MiniMax H3 로컬 실행: 하드웨어, ComfyUI, 자체 호스팅 AI 동영상 구성

Eva Wong

IceWhale author

Eva Wong 는 테크니컬 라이터 이자 상주 메이커 로 ZimaSpace에서 활동합니다. 평생 기술을 사랑해 온 그녀는 홈랩과 오픈 소스 소프트웨어에 열정을 품고 있으며, 복잡한 기술 개념을 누구나 이해하기 쉬운 실습 가이드로 풀어내는 데 전문성을 갖추고 있습니다. Eva는 셀프 호스팅이 어렵고 부담스러운 일이 아니라 즐거워야 한다고 믿습니다. 그녀는 튜토리얼을 통해 커뮤니티가 하드웨어 설정의 어려움을 풀어내고, 첫 NAS를 조립하는 것부터 Docker 컨테이너를 능숙하게 다루는 것까지 도전하도록 돕습니다.

Running MiniMax H3 Locally: Hardware, ComfyUI, and a Self-Hosted AI Video Setup - Zima Store Online

예, MiniMax H3는 로컬에서 실행할 수 있습니다. 공개된 H3-Base 가중치를 사용하면 자체 하드웨어에서 비디오와 기본 스테레오 오디오를 생성할 수 있으며, 커뮤니티 런타임을 통해 이미 24GB GPU, 12~16GB 그래픽 카드, 심지어 실험적인 8GB 구성에서도 모델을 실행하고 있습니다.

중요한 점은 'H3를 로컬에서 실행한다'고 해서 현재 MiniMax의 호스팅 파이프라인의 모든 기능을 오프라인에서 그대로 재현할 수 있는 것은 아니라는 것입니다. H3-Base는 로컬 추론에 사용할 수 있지만, 공식 H3-Context-IR 오케스트레이션 계층과 H3-Regenerate-2K 단계는 호스팅 방식으로 제공됩니다. 따라서 대부분의 홈 AI 사용자에게 H3는 단순히 모델을 다운로드하는 문제가 아니라 GPU 메모리, 시스템 RAM, 모델 저장 공간, 워크플로 소프트웨어, 나아가 NAS나 홈 서버까지 필요한 인프라 문제에 가깝습니다.

MiniMax H3를 정말 로컬에서 실행할 수 있나요?

예. MiniMax는 2026년 8월에 H3를 오픈 웨이트 멀티모달 비디오 모델로 공개했으며, 로컬 하드웨어에 배포할 수 있는 H3-Base 체크포인트를 제공합니다.

MiniMax 공식 H3 릴리스에 따르면, 이 모델은 텍스트, 이미지, 비디오, 오디오를 조합해 이해하고 기본 스테레오 오디오와 함께 비디오를 생성할 수 있는 범용 멀티모달 시스템입니다.

로컬 H3-Base 모델은 다음을 지원합니다.

4~15초 비디오 생성
24 FPS 출력
32 kHz 스테레오 오디오
오디오를 포함한 텍스트-비디오 생성
첫 프레임 및 마지막 프레임 조건 지정
이미지, 비디오, 오디오 멀티모달 참조
16:9, 9:16, 1:1, 4:3, 21:9를 포함한 다양한 화면 비율

기본 H3-Base 출력의 짧은 변은 768픽셀입니다. 이 차이가 중요한 이유는 흔히 홍보되는 '최대 2K' 기능이 기본 로컬 워크플로에만 해당하는 것이 아니라 전체 H3 시스템의 기능이기 때문입니다.

MiniMax H3는 완전히 로컬에서 실행되나요, 아니면 클라우드가 필요한가요?

개인용 H3 환경을 구축하려는 사람이라면 반드시 알아야 할 가장 중요한 차이점입니다.

공식 H3 워크플로에는 크게 세 가지 부분이 있습니다.

구성 요소	기능	현재 로컬에서 실행할 수 있나요?
H3-Context-IR	복잡한 텍스트, 이미지, 오디오, 비디오 참조를 해석해 구조화된 생성 지침으로 변환합니다.	아니요, 공식 구현은 호스팅 방식입니다.
H3-Base	비디오와 스테레오 오디오를 생성합니다.	예
H3-Regenerate-2K	원래 멀티모달 컨텍스트를 사용해 기본 결과물을 2K로 다시 생성합니다.	아니요, 공식 구현은 현재 호스팅 방식입니다.

MiniMax는 공식 H3 리포지토리에서 H3-Context-IR이 여러 호스팅 모델과 서비스에 의존하며 현재 오픈 릴리스에 포함되지 않는다고 명시합니다. H3-Regenerate-2K도 아직 오픈 소스로 공개되지 않았습니다.

따라서 배포 방식은 크게 두 가지로 나뉩니다.

완전 로컬 H3

프롬프트 또는 로컬 참조 미디어 → H3-Base → 로컬에서 768p급 비디오 + 스테레오 오디오.

소스 파일, 생성 과정, 결과물을 모두 본인 컴퓨터에 저장할 수 있습니다. 이는 로컬 AI 처리의 더 큰 원칙과 같습니다. 내 네트워크 안에서 처리하는 단계가 많을수록 개인 데이터와 서비스 종속성을 더 잘 제어할 수 있습니다.

