MiniMax H3 lokaal uitvoeren: hardware, ComfyUI en een zelfgehoste AI-video-opstelling

Ja, MiniMax H3 kan lokaal draaien. Met de open H3-Base-gewichten kun je video en oorspronkelijk stereogeluid genereren op je eigen hardware, en community-runtimes hebben het model inmiddels werkend gekregen op GPU's met 24 GB, kaarten met 12–16 GB en zelfs experimentele configuraties met 8 GB.

De belangrijke kanttekening is dat “H3 lokaal draaien” momenteel niet betekent dat je elke functie van MiniMax' gehoste pipeline offline kunt reproduceren. H3-Base is beschikbaar voor lokale inferentie, terwijl de officiële orkestratielaag H3-Context-IR en de stap H3-Regenerate-2K gehost blijven. Voor de meeste gebruikers van thuis-AI is H3 daardoor minder een kwestie van een model downloaden en meer een infrastructuurvraagstuk met GPU-geheugen, systeem-RAM, modelopslag, workflowsoftware en steeds vaker een NAS of homeserver.

Kan MiniMax H3 echt lokaal draaien?

Ja. MiniMax bracht H3 in augustus 2026 uit als een multimodaal videomodel met open gewichten en biedt H3-Base-checkpoints die op lokale hardware kunnen worden ingezet.

De officiële release van MiniMax H3 beschrijft het model als een multimodaal systeem voor algemeen gebruik dat combinaties van tekst, afbeeldingen, video en audio kan begrijpen en tegelijk video met oorspronkelijk stereogeluid kan genereren.

Het lokale H3-Base-model ondersteunt:

• videogeneratie van 4–15 seconden
• uitvoer met 24 FPS
• 32 kHz-stereogeluid
• tekst-naar-video met audio
• conditionering van het eerste en laatste frame
• multimodale beeld-, video- en audioreferenties
• meerdere beeldverhoudingen, waaronder 16:9, 9:16, 1:1, 4:3 en 21:9

De standaarduitvoer van H3-Base gebruikt een korte zijde van 768 pixels. Dat onderscheid is belangrijk, omdat de vaak aangeprezen mogelijkheid van “tot 2K” bij het volledige H3-systeem hoort en niet alleen bij de basisworkflow die volledig lokaal draait.

Is MiniMax H3 volledig lokaal, of heeft het nog steeds de cloud nodig?

Dit is het belangrijkste onderscheid voor iedereen die een privé-H3-configuratie bouwt.

De volledige officiële H3-workflow bestaat uit drie belangrijke onderdelen:

MiniMax vermeldt expliciet in zijn officiële H3-repository dat H3-Context-IR afhankelijk is van meerdere gehoste modellen en diensten en geen deel uitmaakt van de huidige open release. H3-Regenerate-2K is ook nog niet open source gemaakt.

Dat levert ons twee heel verschillende implementatiemodellen op.

Volledig lokale H3

Prompt of lokale referentiemedia → H3-Base → lokale video van 768p-klasse + stereogeluid.

Je bronbestanden, het generatieproces en de uitvoer kunnen op je eigen machine blijven. Dit is hetzelfde bredere principe als achter lokale AI-verwerking: hoe meer stappen binnen je eigen netwerk blijven, hoe meer controle je behoudt over privégegevens en afhankelijkheden van diensten.

Hybride H3

Gehoste Context-IR → lokaal geïmplementeerde H3-Base → gehoste Regenerate-2K.

Hiermee kan meer van de volledige workflow van MiniMax worden gereproduceerd, maar het is niet langer een volledig offline of privépijplijn.

Als AI lokaal uitvoeren het doel is, is H3-Base daarom het belangrijkste onderdeel.

Welke hardware heb je nodig om MiniMax H3 lokaal te draaien?

Er is geen vaste VRAM-vereiste voor MiniMax H3, omdat het antwoord sterk afhangt van de precisie, kwantisering, modelsnoei, offloading, resolutie, workflow en runtime.

