Exécuter MiniMax H3 en local : matériel, ComfyUI et configuration vidéo IA auto-hébergée

Oui, MiniMax H3 peut fonctionner localement. Les poids H3-Base ouverts peuvent générer des vidéos et un audio stéréo natif sur votre propre matériel, et des runtimes communautaires ont déjà permis d'exécuter le modèle sur des GPU de 24 Go, des cartes de 12 à 16 Go et même des configurations expérimentales de 8 Go.

Le point important est que « faire fonctionner H3 localement » ne signifie pas actuellement reproduire hors ligne toutes les fonctionnalités du pipeline hébergé de MiniMax. H3-Base est ouvert à l'inférence locale, tandis que la couche d'orchestration officielle H3-Context-IR et l'étape H3-Regenerate-2K restent hébergées. Pour la plupart des utilisateurs d'IA à domicile, H3 ressemble donc moins à un simple téléchargement de modèle qu'à un problème d'infrastructure impliquant la mémoire GPU, la RAM système, le stockage des modèles, les logiciels de workflow et, de plus en plus, un NAS ou un serveur domestique.

MiniMax H3 peut-il vraiment fonctionner localement ?

Oui. MiniMax a publié H3 en tant que modèle vidéo multimodal à poids ouverts en août 2026 et fournit des checkpoints H3-Base pouvant être déployés sur du matériel local.

La publication officielle de MiniMax H3 décrit le modèle comme un système multimodal généraliste capable de comprendre des combinaisons de texte, d'images, de vidéos et d'audio, tout en générant des vidéos avec un audio stéréo natif.

Le modèle H3-Base local prend en charge :

• génération de vidéos de 4 à 15 secondes
• sortie à 24 i/s
• audio stéréo à 32 kHz
• génération de vidéos à partir de texte avec audio
• conditionnement sur la première et la dernière image
• références multimodales d'images, de vidéos et d'audio
• plusieurs formats d'image, notamment 16:9, 9:16, 1:1, 4:3 et 21:9

La sortie H3-Base par défaut utilise un bord court de 768 pixels. Cette distinction est importante, car la capacité « jusqu'à 2K », souvent mise en avant, appartient au système H3 complet plutôt qu'au seul workflow de base entièrement local.

MiniMax H3 est-il entièrement local ou a-t-il encore besoin du cloud ?

C'est la distinction la plus importante pour quiconque configure une installation H3 privée.

Le workflow H3 officiel complet comprend trois parties principales :

MiniMax indique explicitement dans son dépôt H3 officiel que H3-Context-IR dépend de plusieurs modèles et services hébergés et ne fait pas partie de la version actuellement proposée en open source. H3-Regenerate-2K n'est pas non plus encore disponible en open source.

Cela nous donne deux modèles de déploiement très différents.

H3 entièrement local

Invite ou média de référence local → H3-Base → vidéo locale de classe 768p + audio stéréo.

Vos fichiers source, votre processus de génération et vos résultats peuvent rester sur votre propre machine. Il s’agit du même principe général que celui qui sous-tend le traitement local de l’IA : plus les étapes restent au sein de votre propre réseau, plus vous conservez le contrôle sur les données privées et les dépendances aux services.

H3 hybride

Context-IR hébergé → H3-Base déployé en local → Regenerate-2K hébergé.

Cela peut reproduire une plus grande partie du flux de travail complet de MiniMax, mais il ne s’agit plus d’un pipeline entièrement hors ligne ou privé.

Si l’IA locale prioritaire est l’objectif, H3-Base est donc le composant le plus important.

De quel matériel avez-vous besoin pour exécuter MiniMax H3 en local ?

Il n’existe pas de besoin unique en VRAM pour MiniMax H3, car la réponse varie considérablement selon la précision, la quantification, l’élagage du modèle, le déportage, la résolution, le flux de travail et l’environnement d’exécution.

Le modèle natif est volumineux. H3 utilise un H3-Omni-Transformer dense de 33 milliards de paramètres, tandis que son encodeur utilise les poids préentraînés de Qwen3-VL-32B. MiniMax précise qu’environ 13 milliards des paramètres du transformeur appartiennent à des branches liées à AdaLN, dont les sorties peuvent être précalculées et mises en cache pour l’inférence, mais cela reste bien supérieur à l’empreinte mémoire d’un modèle grand public non quantifié classique.