하이브리드 H3

호스팅된 Context-IR → 로컬에 배포한 H3-Base → 호스팅된 Regenerate-2K.

이 방식을 사용하면 MiniMax의 전체 워크플로를 더 많이 재현할 수 있지만, 완전히 오프라인이거나 비공개인 파이프라인은 더 이상 아닙니다.

AI를 로컬에서 우선 실행하는 것이 목표라면 가장 중요한 구성 요소는 H3-Base입니다.

MiniMax H3를 로컬에서 실행하려면 어떤 하드웨어가 필요한가요?

MiniMax H3에 필요한 VRAM은 하나로 정해져 있지 않습니다. 정밀도, 양자화, 모델 가지치기, 오프로드, 해상도, 워크플로, 런타임에 따라 필요한 용량이 크게 달라지기 때문입니다.

네이티브 모델은 큽니다. H3는 330억 매개변수의 밀집형 H3-Omni-Transformer를 사용하며, 인코더는 사전 학습된 Qwen3-VL-32B 가중치를 사용합니다. MiniMax에 따르면 트랜스포머 매개변수 중 약 130억 개는 AdaLN 관련 분기에 속하며, 추론 시 출력을 미리 계산해 캐시할 수 있습니다. 하지만 그래도 일반적인 비양자화 소비자용 모델의 메모리 용량을 훨씬 뛰어넘습니다.

따라서 로컬 생태계에서는 가지치기와 양자화에 크게 집중해 왔습니다.

GPU 등급	실용적인 H3 실행 방식	예상 성능
8GB VRAM	NF4 + 적극적인 CPU/RAM 오프로드	기술적으로 가능하지만 메모리 제약이 심하고 느림
12–16GB VRAM	가지치기한 GGUF 또는 NVFP4 모델 + 양자화한 인코더 + 경량 VAE	상당한 오프로드를 감수한다면 실험용으로 유용
24GB VRAM	가지치기한 INT8 H3 + 양자화한 텍스트 인코더	소비자용 로컬 H3의 훨씬 현실적인 목표 사양
48GB+ VRAM	고정밀 또는 양자화를 덜 공격적으로 적용하는 워크플로	스와핑을 줄이고 타협을 최소화
데이터센터 / 멀티 GPU	BF16, 분산 추론, SGLang 또는 vLLM-Omni	최고의 처리량과 네이티브 배포에 가장 가까운 방식

현재 MiniMax에서 관리하는 H3 통합 색인에는 8GB DiffSynth NF4 구성부터 12–16GB 양자화 빌드, 24GB ComfyUI 설정까지 로컬 실행 방식이 나와 있습니다.

그렇다고 해서 8GB GPU가 H3에 적합하다는 뜻은 아닙니다.

저사양에서는 GPU 메모리와 시스템 메모리 사이에서 모델 구성 요소를 옮겨 부족한 VRAM을 보완해야 합니다. 그러면 문제는 “모델을 불러올 수 있나?”에서 “생성할 때마다 얼마나 오래 기다릴 수 있나?”로 바뀝니다.

최소 VRAM과 실제 사용 가능한 VRAM은 서로 다른 문제입니다. 따라서 더 빠른 SSD나 NAS가 부족한 GPU 메모리를 보완할 수 있다고 섣불리 가정하기 전에 연산, 메모리, 저장 공간 병목을 구분하는 것이 좋습니다.

RTX 4090 같은 24GB GPU에서 MiniMax H3를 실행할 수 있나요?

네, 현재 24GB는 본격적인 가정용 H3 시스템을 구축할 때 주목할 만한 사양 중 하나입니다.

커뮤니티와 ComfyUI 기반 빌드에서는 디퓨전 모델을 충분히 경량화해 가지치기한 INT8 H3 트랜스포머를 약 20GB로 줄일 수 있습니다. 텍스트 인코더는 별도로 양자화하고, 필요할 때 모델 구성 요소를 오프로드할 수 있습니다.

중요한 점은 H3가 단일 가중치 파일이 아니라는 것입니다.

완전한 생성 워크플로에는 다음이 필요할 수 있습니다:

H3 디퓨전 트랜스포머
Qwen3-VL 기반 텍스트/비전 인코더
비디오 VAE
오디오 VAE
선택적 LoRA 또는 가속 모델
참조 미디어
임시 잠재 공간 및 디코딩 메모리

따라서 “19GB 모델”이라고 해서 남은 5GB 안에 여유롭게 들어가 24GB GPU에서 실행된다는 뜻은 아닙니다.

런타임 메모리 관리도 체크포인트 크기만큼 중요합니다.

MiniMax H3를 VRAM 16GB 또는 12GB에서 실행할 수 있을까요?

가능하지만, 커뮤니티 양자화에 더 많이 의존하게 됩니다.

현재 생태계에는 프루닝된 GGUF 및 NVFP4 디퓨전 모델과 고도로 양자화된 Qwen3-VL 인코더를 조합한 구성이 있습니다. 이를 통해 H3를 12~16GB급으로 낮출 수 있지만, 시스템 메모리와 데이터 전송의 중요성이 점점 커집니다.