Het native model is groot. H3 gebruikt een dense H3-Omni-Transformer met 33 miljard parameters, terwijl de encoder de vooraf getrainde Qwen3-VL-32B-gewichten gebruikt. MiniMax vermeldt dat ongeveer 13 miljard parameters van de transformer bij AdaLN-gerelateerde takken horen. De uitvoer daarvan kan vooraf worden berekend en voor inferentie worden gecachet, maar het geheugengebruik ligt nog steeds ver boven dat van een typisch ongekwantiseerd consumentenmodel.

Het lokale ecosysteem heeft zich daarom sterk gericht op snoeien en kwantisering.

De integratie-index van H3 die door MiniMax wordt onderhouden vermeldt momenteel lokale opties, van een DiffSynth NF4-configuratie met 8 GB tot gekwantiseerde builds van 12–16 GB en ComfyUI-opstellingen met 24 GB.

Dat betekent niet dat een GPU met 8 GB een goede H3-machine is.

Aan de onderkant moet het ontbrekende VRAM worden gecompenseerd door modelonderdelen tussen het GPU-geheugen en het systeemgeheugen te verplaatsen. Daardoor verandert de vraag van ‘Kan het model worden geladen?’ in ‘Hoe lang wil je bij elke generatie wachten?’

Minimale VRAM en bruikbare VRAM zijn twee verschillende zaken. Daarom is het handig om knelpunten door rekenkracht, geheugen en opslag van elkaar te onderscheiden voordat je ervan uitgaat dat een snellere SSD of NAS het tekort aan GPU-geheugen kan compenseren.

Kan MiniMax H3 draaien op GPU's met 24 GB, zoals de RTX 4090?

Ja, en 24 GB is momenteel een van de interessantere opties voor een serieuze H3-opstelling thuis.

Builds van de community en gericht op ComfyUI hebben het diffusiemodel genoeg verkleind om een gesnoeide H3-transformer in INT8 rond de 20 GB te laten uitkomen, met de tekstencoder afzonderlijk gekwantiseerd en modelonderdelen die indien nodig worden overgezet.

Het belangrijkste detail is dat H3 niet uit één gewichtsbestand bestaat.

Voor een volledige generatieworkflow kan het volgende nodig zijn:

• de H3-diffusietransformer
• tekst-/visie-encoder op basis van Qwen3-VL
• video-VAE
• audio-VAE
• optionele LoRA's of versnellingsmodellen
• referentiemedia
• tijdelijk latent- en decodeergeheugen

Een “model van 19GB” betekent dus niet automatisch dat het probleemloos in een GPU van 24GB past, met 5GB over.

Geheugenbeheer tijdens runtime is bijna net zo belangrijk als de grootte van het checkpoint.

Kan MiniMax H3 draaien met 16GB of 12GB VRAM?

Ja, maar daarmee kom je nog verder in het domein van community-kwantisaties.

Het huidige ecosysteem omvat gesnoeide GGUF- en NVFP4-diffusiemodellen in combinatie met sterk gekwantiseerde Qwen3-VL-encoders. Daarmee kan H3 in de klasse van 12–16GB vallen, maar systeemgeheugen en gegevensoverdracht worden steeds belangrijker.

Je kunt dit beter zien als een manier om H3 toegankelijk te maken dan als de ideale configuratie voor regelmatig productiewerk.

Als je slechts af en toe korte clips genereert, is die afweging mogelijk prima te accepteren. Als H3 deel uitmaakt van een geautomatiseerde contentworkflow die tientallen clips genereert, is de verwerkingssnelheid veel belangrijker dan alleen het model in het VRAM-geheugen laten passen.

Kan MiniMax H3 echt draaien met slechts 8GB VRAM?

Er is nu een optie voor 8GB, maar dat getal moet in context worden gezien.

DiffSynth-Studio biedt een NF4-inferentieconfiguratie met een opgegeven minimale VRAM-capaciteit van 8GB. Op dat niveau zorgt uitgebreid offloaden er echter voor dat een groot deel van de workload niet langer in het GPU-geheugen blijft.

Voor een systeem met 8GB is de relevante vraag daarom niet:

“Start H3 op?”

Dat is:

“Is de resulterende generatietijd aanvaardbaar voor wat ik wil doen?”

