Ejecutar MiniMax H3 localmente: hardware, ComfyUI y una configuración de vídeo de IA autoalojada

Sí, MiniMax H3 puede ejecutarse localmente. Los pesos abiertos de H3-Base pueden generar video y audio estéreo nativo en tu propio hardware, y los entornos de ejecución de la comunidad ya han ejecutado el modelo en GPU de 24 GB, tarjetas de 12 a 16 GB e incluso configuraciones experimentales de 8 GB.

El aspecto importante es que «ejecutar H3 localmente» no significa actualmente reproducir sin conexión todas las funciones de la canalización alojada de MiniMax. H3-Base está disponible para inferencia local, mientras que la capa de orquestación oficial H3-Context-IR y la etapa H3-Regenerate-2K siguen estando alojadas. Para la mayoría de los usuarios domésticos de IA, esto convierte H3 en algo menos parecido a una simple descarga de modelo y más en un problema de infraestructura que implica memoria de GPU, RAM del sistema, almacenamiento de modelos, software de flujo de trabajo y, cada vez más, un NAS o servidor doméstico.

¿MiniMax H3 realmente puede ejecutarse localmente?

Sí. MiniMax lanzó H3 como un modelo de video multimodal de pesos abiertos en agosto de 2026 y proporciona puntos de control de H3-Base que pueden implementarse en hardware local.

El lanzamiento oficial de MiniMax H3 describe el modelo como un sistema multimodal de propósito general capaz de comprender combinaciones de texto, imágenes, video y audio, mientras genera video junto con audio estéreo nativo.

El modelo H3-Base local admite:

• generación de videos de 4 a 15 segundos
• salida a 24 FPS
• audio estéreo de 32 kHz
• texto a video con audio
• condicionamiento del primer y último fotograma
• referencias multimodales de imagen, video y audio
• múltiples relaciones de aspecto, incluidas 16:9, 9:16, 1:1, 4:3 y 21:9

La salida predeterminada de H3-Base usa un borde corto de 768 píxeles. Esa distinción es importante porque la capacidad de «hasta 2K» que se anuncia con frecuencia pertenece al sistema H3 completo, no solo al flujo de trabajo básico completamente local.

¿MiniMax H3 es completamente local o todavía necesita la nube?

Esta es la distinción más importante para cualquiera que esté configurando un sistema H3 privado.

El flujo de trabajo oficial completo de H3 contiene tres partes principales:

MiniMax afirma explícitamente en su repositorio oficial de H3 que H3-Context-IR depende de varios modelos y servicios alojados, y que no forma parte de la versión abierta actual. H3-Regenerate-2K tampoco es de código abierto todavía.

Eso nos deja con dos modelos de implementación muy diferentes.

H3 completamente local

Prompt o material de referencia local → H3-Base → vídeo local de clase 768p + audio estéreo.

Tus archivos de origen, el proceso de generación y el resultado pueden permanecer en tu propia máquina. Este es el mismo principio general que sustenta el procesamiento local de IA: cuantas más etapas permanezcan dentro de tu propia red, más control conservas sobre los datos privados y las dependencias de los servicios.

H3 híbrido

Context-IR alojado → H3-Base implementado localmente → Regenerate-2K alojado.

Esto puede reproducir una mayor parte del flujo de trabajo completo de MiniMax, pero ya no es una canalización completamente offline o privada.

Si el objetivo es una IA local como prioridad, H3-Base es, por tanto, el componente más importante.

¿Qué hardware necesitas para ejecutar MiniMax H3 localmente?

No existe un único requisito de VRAM para MiniMax H3, porque la respuesta cambia drásticamente según la precisión, la cuantización, la poda del modelo, la descarga de tareas, la resolución, el flujo de trabajo y el entorno de ejecución.

El modelo nativo es grande. H3 utiliza un H3-Omni-Transformer denso de 33.000 millones de parámetros, mientras que su codificador utiliza los pesos preentrenados Qwen3-VL-32B. MiniMax señala que aproximadamente 13.000 millones de los parámetros del transformador pertenecen a ramas relacionadas con AdaLN, cuyas salidas pueden precalcularse y almacenarse en caché para la inferencia, pero aun así esto supera con creces la huella de memoria de un modelo de consumo sin cuantizar típico.

