyUI?

Ja. ComfyUI unterstützt H3-Workflows für Text-zu-Video, Bild/Keyframe-zu-Video und referenzbasierte Generierung. Es gibt quantisierte Modelloptionen für den lokalen Einsatz, die den Speicherbedarf senken sollen.

Erzeugt MiniMax H3 Audio lokal?

Ja. H3-Base erzeugt gemeinsam Video und natives Stereo-Audio. Im lokalen Workflow wird ein separates H3-Audio-VAE verwendet, um das generierte Audio-Latent zu decodieren.

Kann MiniMax H3 Referenzvideos und Audio verwenden?

Ja. Das Modell Ref2VA unterstützt Kombinationen aus Bild-, Video- und Audio-Referenzen. Die offizielle Modellspezifikation erlaubt bis zu neun Bilder, drei Videoclips, drei Audioclips und insgesamt zwölf Referenzdateien, vorbehaltlich der Laufzeitbegrenzungen.

Kann MiniMax H3 2K-Videos vollständig offline generieren?

Derzeit nicht mit der vollständigen offiziellen 2K-Pipeline von MiniMax. H3-Base kann lokal ausgeführt werden, die offizielle Stufe H3-Regenerate-2K wird jedoch derzeit gehostet. Lokales Upscaling durch Drittanbieter ist nicht mit H3-Regenerate-2K gleichzusetzen.

Wie viel Speicherplatz sollte ich für MiniMax H3 reservieren?

Ein einzelner optimierter Workflow benötigt möglicherweise nur einen Bruchteil des gesamten Repositories. Wer jedoch mit FL2VA und Ref2VA, mehreren Quantisierungen, Encodern, VAEs, LoRAs und Referenzmedien experimentiert, kann schnell Hunderte Gigabyte belegen. Speichere aktive Checkpoints auf schnellem lokalem Speicher und archiviere seltener verwendete Assets auf einem Speichermedium mit höherer Kapazität.

Kann ich MiniMax-H3-Modelle auf einem NAS speichern?

Ja. Ein NAS eignet sich für Modellarchive, Referenzmedien, Workflows, Ausgaben und Backups. Häufig geladene Checkpoints sollten in der Regel besser auf einem lokalen NVMe-Laufwerk am GPU-Rechner gespeichert und bei Bedarf mit dem NAS synchronisiert oder davon wiederhergestellt werden.

Benötigt MiniMax H3 nach der Installation eine Internetverbindung?

H3-Base kann lokal ausgeführt werden, nachdem die Modelldateien und Softwareabhängigkeiten heruntergeladen wurden. Workflows mit MiniMax’ gehostetem Context-IR oder dem offiziellen Regenerate-2K-Dienst benötigen weiterhin eine Netzwerkverbindung.

Was ist besser für H3, FL2VA oder Ref2VA?

Verwende FL2VA für Text-zu-Video- und Erstes-/Letztes-Bild-Workflows. Verwende Ref2VA, wenn bei der Generierung umfangreichere Bild-, Video- oder Audio-Referenzen benötigt werden. Es gibt wenig Grund, die größere Einrichtung mit mehreren Checkpoints beizubehalten, wenn dein Workflow nur einfache Text- oder Keyframe-Steuerung erfordert.

Kann ich MiniMax H3 mehreren Geräten in meinem Heimnetzwerk bereitstellen?

Ja. Serving-Frameworks wie SGLang und vLLM-Omni können H3 über eine Netzwerk-API bereitstellen, sodass Laptops, Workstations oder automatisierte Anwendungen Aufträge an einen zentralen GPU-Server senden können. Die tatsächliche Parallelität und der Durchsatz hängen vom GPU-Speicher und der Serving-Konfiguration ab.