Voor het testen van H3, het leren van workflows of het genereren van af en toe een clip kan een experiment met 8GB waardevol zijn. Voor herhaalde lokale videogeneratie blijft meer VRAM een aanzienlijke verbetering van het gebruiksgemak.

FL2VA vs. Ref2VA: welk MiniMax H3-model moet je gebruiken?

H3-Base is uitgebracht in twee taakgerichte varianten. De juiste kiezen kan zowel opslagruimte als workflowcomplexiteit besparen.

H3-Base-FL2VA

FL2VA richt zich op generatie op basis van tekst en keyframes.

Als je conventionele tekst-naar-video- of afbeelding-naar-video-generatie wilt, is FL2VA meestal de eenvoudigste optie om mee te beginnen.

H3-Base-Ref2VA

Ref2VA is ontworpen voor rijkere multimodale referentieconditionering.

Volgens de officiële modelkaart van H3 kan Ref2VA maximaal het volgende accepteren:

• 9 afbeeldingen
• 3 videoclips
• 3 audiofragmenten
• 12 referentiebestanden in totaal

Dit maakt veel interessantere lokale workflows mogelijk: karakterreferentie, bewegingsoverdracht, stijlreferentie, stemreferentie, videobewerking met bronvideo of combinaties van verschillende mediatypen.

Maar als je die referenties niet nodig hebt, kost het downloaden en beheren van een tweede groot checkpoint extra opslagruimte zonder dat dit een eenvoudige workflow voor tekst-naar-video noodzakelijkerwijs verbetert.

Wat is de eenvoudigste manier om MiniMax H3 lokaal te draaien?

Voor de meeste individuele gebruikers is ComfyUI momenteel het eenvoudigste instappunt.

MiniMax noemt ComfyUI naast Diffusers, SGLang en vLLM als ondersteunde implementatiemogelijkheden. ComfyUI bracht ook op de eerste dag ondersteuning voor H3 uit en heeft versies met een lager geheugengebruik uitgebracht voor consument-GPU's.

De ComfyUI H3-release legt uit dat het snoeien van H3's modulatiegewichten, INT8-kwantisering, aangepaste kernels en dynamische VRAM-offloading de geheugenvoetafdruk aanzienlijk verkleinen ten opzichte van een implementatie met volledige precisie.

Een praktische lokale installatie ziet er zo uit:

1. Installeer ComfyUI of werk het bij.
2. Kies een MiniMax H3-workflow voor tekst-naar-video, afbeelding-naar-video of referentie-naar-video.
3. Download het bijbehorende diffusiemodel.
4. Download de compatibele H3-tekstencoder.
5. Voeg de video- en audio-VAE's toe.
6. Begin met een korte generatie op ongeveer 768p.
7. Houd zowel het GPU-geheugen als het systeem-RAM-gebruik in de gaten.
8. Verhoog pas daarna de duur, resolutie of complexiteit van de workflow.

Deze volgorde is belangrijk. Het is lastig te bepalen of een probleem door het model, het geheugen, de nodes of de workflow zelf wordt veroorzaakt wanneer je H3 tegelijk test met een lange clip, maximale referenties, een hoge resolutie en ingrijpende uitbreidingen.

ComfyUI vs Diffusers vs SGLang vs vLLM-Omni voor H3

De beste runtime hangt minder af van benchmarkscores dan van hoe H3 wordt gebruikt.

Dit onderscheid wordt belangrijk zodra H3 meer wordt dan een experiment.

Een maker die handmatig één video tegelijk produceert, heeft een heel andere architectuur nodig dan een huishouden of studio waar meerdere apparaten generatieopdrachten naar één centrale GPU-machine sturen. Diezelfde scheiding komt al voor in praktische handleidingen over gescheiden rekenkracht en opslag: de NAS hoeft de zwaarste inferentie niet uit te voeren alleen omdat de gegevens erop staan.

Kan MiniMax H3 draaien als een lokale API voor videogeneratie?

Ja.

Dit is een van de redenen waarom H3 ook buiten desktopexperimenten interessant is. SGLang en vLLM-Omni kunnen van H3 een dienst maken, zodat gebruikers niet rechtstreeks met het modelproces hoeven te werken.