이는 잦은 프로덕션 작업에 이상적인 구성이라기보다 H3를 더 쉽게 사용할 수 있게 하는 방법으로 보는 편이 좋습니다.

가끔 짧은 클립만 생성한다면 이러한 절충은 충분히 괜찮을 수 있습니다. H3가 수십 개의 클립을 생성하는 자동화 콘텐츠 워크플로의 일부라면 모델을 VRAM에 넣을 수 있는지보다 처리량이 훨씬 더 중요합니다.

MiniMax H3를 VRAM 8GB만으로 정말 실행할 수 있을까요?

이제 8GB로 실행하는 방법이 있지만, 수치를 맥락에 맞게 살펴볼 필요가 있습니다.

DiffSynth-Studio는 VRAM 최소 요구량이 8GB라고 명시된 NF4 추론 구성을 제공합니다. 하지만 이 수준에서는 오프로딩이 많이 사용되므로 작업의 상당 부분이 GPU 메모리에 상주하지 않습니다.

따라서 8GB 환경에서 중요한 질문은 다음이 아닙니다:

“H3가 실행되는가?”

그렇습니다:

“원하는 작업에 비해 생성 시간이 괜찮은가?”

H3 테스트, 워크플로 학습 또는 가끔 클립 생성이 목적이라면 8GB 환경으로 실험해 보는 것도 유용합니다. 로컬에서 비디오를 반복적으로 생성하려면 VRAM이 많을수록 사용 편의성이 크게 향상됩니다.

FL2VA와 Ref2VA: 어떤 MiniMax H3 모델을 사용해야 할까요?

H3-Base는 작업별로 최적화된 두 가지 변형으로 출시되었습니다. 적합한 변형을 선택하면 저장 공간과 워크플로 복잡성을 모두 줄일 수 있습니다.

H3-Base-FL2VA

FL2VA는 텍스트 및 키프레임 기반 생성에 초점을 둡니다.

입력	결과
텍스트만	텍스트-비디오 + 오디오
첫 이미지	첫 프레임에서 비디오 생성
마지막 이미지	제공된 이미지로 끝나는 시퀀스 생성
첫 이미지 + 마지막 이미지	두 키프레임 사이의 전환 생성

일반적인 텍스트-비디오 또는 이미지-비디오 생성을 원한다면 FL2VA가 보통 더 간단한 시작점입니다.

H3-Base-Ref2VA

Ref2VA는 더 풍부한 멀티모달 참조 조건화를 위해 설계되었습니다.

공식 H3 모델 카드에 따르면 Ref2VA는 다음을 최대한 지원합니다:

이미지 9개
비디오 클립 3개
오디오 클립 3개
참조 파일 총 12개

이를 통해 캐릭터 참조, 모션 전이, 스타일 참조, 음성 참조, 원본 비디오 편집 또는 여러 미디어 유형의 조합처럼 훨씬 흥미로운 로컬 워크플로를 사용할 수 있습니다.

하지만 해당 참조 자료가 필요하지 않다면, 두 번째 대형 체크포인트를 다운로드하고 관리해도 저장 공간만 더 차지할 뿐 간단한 텍스트-비디오 워크플로의 성능이 반드시 향상되는 것은 아닙니다.

MiniMax H3를 로컬에서 실행하는 가장 쉬운 방법은?

대부분의 개인 사용자에게 현재 가장 쉽게 시작할 수 있는 방법은 ComfyUI입니다.

MiniMax는 ComfyUI를 Diffusers, SGLang, vLLM과 함께 지원되는 배포 경로로 소개합니다. ComfyUI는 H3를 출시 첫날부터 지원했으며 소비자용 GPU를 겨냥해 메모리 사용량이 적은 버전도 제공했습니다.

ComfyUI H3 릴리스에 따르면 H3의 변조 가중치를 가지치기하고 INT8 양자화, 맞춤형 커널, 동적 VRAM 오프로딩을 적용하면 풀 정밀도 배포보다 메모리 사용량을 크게 줄일 수 있습니다.

실용적인 로컬 설정은 다음과 같습니다.

ComfyUI를 설치하거나 업데이트하세요.
MiniMax H3 텍스트-동영상, 이미지-동영상 또는 참조-동영상 워크플로를 선택하세요.
해당 텍스트 인코더에 맞는 디퓨전 모델을 다운로드하세요.
호환되는 H3 텍스트 인코더를 다운로드하세요.
동영상 및 오디오 VAE를 추가하세요.
먼저 768p급 짧은 생성을 시도하세요.
GPU 메모리와 시스템 RAM 사용량을 모두 확인하세요.
그런 다음에 길이, 해상도 또는 워크플로 복잡도를 높이세요.

이 순서는 중요합니다. 긴 클립, 최대 참조 수, 높은 해상도, 공격적인 확장 기능을 동시에 사용하며 H3를 디버깅하면 문제가 모델, 메모리, 노드 또는 워크플로 자체 중 어디에서 비롯됐는지 파악하기 어렵습니다.

H3용 ComfyUI vs Diffusers vs SGLang vs vLLM-Omni

가장 적합한 런타임은 벤치마크 점수보다 H3의 사용 방식에 더 크게 좌우됩니다.