Por ello, el ecosistema local se ha centrado considerablemente en la poda y la cuantización.

El índice de integración de H3 mantenido por MiniMax actualmente incluye opciones locales que van desde una configuración DiffSynth NF4 de 8 GB hasta compilaciones cuantizadas de 12–16 GB y configuraciones de ComfyUI de 24 GB.

Eso no significa que una GPU de 8 GB sea una buena máquina para H3.

En el extremo inferior, la falta de VRAM debe compensarse trasladando componentes del modelo entre la memoria de la GPU y la memoria del sistema. Esto cambia la pregunta de «¿Puede cargarse el modelo?» a «¿Cuánto estás dispuesto a esperar por cada generación?»

La VRAM mínima y la VRAM utilizable son dos preguntas distintas. Por eso conviene separar los cuellos de botella de computación, memoria y almacenamiento antes de suponer que una SSD o NAS más rápido puede compensar una memoria insuficiente en la GPU.

¿Puede MiniMax H3 ejecutarse en GPU de 24 GB como la RTX 4090?

Sí, y 24 GB es actualmente uno de los objetivos más interesantes para una configuración doméstica de H3 seria.

Las compilaciones de la comunidad y orientadas a ComfyUI han reducido el modelo de difusión lo suficiente como para que un transformador H3 INT8 podado se sitúe alrededor de los 20 GB, con el codificador de texto cuantizado por separado y los componentes del modelo descargados cuando es necesario.

El detalle importante es que H3 no consta de un único archivo de pesos.

Un flujo de generación completo puede necesitar:

• el transformador de difusión H3
• codificador de texto/visión basado en Qwen3-VL
• VAE de vídeo
• VAE de audio
• LoRAs opcionales o modelos de aceleración
• medios de referencia
• memoria latente temporal y de decodificación

Por tanto, un «modelo de 19 GB» no significa automáticamente que quepa correctamente en una GPU de 24 GB, dejando 5 GB libres.

La gestión de la memoria durante la ejecución es casi tan importante como el tamaño del checkpoint.

¿Puede MiniMax H3 ejecutarse con 16 GB o 12 GB de VRAM?

Sí, pero esto se adentra aún más en el terreno de las cuantizaciones creadas por la comunidad.

El ecosistema actual incluye modelos de difusión GGUF y NVFP4 podados, combinados con codificadores Qwen3-VL altamente cuantizados. Esto puede situar H3 en la categoría de 12-16 GB, pero la memoria del sistema y la transferencia de datos adquieren una importancia cada vez mayor.

Es mejor considerarlo una forma de hacer H3 accesible que como la configuración ideal para un uso frecuente en producción.

Si solo generas clips cortos ocasionalmente, esa compensación puede ser perfectamente aceptable. Si H3 forma parte de un flujo de contenido automatizado que genera docenas de clips, el rendimiento importará mucho más que simplemente conseguir que el modelo quepa en la VRAM.

¿Puede MiniMax H3 ejecutarse realmente con solo 8 GB de VRAM?

Ahora existe una opción de 8 GB, pero esa cifra necesita contexto.

DiffSynth-Studio proporciona una configuración de inferencia NF4 cuyo mínimo de VRAM indicado es de 8 GB. Sin embargo, a ese nivel, la descarga de datos es tan extensa que una gran parte de la carga de trabajo deja de permanecer en la GPU.

Por tanto, en una configuración de 8 GB, la pregunta relevante no es:

«¿H3 se inicia?»

Lo es:

«¿El tiempo de generación resultante es aceptable para lo que quiero hacer?»

Para probar H3, aprender flujos de trabajo o generar algún clip ocasional, un experimento con 8 GB puede ser útil. Para generar vídeos localmente de forma repetida, más VRAM sigue siendo una importante mejora en la calidad de uso.

FL2VA frente a Ref2VA: ¿qué modelo MiniMax H3 deberías usar?