L’écosystème local s’est donc largement concentré sur l’élagage et la quantification.

L’index d’intégration H3 tenu par MiniMax répertorie actuellement des configurations locales allant d’une configuration DiffSynth NF4 de 8 Go à des versions quantifiées de 12 à 16 Go et à des configurations ComfyUI de 24 Go.

Cela ne signifie pas qu’un GPU de 8 Go soit une bonne machine pour H3.

À l’entrée de gamme, l’absence de VRAM doit être compensée en déplaçant les composants du modèle entre la mémoire du GPU et la mémoire système. Le problème passe alors de « Le modèle peut-il se charger ? » à « Combien de temps êtes-vous prêt à attendre pour chaque génération ? »

La VRAM minimale et la VRAM réellement utilisable sont deux questions différentes. C'est pourquoi il est utile de distinguer les goulots d'étranglement du calcul, de la mémoire et du stockage avant de supposer qu'un SSD ou un NAS plus rapide peut compenser une mémoire GPU insuffisante.

MiniMax H3 peut-il fonctionner sur des GPU de 24 Go comme la RTX 4090 ?

Oui, et 24 Go constituent actuellement l'une des capacités les plus intéressantes pour une configuration H3 domestique sérieuse.

Les versions communautaires et orientées vers ComfyUI ont suffisamment réduit le modèle de diffusion pour qu'un transformeur H3 INT8 élagué puisse occuper environ 20 Go, tandis que l'encodeur de texte est quantifié séparément et que les composants du modèle sont déchargés lorsque cela est nécessaire.

Le point important est que H3 ne se résume pas à un seul fichier de poids.

Un flux de génération complet peut nécessiter :

• le transformeur de diffusion H3
• encodeur texte/vision basé sur Qwen3-VL
• VAE vidéo
• VAE audio
• LoRA ou modèles d'accélération facultatifs
• médias de référence
• mémoire temporaire des latents et du décodage

Ainsi, un « modèle de 19 Go » ne signifie pas automatiquement qu'il tient facilement dans un GPU de 24 Go avec 5 Go restants.

La gestion de la mémoire à l'exécution compte presque autant que la taille du checkpoint.

MiniMax H3 peut-il fonctionner avec 16 ou 12 Go de VRAM ?

Oui, mais cela s'inscrit davantage dans le domaine des modèles quantifiés par la communauté.

L'écosystème actuel comprend des modèles de diffusion GGUF et NVFP4 élagués, associés à des encodeurs Qwen3-VL fortement quantifiés. Cela peut faire passer H3 dans la catégorie des 12 à 16 Go, mais la mémoire système et le transfert de données deviennent de plus en plus importants.

Il vaut mieux considérer cela comme un moyen de rendre H3 accessible que comme la configuration idéale pour une utilisation fréquente en production.

Si vous ne générez que quelques clips courts à l'occasion, ce compromis peut être parfaitement acceptable. Si H3 fait partie d'un flux de production automatisé générant des dizaines de clips, le débit comptera bien davantage que le simple fait de faire tenir le modèle dans la VRAM.

MiniMax H3 peut-il vraiment fonctionner avec seulement 8 Go de VRAM ?

Il existe désormais une solution avec 8 Go, mais ce chiffre doit être replacé dans son contexte.

DiffSynth-Studio fournit une configuration d'inférence NF4 dont le seuil de VRAM annoncé est de 8 Go. À ce niveau, cependant, le déchargement intensif signifie qu'une grande partie de la charge de travail ne reste plus en mémoire sur le GPU.

Pour une configuration de 8 Go, la question pertinente n'est donc pas :

« H3 se lance-t-il ? »

C'est le cas :

« Le temps de génération obtenu est-il acceptable pour ce que je veux faire ? »

Pour tester H3, découvrir les flux de travail ou générer occasionnellement un clip, une expérience avec 8 Go peut être intéressante. Pour générer régulièrement des vidéos en local, disposer de davantage de VRAM améliore considérablement le confort d'utilisation.