런타임	적합한 대상	이유
ComfyUI	크리에이터 및 가정 사용자	시각적 워크플로, 소비자용 GPU 양자화, 재사용 가능한 생성 그래프
Diffusers	Python 개발자	맞춤 스크립트 및 애플리케이션에 손쉽게 통합
SGLang	전용 H3 서버	서빙, 멀티 GPU 배포, API 스타일 추론
vLLM-Omni	AI 인프라 및 멀티모달 서빙	OpenAI 호환 동영상 서빙 및 분산 배포 옵션

H3가 실험 단계를 넘어가면 이 구분이 중요해집니다.

한 번에 동영상 하나를 수동으로 제작하는 크리에이터와 여러 기기에서 하나의 중앙 GPU 컴퓨터로 생성 작업을 보내는 가정이나 스튜디오는 아키텍처가 크게 다릅니다. 이와 같은 분리는 실용적인 컴퓨팅과 저장소 분리 가이드에서도 볼 수 있습니다. NAS가 데이터를 보유한다는 이유만으로 가장 무거운 추론 작업까지 수행할 필요는 없습니다.

MiniMax H3를 로컬 동영상 생성 API로 실행할 수 있을까요?

예.

이 점은 H3가 데스크톱에서의 실험을 넘어 흥미로운 이유 중 하나입니다. SGLang과 vLLM-Omni를 사용하면 사용자가 모델 프로세스와 직접 상호작용하지 않고도 H3를 서비스로 제공할 수 있습니다.

예를 들어, vLLM-Omni H3 구성은 OpenAI 스타일의 /v1/videos 인터페이스를 통해 생성을 제공합니다.

이를 통해 다른 형태의 홈 AI 아키텍처를 구현할 수 있습니다.

노트북 / 휴대폰 / 자동화 ↓ 로컬 H3 API ↓ GPU 서버 ↓ 생성된 동영상 + 오디오 ↓ 로컬 저장소

H3를 이 방식으로 노출하면 사용자가 프롬프트를 편집하고 프로젝트를 관리하거나 완성된 미디어를 저장하는 컴퓨터가 GPU 워크스테이션일 필요가 없습니다.

연산과 스토리지를 별도 서비스로 분리할 수 있습니다.

MiniMax H3에는 스토리지가 얼마나 필요할까요?

스토리지는 H3의 요구 사항 중 가장 과소평가하기 쉬운 요소입니다.

공식 MiniMax H3 저장소에는 두 가지 작업 계열, 트랜스포머 가중치, Qwen 기반 인코더, VAE, Diffusers 레이아웃 및 지원 파일이 모두 포함되어 있습니다. 전체 저장소를 모두 다운로드하면 수백 기가바이트를 차지할 수 있습니다.

현재 MiniMax H3 통합 인덱스에 따르면 전체 원본 저장소는 약 464 GiB입니다. 원본 FL2VA 및 Ref2VA 트랜스포머 가중치는 각각 약 62 GiB이며, 저정밀도 버전이나 가지치기된 버전을 사용하기 전 기준입니다.

H3를 실행하는 데 이 모든 것을 다운로드할 필요는 없습니다.

대신 적절한 홈 구성에서는 다음 항목을 분리해야 합니다:

활성 체크포인트
대체 양자화 버전
FL2VA 및 Ref2VA 버전
텍스트 인코더
VAE
LoRA
레퍼런스 이미지 및 동영상
생성된 결과물
보관된 프로젝트

로컬 AI 동영상 작업은 이 지점에서 기존 데스크톱 AI 애플리케이션보다 스토리지 작업에 훨씬 더 가까워집니다. 모델, 원본 미디어, 결과물, 백업을 모두 영구적으로 보관할 곳이 필요해지면 더 포괄적인 로컬 AI 및 파일 스토리지 아키텍처가 유용해집니다.

MiniMax H3 모델을 NAS에 저장해야 할까요?

일부 파일에는 필요하지만, 활성 추론의 모든 요소에 반드시 필요한 것은 아닙니다.

유용한 아키텍처는 핫 스토리지와 대용량 스토리지를 분리하는 것입니다.

GPU 시스템의 로컬 SSD에 보관

현재 활성화된 H3 체크포인트
활성 텍스트 인코더
임시 생성 파일
캐시
추론 중 반복해서 불러오는 파일

NAS 또는 홈 서버에 보관

H3 대체 양자화 버전
이전 모델 버전
FL2VA 및 Ref2VA 아카이브
레퍼런스 미디어 라이브러리
완성된 동영상
ComfyUI 작업 흐름 백업
프로젝트 파일
학습 데이터 또는 LoRA 데이터셋

이렇게 분리하면 모델을 불러올 때마다 네트워크 스토리지가 불필요한 병목이 되는 것을 막으면서도, 수백 기가바이트의 AI 파일로 워크스테이션이 가득 차는 것을 방지할 수 있습니다.

ZimaSpace 스타일의 홈 랩에서는 H3를 다음과 같이 이해하는 것이 더 유용합니다: GPU 노드는 생성하고, 홈 서버는 AI 작업 공간을 정리하고 보관합니다.

MiniMax H3에 10GbE 네트워킹이 필요할까요?