De vLLM-Omni H3-recept biedt generatie bijvoorbeeld aan via een /v1/videos-interface in OpenAI-stijl.

Dat maakt een andere AI-architectuur voor thuis mogelijk:

Laptop / telefoon / automatisering ↓ Lokale H3-API ↓ GPU-server ↓ Gegenereerde video + audio ↓ Lokale opslag 

Zodra H3 op deze manier beschikbaar is, hoeft de GPU-workstation niet langer de machine te zijn waarop de gebruiker prompts bewerkt, projecten beheert of afgeronde media opslaat.

Rekenkracht en opslag kunnen afzonderlijke diensten worden.

Hoeveel opslagruimte heeft MiniMax H3 nodig?

De benodigde opslagruimte is een van de H3-vereisten die je het makkelijkst onderschat.

De officiële MiniMax H3-repository bevat beide taakfamilies, transformergewichten, de op Qwen gebaseerde encoder, VAE's, Diffusers-indelingen en ondersteunende bestanden. De volledige repository kan honderden gigabytes innemen als je alles downloadt.

De index van de MiniMax H3-integratie schat de volledige oorspronkelijke repository momenteel op ongeveer 464 GiB. De oorspronkelijke FL2VA- en Ref2VA-transformergewichten zijn elk ongeveer 62 GiB, voordat je overstapt op kleinere precisie of uitgeklede varianten.

Je hoeft niet alles te downloaden om H3 te gebruiken.

Een verstandige thuisopstelling scheidt in plaats daarvan:

• actief checkpoint
• alternatieve kwantiseringen
• FL2VA- en Ref2VA-varianten
• tekstencoders
• VAE's
• LoRA's
• referentieafbeeldingen en -video
• gegenereerde uitvoer
• gearchiveerde projecten

Hier begint lokale AI-video veel meer op een opslagtaak te lijken dan op een traditionele AI-desktoptoepassing. Een uitgebreidere architectuur voor lokale AI en bestandsopslag is handig zodra modellen, bronmedia, uitvoer en back-ups allemaal een vaste plek nodig hebben.

Moeten MiniMax H3-modellen op een NAS worden opgeslagen?

Ja voor sommige bestanden, maar niet per se voor elk onderdeel van actieve inferentie.

Een geschikte architectuur scheidt hot storage van opslag met hoge capaciteit.

Bewaar op de lokale SSD van de GPU-machine

• momenteel actief H3-checkpoint
• actieve tekstencoder
• tijdelijke generatiebestanden
• cache
• bestanden die tijdens inferentie herhaaldelijk worden geladen

Bewaar op de NAS of thuisserver

• alternatieve H3-kwantiseringen
• oudere modelversies
• FL2VA- en Ref2VA-archieven
• bibliotheek met referentiemedia
• afgeronde video's
• back-ups van ComfyUI-workflows
• projectbestanden
• trainingsgegevens of LoRA-datasets

Deze scheiding voorkomt dat netwerkopslag tijdens het laden van elk model een onnodig knelpunt vormt, terwijl honderden gigabytes aan AI-bestanden niet de werkstation vullen.

Voor een thuislab in ZimaSpace-stijl kun je H3 het best zo bekijken: de GPU-node genereert, terwijl de thuisserver de AI-werkruimte organiseert en bewaart.

Heeft MiniMax H3 10GbE-netwerk nodig?

Niet voor de daadwerkelijke generatie. Zodra het actieve model en de invoer zijn geladen op de GPU-machine, is H3-inferentie voornamelijk een lokale reken- en geheugenbelasting.

Netwerksnelheid wordt belangrijk wanneer je herhaaldelijk zeer grote checkpoints of media met een hoge bitsnelheid verplaatst tussen een NAS en de GPU-node.

Zo is het overzetten van een model van 20–60 GB heel anders dan het laden van een document van 5 MB in een lokale LLM-workflow.

Dat betekent dat AI-video de waarde van sneller thuisnetwerk verandert:

• 1GbE volstaat nog steeds voor het opslaan van afgeronde projecten en het af en toe kopiëren van modellen.
• 2,5GbE maakt het verplaatsen van grote modelbestanden een stuk eenvoudiger.
• 10GbE wordt interessanter wanneer de NAS fungeert als centrale modellenbibliotheek voor meerdere AI-werkstations of wanneer onbewerkte videobestanden voortdurend worden verplaatst.