FL2VA vs Ref2VA : quel modèle MiniMax H3 devriez-vous utiliser ?

H3-Base est proposé en deux variantes axées sur des tâches spécifiques. Choisir la bonne peut réduire à la fois l'espace de stockage et la complexité du workflow.

H3-Base-FL2VA

FL2VA se concentre sur la génération à partir de texte et d'images clés.

Si votre objectif est la génération classique de texte vers vidéo ou d'image vers vidéo, FL2VA est généralement le meilleur point de départ.

H3-Base-Ref2VA

Ref2VA est conçu pour un conditionnement multimodal plus riche à partir de références.

Selon la fiche officielle du modèle H3, Ref2VA peut accepter jusqu'à :

• 9 images
• 3 clips vidéo
• 3 clips audio
• 12 fichiers de référence au total

Cela ouvre des workflows locaux bien plus intéressants : référence de personnage, transfert de mouvement, référence de style, référence vocale, montage vidéo à partir d'une vidéo source ou combinaisons de plusieurs types de médias.

Mais si vous n'avez pas besoin de ces références, télécharger et gérer un deuxième checkpoint volumineux augmente l'espace de stockage requis sans forcément améliorer un workflow simple de texte vers vidéo.

Quelle est la manière la plus simple d'exécuter MiniMax H3 en local ?

Pour la plupart des utilisateurs individuels, ComfyUI est actuellement le point d'entrée le plus simple.

MiniMax cite ComfyUI aux côtés de Diffusers, SGLang et vLLM parmi les voies de déploiement prises en charge. ComfyUI a également proposé dès le premier jour la prise en charge de H3 et a fourni des versions utilisant moins de mémoire, destinées aux GPU grand public.

La version H3 de ComfyUI explique que l'élagage des poids de modulation de H3, la quantification INT8, les noyaux personnalisés et le déchargement dynamique de la VRAM réduisent considérablement l'empreinte mémoire par rapport à un déploiement en précision complète.

Une configuration locale pratique ressemble à ceci :

1. Installez ou mettez à jour ComfyUI.
2. Choisissez un workflow MiniMax H3 de texte vers vidéo, d'image vers vidéo ou de référence vers vidéo.
3. Téléchargez le modèle de diffusion correspondant.
4. Téléchargez l'encodeur de texte H3 compatible.
5. Ajoutez les VAE vidéo et audio.
6. Commencez par une génération courte de classe 768p.
7. Surveillez à la fois l'utilisation de la mémoire du GPU et celle de la RAM système.
8. Ce n'est qu'ensuite qu'il faut augmenter la durée, la résolution ou la complexité du workflow.

Cet ordre est important. Déboguer H3 tout en utilisant simultanément un long clip, le nombre maximal de références, une haute résolution et des extensions exigeantes rend difficile de déterminer si une erreur provient du modèle, de la mémoire, des nœuds ou du workflow lui-même.

ComfyUI vs Diffusers vs SGLang vs vLLM-Omni pour H3

Le meilleur runtime dépend moins des scores de benchmark que de l'utilisation prévue de H3.

Cette distinction devient importante dès que H3 dépasse le stade de l'expérimentation.

Un créateur qui produit manuellement une vidéo à la fois a besoin d'une architecture très différente de celle d'un foyer ou d'un studio où plusieurs appareils envoient des tâches de génération à une seule machine GPU centrale. Cette séparation apparaît déjà dans des guides pratiques consacrés au calcul et au stockage séparés : le NAS n'a pas besoin d'effectuer l'inférence la plus lourde simplement parce qu'il détient les données.

MiniMax H3 peut-il fonctionner comme une API locale de génération vidéo ?

Oui.

C'est l'une des raisons pour lesquelles H3 est intéressant au-delà de l'expérimentation sur ordinateur de bureau. SGLang et vLLM-Omni peuvent transformer H3 en service au lieu d'obliger les utilisateurs à interagir directement avec le processus du modèle.

Par exemple, la recette H3 de vLLM-Omni expose la génération via une interface /v1/videos de type OpenAI.