실제 생성 단계에서는 그렇지 않습니다. 활성 모델과 입력이 GPU 시스템에 로드되면 H3 추론은 거의 전적으로 로컬 연산과 메모리에 의존합니다.

NAS와 GPU 노드 사이에서 초대형 체크포인트나 높은 비트레이트의 미디어 파일을 반복해서 옮길 때 네트워크 속도가 중요해집니다.

예를 들어, 20–60GB 모델을 전송하는 것과 로컬 LLM 작업 흐름에서 5MB 문서를 불러오는 것은 전혀 다릅니다.

즉, AI 동영상 작업은 더 빠른 홈 네트워킹의 가치를 바꿉니다:

완성된 프로젝트를 저장하고 가끔 모델을 복사하는 용도라면 1GbE로도 충분합니다.
2.5GbE는 대용량 모델 파일을 옮길 때 불편을 크게 줄여줍니다.
NAS가 여러 AI 워크스테이션을 위한 중앙 모델 라이브러리이거나 원본 동영상 파일을 계속 주고받는 경우에는 10GbE가 더 유용해집니다.

NAS가 10GbE를 지원한다고 해서 GPU가 더 빨라지는 것은 아닙니다. 달라지는 것은 주변 워크플로입니다. 네트워크 자체가 병목이 된다면 실제 파일 크기, 스토리지 처리량, 클라이언트, 스위치, 전송 빈도를 기준으로 2.5GbE와 10GbE NAS를 비교하는 편이 더 유용합니다.

MiniMax H3를 완전히 오프라인에서 실행할 수 있나요?

필요한 모든 가중치, 종속 항목, 참조 파일을 미리 로컬에 준비해 두면 H3-Base를 오프라인 워크플로의 일부로 사용할 수 있습니다.

여기에는 로컬 텍스트-비디오 생성, 키프레임 기반 생성, 지원되는 참조 기반 H3-Base 워크플로가 포함됩니다.

하지만 공식 Context-IR 및 Regenerate-2K 서비스는 현재 호스팅 방식으로 제공됩니다. 이러한 구성 요소에 의존하는 워크플로는 완전히 오프라인이 아닙니다.

이 구분은 민감한 참조 자료를 다룰 때 특히 중요합니다. 이미지, 비디오, 음성 또는 미공개 상업용 에셋이 로컬 네트워크 밖으로 절대 나가면 안 되는 경우, 공식 H3 스택 전체가 오픈되어 있다고 가정하지 말고 H3-Base와 로컬 전처리를 중심으로 워크플로를 구성하세요.

같은 원칙은 완전 오프라인 로컬 AI 워크플로에도 적용됩니다. 인증, 전처리, 저장, API 또는 기타 필수 단계가 여전히 인터넷에 의존한다면, 주요 모델을 로컬에서 실행하는 것만으로는 충분하지 않습니다.

MiniMax H3로 로컬에서 2K 비디오를 생성할 수 있나요?

현재는 공식 전체 2K 파이프라인을 통해서는 불가능합니다.

H3-Base는 짧은 변이 768픽셀인 기본 결과물을 생성합니다. MiniMax의 공식 2K 결과물은 H3-Regenerate-2K를 사용하며, 이 방식은 단순히 일반적인 초해상도 처리를 하는 대신 기본 비디오와 원본 컨텍스트를 함께 입력받아 결과물을 다시 생성합니다.

MiniMax에 따르면 Regenerate-2K는 아직 오픈 릴리스에 포함되지 않았습니다.

그렇다고 사용자가 H3 출력물에 로컬 업스케일링이나 커뮤니티 워크플로를 적용할 수 없는 것은 아닙니다. 다만 이러한 접근 방식을 MiniMax의 공식 H3-Regenerate-2K 파이프라인과 혼동해서는 안 됩니다.

“MiniMax H3 로컬 2K”와 같은 검색어에는 단순한 예 또는 아니요보다 이 구분이 더 유용합니다.

로컬 H3 생성은 가능하지만, 공식 전체 2K 재생성 단계는 아직 완전히 로컬에서 실행할 수 없습니다.

MiniMax H3를 Apple Silicon에서 실행할 수 있나요?

로컬 생태계가 NVIDIA GPU를 넘어 확장되고 있습니다.

주목할 만한 커뮤니티 프로젝트로는 Apple Silicon용 Metal 네이티브 H3 추론 구현인 h3.c가 있습니다. 현재 생태계에서는 텍스트-비디오/오디오, 첫 프레임 및 마지막 프레임 기반 워크플로, 순서가 지정된 참조 입력을 지원하는지 추적하고 있습니다.

따라서 통합 메모리를 사용하는 Mac은 흥미로운 H3 플랫폼입니다. 충분히 큰 Apple Silicon 시스템은 기존의 별도 VRAM 제약을 더 큰 공유 메모리 풀로 대체할 수 있기 때문입니다.

하지만 Apple Silicon 지원은 MiniMax의 주요 레퍼런스 배포 경로와 별개로 봐야 합니다. 커뮤니티 런타임이 발전하면서 커널 성숙도, 성능, 메모리 압박, 기능 동등성은 빠르게 달라질 수 있습니다.