H3-Base se publica en dos variantes orientadas a tareas. Elegir la adecuada puede ahorrar tanto espacio de almacenamiento como complejidad del flujo de trabajo.

H3-Base-FL2VA

FL2VA se centra en la generación basada en texto y fotogramas clave.

Si tu objetivo es la generación convencional de texto a vídeo o de imagen a vídeo, FL2VA suele ser el punto de partida más sencillo.

H3-Base-Ref2VA

Ref2VA está diseñado para un acondicionamiento multimodal de referencias más avanzado.

Según la tarjeta oficial del modelo H3, Ref2VA puede aceptar hasta:

• 9 imágenes
• 3 clips de vídeo
• 3 clips de audio
• 12 archivos de referencia en total

Esto abre flujos de trabajo locales mucho más interesantes: referencia de personaje, transferencia de movimiento, referencia de estilo, referencia de voz, edición de vídeo de origen o combinaciones de varios tipos de medios.

Pero si no necesitas esas referencias, descargar y administrar otro checkpoint grande añade requisitos de almacenamiento sin mejorar necesariamente un flujo de trabajo sencillo de texto a vídeo.

¿Cuál es la forma más sencilla de ejecutar MiniMax H3 localmente?

Para la mayoría de los usuarios individuales, ComfyUI es actualmente el punto de entrada más sencillo.

MiniMax incluye ComfyUI junto con Diffusers, SGLang y vLLM como rutas de implementación compatibles. ComfyUI también lanzó compatibilidad con H3 desde el primer día y ha preparado versiones con menor consumo de memoria dirigidas a GPU de consumo.

El lanzamiento de ComfyUI H3 explica que la poda de los pesos de modulación de H3, la cuantización INT8, los kernels personalizados y la descarga dinámica a la VRAM reducen considerablemente el consumo de memoria en comparación con una implementación de precisión completa.

Una configuración local práctica es la siguiente:

1. Instala o actualiza ComfyUI.
2. Elige un flujo de trabajo de MiniMax H3 de texto a vídeo, de imagen a vídeo o de referencia a vídeo.
3. Descarga el modelo de difusión correspondiente.
4. Descarga el codificador de texto compatible con H3.
5. Añade los VAE de vídeo y audio.
6. Comienza con una generación corta de clase 768p.
7. Supervisa tanto el uso de memoria de la GPU como el de la RAM del sistema.
8. Solo entonces aumenta la duración, la resolución o la complejidad del flujo de trabajo.

Este orden es importante. Depurar H3 mientras usas simultáneamente un clip largo, el máximo de referencias, una resolución alta y extensiones agresivas dificulta determinar si un fallo proviene del modelo, la memoria, los nodos o el propio flujo de trabajo.

ComfyUI frente a Diffusers, SGLang y vLLM-Omni para H3

El mejor tiempo de ejecución depende menos de las puntuaciones de las pruebas comparativas que de cómo se utilizará H3.

Esta distinción adquiere importancia cuando H3 deja de ser un experimento.

Un creador que produce manualmente un vídeo cada vez necesita una arquitectura muy distinta de la de un hogar o estudio donde varios dispositivos envían trabajos de generación a una máquina central con GPU. La misma separación ya aparece en guías prácticas sobre procesamiento y almacenamiento independientes: el NAS no tiene que realizar la inferencia más exigente simplemente porque almacene los datos.

¿Puede MiniMax H3 ejecutarse como una API local de generación de vídeo?

Sí.

Esta es una de las razones por las que H3 resulta interesante más allá de la experimentación en equipos de escritorio. SGLang y vLLM-Omni pueden convertir H3 en un servicio, en lugar de exigir a los usuarios que interactúen directamente con el proceso del modelo.

Por ejemplo, la receta de H3 de vLLM-Omni expone la generación mediante una interfaz /v1/videos al estilo de OpenAI.