Je GPU wordt niet sneller doordat je NAS 10GbE heeft. De rest van de workflow wel. Als het netwerk zelf de bottleneck wordt, is de vergelijking tussen 2.5GbE en 10GbE voor NAS aan de hand van daadwerkelijke bestandsgroottes, opslagsnelheid, clients, switches en overdrachtsfrequentie nuttiger.

Kan MiniMax H3 volledig offline draaien?

H3-Base kan deel uitmaken van een offline workflow zodra alle benodigde gewichten, afhankelijkheden en referentiebestanden lokaal beschikbaar zijn.

Daaronder vallen lokale tekst-naar-video, generatie op basis van keyframes en ondersteunde H3-Base-workflows op basis van referenties.

De officiële Context-IR- en Regenerate-2K-services worden echter momenteel gehost. Een workflow die op deze onderdelen steunt, is niet volledig offline.

Dit onderscheid is vooral belangrijk voor gevoelig referentiemateriaal. Als afbeeldingen, video's, stemmen of nog niet uitgebrachte commerciële assets het lokale netwerk nooit mogen verlaten, bouw de workflow dan rond H3-Base en lokale voorbewerking in plaats van ervan uit te gaan dat de volledige officiële H3-stack open is.

Dezelfde regel geldt voor elke volledig offline lokale AI-workflow: het hoofdmodel lokaal draaien is niet genoeg als authenticatie, voorbewerking, opslag, API's of andere vereiste stappen nog afhankelijk zijn van internet.

Kan MiniMax H3 lokaal 2K-video genereren?

Niet via de volledige officiële 2K-pipeline op dit moment.

H3-Base produceert het basisresultaat met een korte zijde van 768 pixels. Voor het officiële 2K-resultaat van MiniMax wordt H3-Regenerate-2K gebruikt. Dat neemt de basisvideo samen met de oorspronkelijke context en genereert het resultaat opnieuw, in plaats van alleen conventionele superresolutie toe te passen.

MiniMax zegt dat Regenerate-2K nog niet is opgenomen in de open release.

Dat weerhoudt gebruikers er niet van om lokale upscaling of communityworkflows toe te passen op H3-uitvoer. Het betekent alleen dat die aanpakken niet moeten worden verward met MiniMax' officiële H3-Regenerate-2K-pipeline.

Bij zoekopdrachten zoals 'MiniMax H3 local 2K' is dit onderscheid nuttiger dan een simpel antwoord met ja of nee:

Lokale H3-generatie is beschikbaar; de officiële volledige 2K-regeneratiefase kan nog niet volledig lokaal worden uitgevoerd.

Kan MiniMax H3 draaien op Apple Silicon?

Het lokale ecosysteem breidt zich uit tot buiten NVIDIA-GPU's.

Een opvallend communityproject is h3.c, een Metal-native H3-inferentie-implementatie voor Apple Silicon. Het huidige ecosysteem houdt de ondersteuning bij voor tekst-naar-video/audio, workflows met eerste en laatste frames en geordende referentie-inputs.

Dit maakt Macs met unified memory een interessant H3-platform, omdat Apple Silicon-systemen met voldoende geheugen de beperkingen van traditionele, aparte VRAM kunnen inruilen voor een grotere gedeelde geheugenpool.

Apple Silicon-ondersteuning moet echter los worden gezien van MiniMax' primaire referentie-implementatie. De volwassenheid van de kernel, de prestaties, het geheugengebruik en de featurepariteit kunnen snel veranderen naarmate runtimes van de community zich verder ontwikkelen.

Lokale MiniMax H3 versus H3 in de cloud: welke opstelling is verstandiger?

Het antwoord hangt af van hoeveel waarde je hecht aan eigen infrastructuur of gemak.

Voor af en toe AI-video genereren kan inferentie in de cloud veel voordeliger zijn dan een krachtige GPU kopen.