로컬 MiniMax H3와 클라우드 H3: 어떤 구성이 더 적합할까요?

인프라 소유권과 편의성 중 무엇을 중시하는지에 따라 답이 달라집니다.

요소	로컬 H3	호스팅 H3
하드웨어	GPU, RAM, 스토리지는 사용자가 준비	컴퓨팅은 공급업체가 관리
설정	더 복잡함	즉시
비공개 원본 미디어	H3-Base 워크플로에서는 로컬에 보관 가능	미디어가 호스팅 서비스로 전송됨
생성별 API 요금	로컬 추론에는 API 요금 없음	대체로 사용량 기준
전기료 / 하드웨어 비용	사용자가 부담	서비스 요금에 포함
워크플로 맞춤 설정	높음	플랫폼에 따라 다름
오프라인 사용	H3-Base에서는 가능	아니요
공식 전체 2K 워크플로	현재 완전한 로컬 실행은 불가능	호스팅 구성 요소를 통해 이용 가능

AI 동영상을 가끔 생성한다면 대형 GPU를 구매하는 것보다 클라우드 추론이 훨씬 경제적일 수 있습니다.

이미 장비를 보유하고 있거나, 생성량이 많거나, 원본 미디어가 민감하거나, 워크플로를 폭넓게 맞춤 설정해야 하거나, H3가 동일한 하드웨어를 공유하는 여러 로컬 AI 서비스 중 하나일 때는 로컬 배포가 더욱 매력적입니다.

따라서 로컬 AI와 클라우드 AI의 비용을 비교할 때는 단순히 API 가격과 GPU 구매 가격을 비교하기보다 작업 빈도와 이미 보유한 하드웨어를 기준으로 평가해야 합니다.

로컬 AI 동영상이 홈 서버의 과제가 되어 가는 이유

로컬 언어 모델을 실행하면서 사용자는 주로 RAM과 VRAM을 고려하게 되었습니다.

동영상 모델은 판도를 바꿉니다.

본격적인 로컬 동영상 제작 환경에는 다음과 같은 파일이 쌓입니다.

수십 또는 수백 GB에 달하는 모델 가중치
동일 모델의 여러 양자화 버전
참고 이미지 라이브러리
참고 오디오
원본 영상
LoRA
워크플로 파일
임시 렌더링
최종 동영상의 여러 버전

따라서 장기적으로 던져야 할 질문은 더 이상 이것뿐만이 아닙니다.

내 GPU에서 이 모델을 실행할 수 있을까?

점점 더 중요한 질문은 다음과 같습니다.

내 로컬 인프라가 이 전체 AI 미디어 파이프라인을 저장하고, 제공하고, 정리하고, 백업하며, 반복해서 활용할 수 있을까요?

이 지점에서 로컬 AI 워크스테이션과 홈 서버가 서로를 보완하기 시작합니다.

브라우저 / 편집 PC │ ▼ ComfyUI 또는 로컬 API │ ▼ GPU 컴퓨팅 노드 │ ├── 로컬 NVMe에 저장된 활성 H3 모델 │ ▼ NAS / 홈 서버 ├── 모델 아카이브 ├── 참고 미디어 ├── ComfyUI 워크플로 ├── 생성된 동영상 └── 백업

GPU는 여전히 값비싼 컴퓨팅 엔진입니다. 서버는 지속적으로 사용할 수 있는 AI 작업 공간이 됩니다.

이는 AI NAS 아키텍처를 이해하는 데도 유용한 관점입니다. 스토리지가 GPU 워크스테이션을 대체할 필요는 없습니다. 스토리지의 가치는 컴퓨팅 집약적인 AI 워크로드를 위한 안정적인 데이터, 모델, 미디어, 인덱싱 및 백업 계층을 제공하는 데 있습니다.

MiniMax H3는 오픈 소스인가요?

MiniMax는 H3를 오픈 소스 릴리스로 소개하고 H3-Base 모델 가중치와 구현을 공개적으로 게시합니다. 하지만 이 모델은 Apache-2.0이나 MIT 같은 일반적인 허용적 소프트웨어 라이선스가 아니라 MiniMax H3 Community License Agreement에 따라 배포됩니다.

상업적으로 배포하거나 재배포할 때, 또는 H3를 제품에 통합할 때는 이 차이를 확인하는 것이 중요합니다. 적용되는 약관은 공식 모델 릴리스에서 확인할 수 있습니다.

또한 오픈 H3-Base 체크포인트를 H3 서비스 스택 전체와 동일시해서는 안 됩니다. H3-Context-IR과 H3-Regenerate-2K는 현재 공개된 릴리스에 포함되지 않습니다.

MiniMax H3를 로컬에서 실행할 가치가 있을까요?

H3는 단순히 또 하나의 텍스트-동영상 변환 체크포인트가 아니라는 점에서 로컬 AI용으로 특히 주목할 만합니다. 멀티모달 참조 입력, 동영상 생성, 네이티브 스테레오 오디오를 하나의 시스템에 결합했으며, 공개된 H3-Base 가중치를 통해 로컬 커뮤니티가 이를 기반으로 새로운 런타임, 양자화 버전, ComfyUI 워크플로, API, 하드웨어별 최적화를 개발할 수 있도록 충분한 접근성을 제공합니다.