Eso permite una arquitectura de IA doméstica diferente:

Portátil / teléfono / automatización ↓ API local de H3 ↓ servidor con GPU ↓ vídeo + audio generados ↓ almacenamiento local 

Una vez que H3 se expone de esta forma, la estación de trabajo con GPU ya no tiene que ser el equipo donde el usuario edita prompts, gestiona proyectos o almacena el contenido multimedia terminado.

El procesamiento y el almacenamiento pueden convertirse en servicios independientes.

¿Cuánto almacenamiento necesita MiniMax H3?

El almacenamiento es uno de los requisitos de H3 que más fácilmente se subestiman.

El repositorio oficial de MiniMax H3 contiene ambas familias de tareas, los pesos del transformador, el codificador basado en Qwen, los VAE, las estructuras de Diffusers y los archivos de soporte. El repositorio completo puede ocupar cientos de gigabytes si se descarga todo.

El índice de integración de MiniMax H3 sitúa actualmente el repositorio original completo en aproximadamente 464 GiB. Cada uno de los pesos de transformador originales FL2VA y Ref2VA ocupa aproximadamente 62 GiB antes de pasar a una precisión menor o a variantes podadas.

No necesitas descargar todo eso para ejecutar H3.

Una configuración doméstica sensata debería separar:

• checkpoint activo
• cuantizaciones alternativas
• variantes FL2VA y Ref2VA
• codificadores de texto
• VAEs
• LoRA
• imágenes y vídeo de referencia
• salida generada
• proyectos archivados

Aquí es donde el vídeo local con IA empieza a parecerse mucho más a una carga de trabajo de almacenamiento que a una aplicación de IA de escritorio tradicional. Una arquitectura más amplia de IA local y almacenamiento de archivos resulta útil cuando los modelos, el contenido multimedia de origen, las salidas y las copias de seguridad necesitan un lugar permanente.

¿Deben almacenarse los modelos de MiniMax H3 en un NAS?

Sí para algunos archivos, pero no necesariamente para todas las partes de la inferencia activa.

Una arquitectura útil consiste en separar el almacenamiento activo del almacenamiento de capacidad.

Conservar en la unidad SSD local del equipo con la GPU

• checkpoint de H3 actualmente activo
• codificador de texto activo
• archivos temporales de generación
• caché
• archivos que se cargan repetidamente durante la inferencia

Conservar en el NAS o en el servidor doméstico

• cuantizaciones alternativas de H3
• versiones anteriores de modelos
• archivos de FL2VA y Ref2VA
• biblioteca de contenido multimedia de referencia
• vídeos terminados
• copias de seguridad de flujos de trabajo de ComfyUI
• recursos del proyecto
• datos de entrenamiento o conjuntos de datos de LoRA

Esta división evita convertir el almacenamiento en red en un cuello de botella innecesario durante cada carga de modelo y, al mismo tiempo, impide que cientos de gigabytes de recursos de IA llenen la estación de trabajo.

Para un laboratorio doméstico al estilo de ZimaSpace, esta es la forma más útil de entender H3: el nodo con la GPU genera, mientras el servidor doméstico organiza y conserva el espacio de trabajo de IA.

¿MiniMax H3 necesita una red de 10GbE?

No para el paso de generación en sí. Una vez cargados el modelo activo y las entradas en el equipo con la GPU, la inferencia de H3 depende abrumadoramente del procesamiento y la memoria locales.

La velocidad de la red se vuelve importante cuando mueves repetidamente checkpoints muy grandes o contenido multimedia de alta tasa de bits entre un NAS y el nodo con la GPU.

Por ejemplo, transferir un modelo de 20–60GB es muy distinto de cargar un documento de 5MB en un flujo de trabajo de LLM local.

Eso significa que el vídeo con IA cambia el valor de una red doméstica más rápida:

• 1GbE sigue siendo suficiente para almacenar proyectos terminados y realizar copias ocasionales de modelos.
• 2.5GbE reduce notablemente las molestias al mover archivos de modelos grandes.
• 10GbE resulta más interesante cuando el NAS funciona como biblioteca central de modelos para varias estaciones de trabajo de IA o cuando los recursos de vídeo sin procesar se mueven constantemente.