Cela permet une architecture d'IA domestique différente :

Ordinateur portable / téléphone / automatisation ↓ API H3 locale ↓ serveur GPU ↓ vidéo et audio générés ↓ stockage local 

Une fois H3 exposé de cette manière, la station de travail équipée d'un GPU n'a plus besoin d'être la machine sur laquelle l'utilisateur modifie les invites, gère les projets ou stocke les médias finalisés.

Le calcul et le stockage peuvent devenir des services distincts.

De combien de stockage MiniMax H3 a-t-il besoin ?

Le stockage est l'une des exigences de H3 les plus faciles à sous-estimer.

Le dépôt officiel de MiniMax H3 contient les deux familles de tâches, les poids des transformeurs, l'encodeur basé sur Qwen, les VAE, les structures Diffusers et les fichiers associés. Le dépôt complet peut occuper des centaines de gigaoctets si tout est téléchargé.

L'index d'intégration de MiniMax H3 estime actuellement le dépôt original complet à environ 464 Gio. Les poids individuels des transformeurs originaux FL2VA et Ref2VA font chacun environ 62 Gio avant de passer à une précision réduite ou à des variantes élaguées.

Vous n'avez pas besoin de télécharger tout cela pour exécuter H3.

Une configuration domestique bien pensée devrait plutôt séparer :

• point de contrôle actif
• quantifications alternatives
• variantes FL2VA et Ref2VA
• encodeurs de texte
• VAE
• LoRA
• images et vidéos de référence
• sortie générée
• projets archivés

C'est ici que la vidéo IA locale commence à ressembler davantage à une charge de travail de stockage qu'à une application IA de bureau traditionnelle. Une architecture plus large de stockage de fichiers et d'IA locale devient utile dès lors que les modèles, les médias sources, les sorties et les sauvegardes doivent tous disposer d'un emplacement permanent.

Faut-il stocker les modèles MiniMax H3 sur un NAS ?

Oui pour certains fichiers, mais pas nécessairement pour chaque élément de l'inférence active.

Une architecture utile consiste à séparer le stockage à chaud du stockage de capacité.

À conserver sur le SSD local de la machine équipée du GPU

• checkpoint H3 actuellement actif
• encodeur de texte actif
• fichiers de génération temporaires
• cache
• fichiers chargés à plusieurs reprises pendant l'inférence

À conserver sur le NAS ou le serveur domestique

• quantifications H3 alternatives
• anciennes versions des modèles
• archives FL2VA et Ref2VA
• bibliothèque de médias de référence
• vidéos terminées
• sauvegardes des workflows ComfyUI
• ressources du projet
• données d'entraînement ou jeux de données LoRA

Cette séparation évite de transformer le stockage réseau en goulot d'étranglement inutile lors de chaque chargement de modèle, tout en empêchant des centaines de gigaoctets de ressources IA de remplir la station de travail.

Pour un home lab de type ZimaSpace, voici la manière la plus utile de concevoir H3 : le nœud GPU génère, tandis que le serveur domestique organise et conserve l'espace de travail IA.

MiniMax H3 a-t-il besoin d'un réseau 10GbE ?

Pas pour l'étape de génération proprement dite. Une fois le modèle actif et les entrées chargés sur la machine équipée du GPU, l'inférence H3 repose essentiellement sur le calcul et la mémoire en local.

La vitesse du réseau devient importante lorsque vous déplacez régulièrement de très gros checkpoints ou des contenus multimédias à haut débit entre un NAS et le nœud GPU.

Par exemple, transférer un modèle de 20 à 60 Go est très différent du chargement d'un document de 5 Mo dans un workflow LLM local.

Cela signifie que la vidéo IA modifie l'intérêt d'un réseau domestique plus rapide :

• Le 1GbE reste suffisant pour stocker les projets terminés et effectuer des copies occasionnelles de modèles.
• Le 2.5GbE réduit sensiblement les contraintes lors du déplacement de fichiers de modèles volumineux.
• Le 10GbE devient plus intéressant lorsque le NAS sert de bibliothèque centrale de modèles pour plusieurs stations de travail IA ou lorsque des ressources vidéo brutes sont déplacées en permanence.