하지만 H3는 로컬 생성형 AI가 나아갈 방향도 보여 줍니다.

이제 문제는 단순히 한 대의 PC에 모델을 다운로드하는 것이 아닙니다. 유용한 H3 환경을 갖추려면 GPU 서버, 빠른 로컬 SSD, 수백 기가바이트에 달하는 모델 저장 공간, 미디어 라이브러리, 워크플로 오케스트레이션, 원격 접근, 영구적인 네트워크 저장 공간이 필요할 수 있습니다.

한 번만 시험해 본다면 ComfyUI와 양자화된 H3 체크포인트만으로 충분할 수 있습니다.

장기적으로 자체 호스팅 AI 동영상 시스템을 구축할 때는 컴퓨팅, 활성 모델 저장소, 대용량 미디어 저장소, 워크플로 접근을 분리하는 아키텍처가 더 유용합니다. 다음 오픈 동영상 모델이 H3를 선두에서 밀어내더라도 이 구조는 계속 유용할 것입니다.

2026년 11월 업데이트: 짧은 로컬 동영상 작업에 적합한 HyperFlow H3 Flash

Video Rebirth는 HyperFlow H3 Flash를 공개했습니다. 이는 MiniMax H3를 기반으로 한 파생 모델로, 약 31B 파라미터의 트랜스포머를 약 14B 파라미터로 압축하고 동영상과 스테레오 오디오의 동시 생성을 지원합니다. 샘플링 단계는 4, 6, 8단계 중 선택할 수 있으며, 기본값은 6단계입니다. 이번 릴리스에는 코드, 설정 안내서, ComfyUI 워크플로가 포함됩니다.

Video Rebirth의 공식 HyperFlow H3 Flash 출시 이미지. 원본 출처

텍스트를 동영상 및 오디오로 변환하는 5.2초짜리 예시에서, 제작사는 ComfyUI INT8 설정으로 RTX 5090에서 83초, RTX 4090에서 152초가 걸렸다고 보고했습니다. 인용된 ComfyUI 시간은 해당 워크플로와 설정에 대한 제조사 자체 측정값이며, 내보내기는 포함되지 않습니다. 15초 클립이나 다른 참조 모드, 또는 다른 백엔드를 사용하면 훨씬 오래 걸릴 수 있습니다. 공정하게 비교하려면 동영상 길이, 해상도, 오디오, 텍스트 인코더, 내보내기를 모두 고려해야 합니다.

선택 사항	평가 시점	측정 항목
ComfyUI INT8 safetensors	배포자는 지원되는 실행 방식과 24GB 및 32GB RTX GPU에서의 측정 결과를 제공합니다.	최대 GPU 메모리, 임시 디스크 사용량, 워크플로 소요 시간 및 출력 품질.
Q4KM GGUF	모델 카드에는 9.1GB 양자화 트랜스포머 파일이 나와 있으며 GGUF 구성도 문서화되어 있습니다.	인코더, VAE 및 중간 텐서를 포함한 전체 파이프라인 메모리.
더 긴 클립 또는 여러 참조 입력	의도한 입력에 맞게 문서화된 작업과 워크플로를 사용하세요.	생성 시간, 최대 메모리 사용량, 오디오 동기화 및 프레임 일관성.

디스크에 들어가는 모델 파일이라고 해서 16GB GPU에서 전체 파이프라인을 실행할 수 있다는 뜻은 아닙니다. Video Rebirth의 릴리스에는 16GB GPU에서의 테스트 결과가 보고되어 있지 않습니다. 문서화된 가장 짧은 클립으로 시작하고 전체 워크플로를 고정한 채 한 번에 설정 하나만 변경하세요.

개발자는 HyperFlow를 파생 모델로 표시하며, 모델 카드에는 MiniMax H3 커뮤니티 라이선스 계약이 안내되어 있습니다. 여기에는 지역 및 사용 제한이 명시되어 있습니다. 가중치를 다운로드하거나 사용하기 전에 라이선스를 읽고, 거주 지역과 용도에 대한 승인을 확인하세요.

MiniMax H3 로컬 실행에 관한 자주 묻는 질문

MiniMax H3를 무료로 로컬에서 실행할 수 있나요?

호환되는 하드웨어에서 오픈 H3-Base 가중치를 실행하면 생성당 API 요금을 내지 않아도 됩니다. 하지만 로컬 추론에도 하드웨어, 저장 공간, 전기료 및 유지 관리 비용이 들며, 사용자는 의도한 용도에 맞게 MiniMax H3 커뮤니티 라이선스를 검토해야 합니다.

MiniMax H3에는 VRAM이 얼마나 필요한가요?

정해진 단일 요구 사양은 없습니다. 현재 커뮤니티 구성은 8GB NF4/오프로딩 방식부터 12~16GB 양자화 빌드, 보다 실용적인 24GB 소비자용 GPU 워크플로까지 다양합니다. 기본 방식이나 양자화를 덜 적용한 배포에는 훨씬 더 많은 메모리가 필요합니다.

MiniMax H3를 실행하는 데 VRAM 24GB면 충분한가요?