La GPU no se vuelve más rápida porque tu NAS tenga 10GbE. Lo que mejora es el flujo de trabajo que la rodea. Si la propia red se convierte en el cuello de botella, la comparación más útil es NAS de 2.5GbE frente a 10GbE, según los tamaños reales de los archivos, el rendimiento del almacenamiento, los clientes, los switches y la frecuencia de las transferencias.

¿MiniMax H3 puede ejecutarse completamente sin conexión?

H3-Base puede utilizarse como parte de un flujo de trabajo sin conexión una vez que todos los pesos, las dependencias y los archivos de referencia necesarios estén disponibles localmente.

Esto incluye texto a video local, generación condicionada por fotogramas clave y flujos de trabajo H3-Base compatibles basados en referencias.

Sin embargo, los servicios oficiales Context-IR y Regenerate-2K están alojados actualmente. Un flujo de trabajo que dependa de esos componentes no está completamente sin conexión.

Esta distinción es especialmente importante para el material de referencia sensible. Si el requisito es que las imágenes, los vídeos, las voces o los activos comerciales inéditos nunca salgan de la red local, crea el flujo de trabajo en torno a H3-Base y al preprocesamiento local, en lugar de asumir que toda la pila oficial de H3 es abierta.

La misma regla se aplica a cualquier flujo de trabajo de IA local completamente sin conexión: ejecutar el modelo principal localmente no basta si la autenticación, el preprocesamiento, el almacenamiento, las API u otras etapas necesarias siguen dependiendo de Internet.

¿Puede MiniMax H3 generar vídeo en 2K localmente?

No mediante la canalización oficial completa de 2K por ahora.

H3-Base produce el resultado base con un borde corto de 768 píxeles. El resultado oficial en 2K de MiniMax utiliza H3-Regenerate-2K, que toma el vídeo base junto con el contexto original y regenera el resultado, en lugar de limitarse a realizar una superresolución convencional.

MiniMax afirma que Regenerate-2K todavía no está incluido en la versión abierta.

Esto no impide aplicar escalado local o flujos de trabajo de la comunidad a un resultado de H3. Simplemente significa que estos enfoques no deben confundirse con la canalización oficial H3-Regenerate-2K de MiniMax.

Para búsquedas como «MiniMax H3 local 2K», esta distinción resulta más útil que una simple respuesta de sí o no:

La generación local con H3 está disponible; la etapa oficial completa de regeneración a 2K todavía no es completamente local.

¿Puede MiniMax H3 ejecutarse en Apple Silicon?

El ecosistema local se está expandiendo más allá de las GPU de NVIDIA.

Un proyecto destacado de la comunidad es h3.c, una implementación de inferencia de H3 nativa de Metal diseñada para Apple Silicon. El ecosistema actual sigue la compatibilidad con texto a vídeo/audio, flujos de trabajo del primer y último fotograma y entradas de referencia ordenadas.

Esto convierte a los Mac con memoria unificada en una plataforma H3 interesante, ya que los sistemas Apple Silicon suficientemente grandes pueden sustituir las limitaciones tradicionales de la VRAM dedicada por un conjunto de memoria compartida más amplio.

Sin embargo, la compatibilidad con Apple Silicon debe considerarse por separado de la ruta de implementación de referencia principal de MiniMax. La madurez del kernel, el rendimiento, la presión de memoria y la paridad de funciones pueden cambiar rápidamente a medida que evolucionan los entornos de ejecución de la comunidad.

¿MiniMax H3 local o H3 en la nube? ¿Qué configuración tiene más sentido?

La respuesta depende de si valoras más la propiedad de la infraestructura o la comodidad.

Para generar vídeos con IA ocasionalmente, la inferencia en la nube puede tener mucho más sentido económico que comprar una GPU grande.

La implementación local resulta más interesante cuando el equipo ya existe, el volumen de generación es alto, los medios de origen son confidenciales, los flujos de trabajo requieren una amplia personalización o H3 es solo uno de varios servicios locales de IA que comparten el mismo hardware.

