Executar o MiniMax H3 localmente: hardware, ComfyUI e uma configuração de vídeo com IA autoalojada

Sim, é possível executar o MiniMax H3 localmente. Os pesos abertos do H3-Base podem gerar vídeo e áudio estéreo nativo no seu próprio hardware, e os ambientes de execução da comunidade já conseguiram executar o modelo em GPUs de 24 GB, placas de 12–16 GB e até configurações experimentais de 8 GB.

A ressalva importante é que «executar o H3 localmente» não significa, atualmente, reproduzir offline todas as funcionalidades do pipeline alojado do MiniMax. O H3-Base está disponível para inferência local, enquanto a camada de orquestração oficial H3-Context-IR e a etapa H3-Regenerate-2K continuam alojadas. Para a maioria dos utilizadores de IA doméstica, isso faz com que o H3 seja menos uma simples transferência de modelo e mais um desafio de infraestrutura que envolve memória da GPU, RAM do sistema, armazenamento de modelos, software de fluxo de trabalho e, cada vez mais, um NAS ou servidor doméstico.

O MiniMax H3 pode mesmo ser executado localmente?

Sim. O MiniMax lançou o H3 como modelo multimodal de vídeo com pesos abertos em agosto de 2026 e disponibiliza checkpoints do H3-Base que podem ser implementados em hardware local.

O lançamento oficial do MiniMax H3 descreve o modelo como um sistema multimodal de uso geral que consegue compreender combinações de texto, imagens, vídeo e áudio, gerando vídeo juntamente com áudio estéreo nativo.

O modelo local H3-Base suporta:

• geração de vídeos de 4–15 segundos
• saída a 24 FPS
• áudio estéreo de 32 kHz
• geração de vídeo a partir de texto com áudio
• condicionamento do primeiro e do último fotograma
• referências multimodais de imagem, vídeo e áudio
• várias proporções, incluindo 16:9, 9:16, 1:1, 4:3 e 21:9

A saída predefinida do H3-Base usa uma dimensão menor de 768 píxeis. Esta distinção é importante porque a capacidade frequentemente anunciada de «até 2K» faz parte do sistema H3 completo, não apenas do fluxo de trabalho básico totalmente local.

O MiniMax H3 é totalmente local ou ainda precisa da nuvem?

Esta é a distinção mais importante para quem está a criar uma configuração privada do H3.

O fluxo de trabalho oficial completo do H3 contém três componentes principais:

O MiniMax afirma explicitamente no seu repositório oficial do H3 que o H3-Context-IR depende de vários modelos e serviços alojados e não faz parte da versão aberta atual. O H3-Regenerate-2K também ainda não é de código aberto.

Isso dá-nos dois modelos de implementação muito diferentes.

H3 totalmente local

Prompt ou multimédia de referência local → H3-Base → vídeo local da classe 768p + áudio estéreo.

Os seus ficheiros de origem, o processo de geração e o resultado podem permanecer na sua máquina. Este é o mesmo princípio geral por trás do processamento local de IA: quanto mais etapas permanecerem na sua própria rede, mais controlo mantém sobre os dados privados e as dependências dos serviços.

H3 híbrido

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

Isto pode reproduzir mais do fluxo de trabalho completo da MiniMax, mas deixa de ser um processo totalmente offline ou privado.

Por isso, se o objetivo é dar prioridade à execução local, o H3-Base é o componente mais importante.

De que hardware precisa para executar o MiniMax H3 localmente?

Não existe um único requisito de VRAM para o MiniMax H3, porque a resposta varia drasticamente consoante a precisão, a quantização, a poda do modelo, a transferência de dados, a resolução, o fluxo de trabalho e o ambiente de execução.

O modelo nativo é grande. O H3 utiliza um H3-Omni-Transformer denso de 33 mil milhões de parâmetros, enquanto o seu codificador utiliza os pesos pré-treinados do Qwen3-VL-32B. A MiniMax refere que cerca de 13 mil milhões de parâmetros do transformador pertencem a ramificações relacionadas com AdaLN, cujos resultados podem ser pré-computados e guardados em cache durante a inferência, mas isto continua muito acima da memória ocupada por um modelo de consumo típico sem quantização.

Por isso, o ecossistema local tem apostado fortemente na poda e na quantização.

O índice de integrações do H3 mantido pela MiniMax apresenta atualmente opções locais que vão desde uma configuração DiffSynth NF4 de 8 GB até compilações quantizadas de 12–16 GB e configurações ComfyUI de 24 GB.

Isso não significa que uma GPU de 8 GB seja adequada para executar o H3.

No segmento mais baixo, a falta de VRAM tem de ser compensada transferindo componentes do modelo entre a memória da GPU e a memória do sistema. Isso muda a questão de «O modelo consegue carregar?» para «Quanto tempo está disposto a esperar por cada geração?»

VRAM mínima e VRAM utilizável são duas questões diferentes. Por isso, é útil distinguir entre estrangulamentos de computação, memória e armazenamento antes de presumir que um SSD mais rápido ou um NAS pode compensar a falta de memória na GPU.