Lokale implementatie wordt interessanter wanneer de machine al beschikbaar is, het generatievolume hoog is, het bronmateriaal gevoelig is, workflows uitgebreid moeten worden aangepast of H3 slechts een van meerdere lokale AI-diensten is die dezelfde hardware gebruiken.

Daarom moeten de kosten van lokale AI versus cloud-AI ook worden beoordeeld op basis van hoe vaak je de workload uitvoert en welke hardware je al hebt, in plaats van simpelweg een API-prijs te vergelijken met de aanschafprijs van een GPU.

Waarom lokale AI-video een probleem voor de homeserver wordt

Door lokale taalmodellen te draaien, hebben gebruikers vooral leren letten op RAM en VRAM.

Videomodellen veranderen de zaak.

Een serieuze lokale video-opstelling verzamelt:

• tientallen of honderden gigabytes aan modelgewichten
• verschillende kwantiseringen van hetzelfde model
• bibliotheken met referentieafbeeldingen
• referentieaudio
• bronmateriaal
• LoRA's
• workflowbestanden
• tijdelijke renders
• meerdere versies van de uiteindelijke video

Daardoor is de langetermijnvraag niet langer alleen:

Kan mijn GPU dit model uitvoeren?

Steeds vaker is de vraag:

Kan mijn lokale infrastructuur deze volledige AI-mediapijplijn opslaan, aanbieden, ordenen, back-uppen en herhaaldelijk gebruiken?

Dat is het punt waarop een lokaal AI-workstation en een homeserver elkaar gaan aanvullen.

Browser / bewerkings-pc │ ▼ ComfyUI of lokale API │ ▼ GPU-rekenknooppunt │ ├── Actief H3-model op lokale NVMe │ ▼ NAS / homeserver ├── Modellenarchief ├── Referentiemedia ├── ComfyUI-workflows ├── Gegenereerde video's └── Back-ups 

De GPU blijft de dure rekeneenheid. De server wordt de permanente AI-werkplek.

Dit is ook een handige manier om een AI-NAS-architectuur te begrijpen: opslag hoeft de GPU-workstation niet te vervangen. De meerwaarde zit in het bieden van een stabiele laag voor data, modellen, media, indexering en back-ups rondom AI-workloads die veel rekenkracht vereisen.

Is MiniMax H3 open source?

MiniMax omschrijft H3 als een open-sourcerelease en publiceert de modelgewichten en implementatie van H3-Base openbaar. Het model wordt echter uitgebracht onder de MiniMax H3 Community License Agreement en niet onder een conventionele permissieve softwarelicentie zoals Apache-2.0 of MIT.

Het is verstandig dit onderscheid te controleren voordat je H3 commercieel inzet, herdistribueert of in een product integreert. De toepasselijke voorwaarden zijn beschikbaar bij de officiële modelrelease.

Het is ook belangrijk om het open H3-Base-checkpoint niet gelijk te stellen aan de volledige H3-dienstenstack: H3-Context-IR en H3-Regenerate-2K maken geen deel uit van de huidige open release.

Is MiniMax H3 lokaal draaien de moeite waard?

H3 is bijzonder interessant voor lokale AI, omdat het niet zomaar weer een tekst-naar-video-checkpoint is. Het combineert multimodale referenties, videogeneratie en native stereoaudio in één systeem, terwijl de open H3-Base-gewichten de lokale gemeenschap voldoende toegang bieden om nieuwe runtimes, kwantisaties, ComfyUI-workflows, API's en hardwarespecifieke optimalisaties te ontwikkelen.

Maar H3 laat ook zien welke kant lokale generatieve AI opgaat.

De uitdaging is niet langer simpelweg een model downloaden op één pc. Een bruikbare H3-omgeving kan een GPU-server, snelle lokale SSD's, honderden gigabytes aan modelopslag, een mediabibliotheek, workfloworkestratie, externe toegang en permanente netwerkopslag vereisen.

Voor een eenmalige test zijn ComfyUI en een gekwantiseerd H3-checkpoint misschien voldoende.

Voor een AI-videostack die je langdurig zelf host, is het handiger om rekenkracht, actieve modelopslag, bulkmediaopslag en toegang tot workflows van elkaar te scheiden. Die opzet blijft nuttig, zelfs wanneer het volgende open videomodel H3 bovenaan de ranglijst vervangt.