Por eso también los costes de la IA local frente a la IA en la nube deberían evaluarse en función de la frecuencia de las cargas de trabajo y del hardware que ya se posee, en lugar de limitarse a comparar el precio de una API con el precio de compra de una GPU.

Por qué el vídeo de IA local se está convirtiendo en un problema para los servidores domésticos

La ejecución de modelos de lenguaje locales enseñó a los usuarios a pensar principalmente en la RAM y la VRAM.

Los modelos de vídeo cambian la ecuación.

Una configuración local seria para vídeo acumula:

• decenas o cientos de gigabytes de pesos del modelo
• varias cuantizaciones del mismo modelo
• bibliotecas de imágenes de referencia
• audio de referencia
• metraje original
• LoRA
• archivos de flujo de trabajo
• renderizados temporales
• varias versiones del vídeo final

Como resultado, la pregunta a largo plazo ya no es únicamente:

¿Puede mi GPU ejecutar este modelo?

Cada vez más:

¿Puede mi infraestructura local almacenar, servir, organizar, respaldar y reutilizar repetidamente todo este flujo de trabajo de medios con IA?

Ese es el punto en el que una estación de trabajo local para IA y un servidor doméstico empiezan a complementarse.

Navegador / PC de edición │ ▼ ComfyUI o API local │ ▼ Nodo de procesamiento con GPU │ ├── Modelo H3 activo en NVMe local │ ▼ NAS / Servidor doméstico ├── Archivo de modelos ├── Medios de referencia ├── Flujos de trabajo de ComfyUI ├── Vídeos generados └── Copias de seguridad 

La GPU sigue siendo el costoso motor de procesamiento. El servidor se convierte en el espacio de trabajo persistente para la IA.

Esta también es una forma útil de entender una arquitectura de NAS con IA: el almacenamiento no necesita sustituir a la estación de trabajo con GPU. Su valor consiste en proporcionar una capa estable de datos, modelos, medios, indexación y copias de seguridad en torno a cargas de trabajo de IA que requieren mucho procesamiento.

¿Es MiniMax H3 de código abierto?

MiniMax describe H3 como una versión de código abierto y publica públicamente los pesos y la implementación del modelo H3-Base. Sin embargo, el modelo se distribuye bajo el Acuerdo de Licencia Comunitaria de MiniMax H3, en lugar de una licencia de software permisiva convencional como Apache-2.0 o MIT.

Conviene comprobar esta distinción antes de realizar una implementación comercial, redistribuir el producto o integrar H3 en un producto. Los términos aplicables están disponibles con la versión oficial del modelo.

También es importante no equiparar el checkpoint abierto de H3-Base con toda la pila de servicios de H3: H3-Context-IR y H3-Regenerate-2K siguen fuera de la versión abierta actual.

¿Vale la pena ejecutar MiniMax H3 localmente?

H3 resulta especialmente interesante para la IA local porque no es simplemente otro checkpoint de texto a vídeo. Combina referencias multimodales, generación de vídeo y audio estéreo nativo en un solo sistema, mientras que sus pesos abiertos de H3-Base ofrecen a la comunidad local suficiente acceso para crear nuevos entornos de ejecución, cuantizaciones, flujos de trabajo de ComfyUI, API y optimizaciones específicas para cada hardware.

Pero H3 también muestra hacia dónde se dirige la IA generativa local.

El desafío ya no consiste simplemente en descargar un modelo en un solo PC. Un entorno útil para H3 puede incluir un servidor con GPU, SSD locales rápidos, cientos de gigabytes de almacenamiento para modelos, una biblioteca multimedia, orquestación de flujos de trabajo, acceso remoto y almacenamiento de red persistente.

Para una prueba puntual, ComfyUI y un checkpoint H3 cuantizado pueden ser suficientes.

Para una pila de vídeo de IA autoalojada a largo plazo, la arquitectura más útil consiste en separar la computación, el almacenamiento activo de modelos, el almacenamiento masivo de medios y el acceso a los flujos de trabajo. Esta estructura seguirá siendo útil incluso cuando el próximo modelo de vídeo abierto sustituya a H3 en lo más alto de la clasificación.