그렇습니다. 현재 프루닝 및 양자화된 H3 구성은 24GB GPU에서 실행할 수 있어, 가장 현실적인 로컬 H3 하드웨어 구성 중 하나입니다. 런타임에서는 텍스트 인코더, VAE, 임시 텐서와 시스템 메모리 오프로딩도 관리해야 합니다.

RTX 4090에서 MiniMax H3를 실행할 수 있나요?

그렇습니다. 로컬 H3 생태계에는 양자화 및 메모리 절약 기법을 사용하는 단일 RTX 4090 구성도 있습니다. 4090은 원본 BF16 스택 전체를 한 번에 VRAM에 로드할 수 있는 카드라기보다 양자화된 H3 플랫폼으로 보는 것이 좋습니다.

MiniMax H3를 VRAM 8GB로 실행할 수 있나요?

DiffSynth-Studio는 최소 VRAM이 8GB라고 명시된 NF4 워크플로를 제공합니다. 오프로드에 크게 의존하므로, 이를 빠른 프로덕션 구성이라기보다 최소 사양의 실행 구성으로 보는 것이 적절합니다.

MiniMax H3는 ComfyUI에서 작동하나요?

예. ComfyUI는 텍스트-비디오, 이미지/키프레임-비디오 및 참조 기반 생성용 H3 워크플로를 지원하며, 메모리 요구량을 줄이도록 설계된 로컬 양자화 모델 옵션도 제공합니다.

MiniMax H3는 오디오를 로컬에서 생성하나요?

예. H3-Base는 비디오와 네이티브 스테레오 오디오를 함께 생성합니다. 로컬 워크플로에서는 생성된 오디오 잠재 표현을 디코딩하기 위해 별도의 H3 Audio VAE를 사용합니다.

MiniMax H3에서 참조 비디오와 오디오를 사용할 수 있나요?

예. Ref2VA 모델은 이미지, 비디오 및 오디오 참조를 조합해 사용할 수 있습니다. 공식 모델 사양에 따르면 전체 참조 파일은 최대 12개까지이며, 이미지 최대 9개, 비디오 클립 최대 3개, 오디오 클립 최대 3개를 사용할 수 있습니다. 단, 길이 제한이 적용됩니다.

MiniMax H3로 2K 비디오를 완전히 오프라인에서 생성할 수 있나요?

현재로서는 MiniMax의 완전한 공식 2K 파이프라인을 통해서는 안 됩니다. H3-Base는 로컬에서 실행할 수 있지만, 공식 H3-Regenerate-2K 단계는 현재 호스팅 방식으로 제공됩니다. 로컬 서드파티 업스케일링은 H3-Regenerate-2K와 혼동하지 마세요.

MiniMax H3용으로 디스크 공간을 얼마나 확보해야 하나요?

최적화된 단일 워크플로에는 전체 저장소의 일부만 필요할 수 있지만, FL2VA와 Ref2VA를 모두 시험하고 여러 양자화 버전, 인코더, VAE, LoRA 및 참조 미디어를 사용하는 경우 저장 공간이 금세 수백 기가바이트에 이를 수 있습니다. 현재 사용하는 체크포인트는 빠른 로컬 저장 장치에 보관하고, 자주 사용하지 않는 에셋은 용량이 더 큰 저장 장치에 보관하세요.

MiniMax H3 모델을 NAS에 저장할 수 있나요?

예. NAS는 모델 아카이브, 참조 미디어, 워크플로, 출력물 및 백업을 저장하는 데 유용합니다. 자주 불러오는 체크포인트는 보통 GPU 시스템에 연결된 로컬 NVMe 드라이브에 보관하는 것이 좋으며, 필요할 때 NAS와 동기화하거나 NAS에서 복원하면 됩니다.

설치 후 MiniMax H3를 사용하려면 인터넷 연결이 필요한가요?

모델 파일과 소프트웨어 종속 항목을 다운로드한 후에는 H3-Base를 로컬에서 실행할 수 있습니다. MiniMax의 호스팅 Context-IR 또는 공식 Regenerate-2K 서비스를 사용하는 워크플로에는 여전히 네트워크 연결이 필요합니다.

H3에는 FL2VA와 Ref2VA 중 어느 쪽이 더 나은가요?

텍스트-비디오 및 첫 프레임/마지막 프레임 워크플로에는 FL2VA를 사용하세요. 이미지, 비디오 또는 오디오 참조를 더 풍부하게 활용해야 하는 생성에는 Ref2VA를 사용하세요. 기본적인 텍스트 또는 키프레임 조건 지정만 필요한 워크플로라면 더 큰 멀티 체크포인트 구성을 유지할 이유가 거의 없습니다.

홈 네트워크의 여러 기기에서 MiniMax H3를 제공할 수 있나요?

예. SGLang 및 vLLM-Omni 같은 서빙 프레임워크를 사용하면 네트워크 API를 통해 H3를 제공할 수 있어 노트북, 워크스테이션 또는 자동화 애플리케이션에서 중앙 GPU 서버로 작업을 제출할 수 있습니다. 실제 동시 처리량과 처리 속도는 GPU 메모리와 서빙 구성에 따라 달라집니다.