Update van november 2026: HyperFlow H3 Flash voor kortere lokale videoklussen

Video Rebirth heeft HyperFlow H3 Flash uitgebracht, een afgeleide van MiniMax H3 die de transformer van ongeveer 31B comprimeert tot circa 14B parameters en gezamenlijke video- en stereoaudio ondersteunt. Het biedt 4, 6 of 8 samplingstappen, waarbij zes de standaard is. De release bevat code, installatiehandleidingen en ComfyUI-workflows.

Voor één tekst-naar-video-en-audio-voorbeeld van 5,2 seconden meldt de uitgever 83 seconden op een RTX 5090 en 152 seconden op een RTX 4090 met de INT8-configuratie voor ComfyUI. Dit zijn metingen van de leverancier voor de genoemde workflow en instellingen; export is niet inbegrepen in de opgegeven ComfyUI-tijden. Een clip van 15 seconden, een andere referentiemodus of een andere backend kan veel langer duren. Houd bij een eerlijke vergelijking rekening met de videolengte, resolutie, audio, tekstencoder en export.

Keuze	Wanneer je het moet beoordelen	Wat je moet meten
ComfyUI INT8 safetensors	De uitgever biedt een ondersteunde configuratie en metingen op RTX-GPU's met 24 GB en 32 GB.	Piekgeheugen van de GPU, tijdelijk schijfgebruik, duur van de workflow en uitvoerkwaliteit.
Q4KM GGUF	Op de modelkaart staat een gequantiseerd transformerbestand van 9,1 GB en er worden GGUF-configuraties beschreven.	Geheugengebruik van de volledige pipeline, inclusief encoder, VAE en tussentijdse tensors.
Langere clips of meerdere referentie-invoeren	Gebruik de gedocumenteerde taak en workflow voor de beoogde invoer.	Generatietijd, piekgeheugen, audiosynchronisatie en consistentie tussen frames.

Dat een modelbestand op schijf past, betekent niet dat een GPU met 16 GB het volledige proces aankan. In de release van Video Rebirth worden geen tests op GPU's met 16 GB vermeld. Begin met de kleinste gedocumenteerde clip, houd de volledige workflow ongewijzigd en pas telkens één instelling aan.

De ontwikkelaar noemt HyperFlow een afgeleide en verwijst op de modelkaart naar de MiniMax H3 Community License Agreement. Hierin staan territoriale beperkingen en beperkingen voor het gebruik. Lees de licentie en controleer of het gebruik is toegestaan op jouw locatie en voor jouw toepassing voordat je de gewichten downloadt of gebruikt.

Veelgestelde vragen over MiniMax H3 lokaal draaien

Kan ik MiniMax H3 gratis lokaal draaien?

Je kunt de open H3-Base-gewichten op je eigen compatibele hardware gebruiken zonder API-kosten per generatie te betalen. Voor lokale inferentie heb je nog steeds hardware, opslag en elektriciteit nodig en moet je onderhoud uitvoeren. Controleer ook de MiniMax H3 Community License voor het beoogde gebruik.

Hoeveel VRAM heeft MiniMax H3 nodig?

Er is geen vaste vereiste. Communityconfiguraties lopen momenteel uiteen van een NF4-configuratie met offloading op 8 GB tot gequantiseerde builds die 12-16 GB nodig hebben en praktischere workflows voor consumenten-GPU's met 24 GB. Voor native implementatie of een minder agressieve quantisatie is aanzienlijk meer geheugen nodig.

Is 24 GB VRAM genoeg voor MiniMax H3?

Ja. Met de huidige gesnoeide en gequantiseerde H3-configuraties kun je op GPU's met 24 GB geheugen werken. Daarmee is dit een van de meest haalbare hardwareklassen voor lokaal gebruik van H3. De runtime moet nog steeds de tekstencoder, VAE's en tijdelijke tensors beheren en gegevens naar het systeemgeheugen kunnen verplaatsen.

Kan een RTX 4090 MiniMax H3 draaien?