Le GPU ne devient pas plus rapide parce que votre NAS dispose de 10GbE. C'est le workflow environnant qui s'améliore. Si le réseau lui-même devient le goulot d'étranglement, la comparaison la plus pertinente est NAS 2.5GbE ou 10GbE, en fonction de la taille réelle des fichiers, du débit du stockage, des clients, des switches et de la fréquence des transferts.

MiniMax H3 peut-il fonctionner entièrement hors ligne ?

H3-Base peut être utilisé dans le cadre d'un workflow hors ligne une fois que tous les poids, dépendances et fichiers de référence requis sont déjà disponibles en local.

Cela inclut la conversion locale de texte en vidéo, la génération conditionnée par des images clés et les workflows H3-Base pris en charge, pilotés par des références.

Cependant, les services officiels Context-IR et Regenerate-2K sont actuellement hébergés. Un workflow qui dépend de ces composants n’est pas complètement hors ligne.

Cette distinction est particulièrement importante pour les documents de référence sensibles. Si l’exigence est que les images, les vidéos, les voix ou les ressources commerciales inédites ne quittent jamais le réseau local, concevez le workflow autour de H3-Base et du prétraitement local plutôt que de supposer que toute la pile H3 officielle est ouverte.

La même règle s’applique à tout workflow d’IA local entièrement hors ligne : exécuter le modèle principal localement ne suffit pas si l’authentification, le prétraitement, le stockage, les API ou d’autres étapes nécessaires dépendent encore d’Internet.

MiniMax H3 peut-il générer des vidéos en 2K localement ?

Pas via le pipeline officiel complet en 2K pour le moment.

H3-Base produit le résultat de base avec un bord court de 768 pixels. Le résultat officiel en 2K de MiniMax utilise H3-Regenerate-2K, qui prend la vidéo de base avec le contexte d’origine et régénère le résultat au lieu d’effectuer une simple super-résolution classique.

MiniMax indique que Regenerate-2K n’est pas encore inclus dans la version open source.

Cela n’empêche pas les utilisateurs d’appliquer une mise à l’échelle locale ou des workflows communautaires à une sortie H3. Cela signifie simplement que ces approches ne doivent pas être confondues avec le pipeline officiel H3-Regenerate-2K de MiniMax.

Pour des recherches telles que « MiniMax H3 local 2K », cette distinction est plus utile qu’une simple réponse par oui ou non :

La génération H3 locale est disponible ; l’étape officielle complète de régénération en 2K n’est pas encore entièrement locale.

MiniMax H3 peut-il fonctionner sur Apple Silicon ?

L’écosystème local s’étend au-delà des GPU NVIDIA.

Un projet communautaire notable est h3.c, une implémentation de l’inférence H3 native pour Metal et conçue pour Apple Silicon. L’écosystème actuel suit la prise en charge de la génération texte-vers-vidéo/audio, des workflows avec première et dernière images, ainsi que des entrées de référence ordonnées.

Cela fait des Mac à mémoire unifiée une plateforme H3 intéressante, car les systèmes Apple Silicon suffisamment puissants peuvent remplacer les contraintes traditionnelles de la VRAM dédiée par un espace mémoire partagé plus vaste.

Cependant, la prise en charge d’Apple Silicon doit encore être considérée séparément de la voie de déploiement de référence principale de MiniMax. La maturité du noyau, les performances, la pression sur la mémoire et la parité fonctionnelle peuvent évoluer rapidement avec l’évolution des environnements d’exécution de la communauté.

MiniMax H3 local ou H3 dans le cloud : quelle configuration est la plus pertinente ?

La réponse dépend de l’importance que vous accordez à la maîtrise de l’infrastructure ou à la commodité.

Pour une génération occasionnelle de vidéos par IA, l'inférence dans le cloud peut être bien plus économique que l'achat d'un GPU haut de gamme.

Le déploiement local devient plus intéressant lorsque la machine existe déjà, que le volume de génération est élevé, que les médias sources sont sensibles, que les workflows nécessitent une personnalisation poussée ou que H3 n'est que l'un des nombreux services d'IA locaux partageant le même matériel.