O MiniMax H3 consegue funcionar em GPUs de 24 GB, como a RTX 4090?

Sim, e 24 GB são atualmente uma das opções mais interessantes para uma configuração H3 doméstica séria.

As compilações da comunidade e orientadas para o ComfyUI reduziram o modelo de difusão ao ponto de um transformador H3 INT8 podado poder ocupar cerca de 20 GB, com o codificador de texto quantizado separadamente e os componentes do modelo transferidos para outros recursos quando necessário.

O detalhe importante é que o H3 não é um único ficheiro de pesos.

Um fluxo de trabalho de geração completo pode precisar de:

• transformador de difusão H3
• codificador de texto/visão baseado em Qwen3-VL
• VAE de vídeo
• VAE de áudio
• LoRAs opcionais ou modelos de aceleração
• multimédia de referência
• memória temporária para latentes e descodificação

Assim, um «modelo de 19 GB» não cabe automaticamente sem problemas numa GPU de 24 GB, deixando 5 GB livres.

A gestão da memória em tempo de execução é quase tão importante como o tamanho do checkpoint.

O MiniMax H3 consegue funcionar com 16 GB ou 12 GB de VRAM?

Sim, mas isto implica recorrer ainda mais a modelos quantizados pela comunidade.

O ecossistema atual inclui modelos de difusão GGUF podados e NVFP4, combinados com codificadores Qwen3-VL fortemente quantizados. Isto permite usar o H3 com 12–16 GB, mas a memória do sistema e a transferência de dados tornam-se cada vez mais importantes.

É melhor encarar esta opção como uma forma de tornar o H3 acessível do que como a configuração ideal para um uso frequente em produção.

Se gerar apenas clips curtos ocasionalmente, essa contrapartida pode ser perfeitamente aceitável. Se o H3 fizer parte de um fluxo de trabalho automatizado de conteúdos que gera dezenas de clips, a capacidade de processamento será muito mais importante do que simplesmente conseguir carregar o modelo na VRAM.

Será que o MiniMax H3 consegue mesmo funcionar com apenas 8 GB de VRAM?

Agora existe uma opção para 8 GB, mas é preciso contextualizar esse valor.

O DiffSynth-Studio disponibiliza uma configuração de inferência NF4 cuja memória VRAM mínima indicada é de 8 GB. No entanto, com essa capacidade, o uso extensivo de offloading significa que uma grande parte da carga de trabalho deixa de permanecer na GPU.

Por isso, para uma configuração com 8 GB, a pergunta relevante não é:

«O H3 inicia?»

É:

«O tempo de geração resultante é aceitável para o que quero fazer?»

Para testar o H3, aprender os fluxos de trabalho ou gerar um clip ocasional, uma experiência com 8 GB pode ser útil. Para gerar vídeo localmente de forma recorrente, mais VRAM continua a ser uma grande melhoria em termos de facilidade de utilização.

FL2VA vs Ref2VA: que modelo MiniMax H3 deve utilizar?

O H3-Base está disponível em duas variantes orientadas para tarefas específicas. Escolher a opção certa pode poupar espaço de armazenamento e reduzir a complexidade do fluxo de trabalho.

H3-Base-FL2VA

O FL2VA centra-se na geração orientada por texto e fotogramas-chave.

Se o seu objetivo é a geração convencional de texto para vídeo ou de imagem para vídeo, o FL2VA é normalmente a opção mais simples para começar.

H3-Base-Ref2VA

O Ref2VA foi concebido para um condicionamento multimodal mais rico com referências.

Segundo o cartão oficial do modelo H3, o Ref2VA pode aceitar até:

• 9 imagens
• 3 clips de vídeo
• 3 clips de áudio
• 12 ficheiros de referência no total

Isto abre fluxos de trabalho locais muito mais interessantes: referência de personagem, transferência de movimento, referência de estilo, referência de voz, edição de vídeo de origem ou combinações de vários tipos de multimédia.

Mas, se não precisar dessas referências, descarregar e gerir um segundo checkpoint de grandes dimensões ocupa espaço de armazenamento sem necessariamente melhorar um fluxo de trabalho simples de texto para vídeo.

Qual é a forma mais fácil de executar o MiniMax H3 localmente?

Para a maioria dos utilizadores individuais, o ComfyUI é atualmente a opção mais fácil para começar.

A MiniMax indica o ComfyUI, juntamente com o Diffusers, o SGLang e o vLLM, como uma das opções de implementação suportadas. O ComfyUI também lançou suporte para o H3 desde o primeiro dia e disponibilizou versões com menor consumo de memória, destinadas a GPU de consumo.

A versão do H3 para ComfyUI explica que a poda dos pesos de modulação do H3, a quantização INT8, os kernels personalizados e a descarga dinâmica da VRAM reduzem significativamente a utilização de memória em comparação com uma implementação de precisão total.