Ja. Binnen het lokale H3-ecosysteem zijn er configuraties met één RTX 4090 die quantisatie en technieken voor geheugenefficiëntie gebruiken. Een 4090 moet worden beschouwd als een H3-platform voor quantisatie, niet als een kaart die de volledige oorspronkelijke BF16-stack in één keer in het VRAM kan laden.

Kan MiniMax H3 draaien met 8 GB VRAM?

DiffSynth-Studio biedt een NF4-workflow met een opgegeven minimum van 8 GB VRAM. Deze maakt intensief gebruik van offloading, dus je kunt dit beter zien als een configuratie om het model minimaal te kunnen gebruiken dan als een snelle productieconfiguratie.

Werkt MiniMax H3 in ComfyUI?

Ja. ComfyUI ondersteunt H3-workflows voor tekst-naar-video, afbeelding/keyframe-naar-video en generatie op basis van referenties, met opties voor lokale gekwantiseerde modellen die zijn ontworpen om de geheugenvereisten te verlagen.

Genereert MiniMax H3 lokaal audio?

Ja. H3-Base genereert gezamenlijk video en native stereoaudio. De lokale workflow gebruikt een afzonderlijke H3 Audio VAE om de gegenereerde audio-latente te decoderen.

Kan MiniMax H3 referentievideo's en -audio gebruiken?

Ja. Het Ref2VA-model ondersteunt combinaties van beeld-, video- en audioverwijzingen. Volgens de officiële modelspecificatie zijn maximaal negen afbeeldingen, drie videoclips, drie audioclips en in totaal twaalf referentiebestanden toegestaan, met inachtneming van de duurbeperkingen.

Kan MiniMax H3 volledig offline 2K-video genereren?

Momenteel niet met de volledige officiële 2K-pipeline van MiniMax. H3-Base kan lokaal draaien, maar de officiële H3-Regenerate-2K-stap wordt momenteel gehost. Lokale upscaling van derden mag niet worden verward met H3-Regenerate-2K.

Hoeveel schijfruimte moet ik reserveren voor MiniMax H3?

Voor één geoptimaliseerde workflow is mogelijk maar een fractie van de volledige repository nodig. Gebruikers die experimenteren met zowel FL2VA als Ref2VA, meerdere kwantisaties, encoders, VAE's, LoRA's en referentiemedia kunnen echter al snel honderden gigabytes nodig hebben. Bewaar actieve checkpoints op snelle lokale opslag en archiveer minder vaak gebruikte assets op opslag met een grotere capaciteit.

Kan ik MiniMax H3-modellen op een NAS opslaan?

Ja. Een NAS is handig voor modelarchieven, referentiemedia, workflows, uitvoerbestanden en back-ups. Checkpoints die vaak worden geladen, kun je meestal beter bewaren op een lokale NVMe-schijf die op de GPU-machine is aangesloten. Synchroniseer ze zo nodig met de NAS of herstel ze vanaf de NAS.

Heeft MiniMax H3 na de installatie een internetverbinding nodig?

H3-Base kan lokaal werken nadat de modelbestanden en softwareafhankelijkheden zijn gedownload. Voor workflows met MiniMax' gehoste Context-IR of de officiële Regenerate-2K-service is nog steeds internettoegang nodig.

Wat is beter voor H3, FL2VA of Ref2VA?

Gebruik FL2VA voor tekst-naar-video en workflows met het eerste en laatste frame. Gebruik Ref2VA wanneer de generatie rijkere beeld-, video- of audioverwijzingen nodig heeft. Het heeft weinig zin om de grotere configuratie met meerdere checkpoints te onderhouden als je workflow alleen eenvoudige tekst- of keyframe-aansturing nodig heeft.

Kan ik MiniMax H3 beschikbaar maken voor meerdere apparaten op mijn thuisnetwerk?

Ja. Serveerframeworks zoals SGLang en vLLM-Omni kunnen H3 via een netwerk-API beschikbaar maken, zodat laptops, werkstations of geautomatiseerde applicaties taken naar een centrale GPU-server kunnen sturen. De daadwerkelijke gelijktijdigheid en doorvoer zijn afhankelijk van het GPU-geheugen en de serveerconfiguratie.