C'est également pourquoi les coûts de l'IA locale et du cloud doivent être évalués en fonction de la fréquence d'utilisation et du matériel déjà possédé, plutôt que de simplement comparer le prix d'une API au prix d'achat d'un GPU.

Pourquoi la vidéo IA locale devient un problème de serveur domestique

L'exécution de modèles de langage locaux a habitué les utilisateurs à réfléchir principalement à la RAM et à la VRAM.

Les modèles vidéo changent la donne.

Une configuration vidéo locale sérieuse accumule :

• des dizaines ou des centaines de gigaoctets de poids de modèle
• plusieurs quantifications du même modèle
• bibliothèques d'images de référence
• audio de référence
• séquences sources
• LoRA
• fichiers de workflow
• rendus temporaires
• plusieurs versions de la vidéo finale

Par conséquent, la question à long terme n'est plus seulement :

Mon GPU peut-il exécuter ce modèle ?

De plus en plus :

Mon infrastructure locale peut-elle stocker, fournir, organiser, sauvegarder et réutiliser régulièrement l'ensemble de ce pipeline de médias IA ?

C'est à ce stade qu'une station de travail IA locale et un serveur domestique commencent à se compléter.

Navigateur / PC de montage │ ▼ ComfyUI ou API locale │ ▼ Nœud de calcul GPU │ ├── Modèle H3 actif sur NVMe local │ ▼ NAS / Serveur domestique ├── Archive de modèles ├── Médias de référence ├── Workflows ComfyUI ├── Vidéos générées └── Sauvegardes 

Le GPU reste le moteur de calcul coûteux. Le serveur devient l'espace de travail IA persistant.

C'est également une bonne façon de comprendre une architecture de NAS IA : le stockage n'a pas besoin de remplacer la station de travail équipée d'un GPU. Sa valeur réside dans la fourniture d'une couche stable pour les données, les modèles, les médias, l'indexation et les sauvegardes autour de charges de travail d'IA gourmandes en calcul.

MiniMax H3 est-il open source ?

MiniMax présente H3 comme une version open source et publie publiquement les poids du modèle H3-Base ainsi que son implémentation. Cependant, le modèle est publié sous le MiniMax H3 Community License Agreement, plutôt que sous une licence logicielle permissive classique telle qu'Apache-2.0 ou MIT.

Cette distinction mérite d’être vérifiée avant tout déploiement commercial, toute redistribution ou toute intégration de H3 dans un produit. Les conditions applicables sont disponibles avec la version officielle du modèle.

Il est également important de ne pas assimiler le checkpoint H3-Base ouvert à l’ensemble de la pile de services H3 : H3-Context-IR et H3-Regenerate-2K restent absents de la version ouverte actuelle.

L’exécution locale de MiniMax H3 en vaut-elle la peine ?

H3 est particulièrement intéressant pour l’IA locale, car ce n’est pas simplement un autre checkpoint de génération texte-vidéo. Il combine les références multimodales, la génération vidéo et l’audio stéréo natif dans un même système, tandis que ses poids H3-Base ouverts donnent à la communauté locale suffisamment d’accès pour créer de nouveaux environnements d’exécution, des quantifications, des workflows ComfyUI, des API et des optimisations spécifiques au matériel.

Mais H3 montre également la direction que prend l’IA générative locale.

Le défi ne consiste plus simplement à télécharger un modèle sur un seul PC. Un environnement H3 utile peut inclure un serveur GPU, des SSD locaux rapides, plusieurs centaines de gigaoctets de stockage pour les modèles, une bibliothèque multimédia, une orchestration des workflows, un accès à distance et un stockage réseau persistant.

Pour un test ponctuel, ComfyUI et un checkpoint H3 quantifié peuvent suffire.

Pour une pile vidéo IA auto-hébergée à long terme, l’architecture la plus utile consiste à séparer le calcul, le stockage actif des modèles, le stockage en masse des médias et l’accès aux workflows. Cette structure restera utile même lorsque le prochain modèle vidéo ouvert remplacera H3 au sommet du classement.