Uma configuração local prática é assim:

1. Instale ou atualize o ComfyUI.
2. Escolha um fluxo de trabalho MiniMax H3 de texto para vídeo, imagem para vídeo ou referência para vídeo.
3. Transfira o modelo de difusão correspondente.
4. Transfira o codificador de texto compatível com o H3.
5. Adicione os VAEs de vídeo e áudio.
6. Comece com uma geração curta, com resolução da classe de 768p.
7. Acompanhe a utilização da memória da GPU e da RAM do sistema.
8. Só depois aumente a duração, a resolução ou a complexidade do fluxo de trabalho.

Esta ordem é importante. Depurar o H3 enquanto se usa ao mesmo tempo um clipe longo, o número máximo de referências, uma resolução elevada e extensões exigentes torna difícil perceber se a falha se deve ao modelo, à memória, aos nós ou ao próprio fluxo de trabalho.

ComfyUI vs Diffusers vs SGLang vs vLLM-Omni para H3

O melhor ambiente de execução depende menos dos resultados dos testes de desempenho do que da forma como o H3 será utilizado.

Esta distinção torna-se importante quando o H3 deixa de ser apenas uma experiência.

Um criador que produz manualmente um vídeo de cada vez precisa de uma arquitetura muito diferente da de uma casa ou estúdio onde vários dispositivos enviam tarefas de geração para uma única máquina GPU central. A mesma separação já é abordada em guias práticos sobre separar a computação do armazenamento: o NAS não tem de executar as tarefas de inferência mais exigentes só por ser o local onde os dados estão guardados.

O MiniMax H3 pode funcionar como uma API local de geração de vídeo?

Sim.

Esta é uma das razões pelas quais o H3 é interessante para além da experimentação em computadores de secretária. O SGLang e o vLLM-Omni podem transformar o H3 num serviço, em vez de exigir que os utilizadores interajam diretamente com o processo do modelo.

Por exemplo, a receita vLLM-Omni H3 disponibiliza a geração através de uma interface /v1/videos ao estilo da OpenAI.

Isto permite uma arquitetura de IA doméstica diferente:

Portátil / telemóvel / automatização ↓ API H3 local ↓ Servidor GPU ↓ Vídeo e áudio gerados ↓ Armazenamento local 

Quando o H3 é exposto desta forma, a estação de trabalho com GPU deixa de ter de ser a máquina onde o utilizador edita prompts, gere projetos ou guarda os ficheiros multimédia finalizados.

A computação e o armazenamento podem tornar-se serviços separados.

De quanto armazenamento precisa o MiniMax H3?

O armazenamento é um dos requisitos do H3 mais fáceis de subestimar.

O repositório oficial do MiniMax H3 inclui ambas as famílias de tarefas, pesos dos transformadores, o codificador baseado em Qwen, VAEs, estruturas Diffusers e ficheiros de suporte. O repositório completo pode ocupar centenas de gigabytes se descarregar tudo.

O índice de integração do MiniMax H3 indica atualmente que o repositório original completo ocupa cerca de 464 GiB. Os pesos originais dos transformadores FL2VA e Ref2VA ocupam cerca de 62 GiB cada, antes de optar por variantes de menor precisão ou reduzidas.

Não precisa de descarregar tudo isso para executar o H3.

Uma configuração doméstica sensata deve, em vez disso, separar:

• checkpoint ativo
• quantizações alternativas
• variantes FL2VA e Ref2VA
• codificadores de texto
• VAEs
• LoRAs
• imagens e vídeos de referência
• conteúdo gerado
• projetos arquivados

É aqui que o vídeo local gerado por IA começa a parecer muito mais uma carga de trabalho de armazenamento do que uma aplicação tradicional de IA para computadores de secretária. Uma arquitetura mais abrangente de IA local e armazenamento de ficheiros torna-se útil quando os modelos, os ficheiros multimédia de origem, os resultados e as cópias de segurança precisam todos de um local permanente.

Os modelos MiniMax H3 devem ser guardados num NAS?

Sim, para alguns ficheiros, mas não necessariamente para todas as partes da inferência ativa.

Uma arquitetura útil separa o armazenamento de acesso frequente do armazenamento de grande capacidade.

Guardar no SSD local da máquina com GPU

• checkpoint H3 atualmente ativo
• codificador de texto ativo
• ficheiros temporários de geração
• cache
• ficheiros carregados repetidamente durante a inferência

Guardar no NAS ou no servidor doméstico

• quantizações H3 alternativas
• versões mais antigas dos modelos
• arquivos FL2VA e Ref2VA
• biblioteca de conteúdos multimédia de referência
• vídeos concluídos
• cópias de segurança de fluxos de trabalho do ComfyUI
• conteúdos do projeto
• dados de treino ou conjuntos de dados LoRA

Esta separação evita transformar o armazenamento em rede num estrangulamento desnecessário sempre que se carrega um modelo, impedindo ao mesmo tempo que centenas de gigabytes de conteúdos de IA ocupem a estação de trabalho.

Num laboratório doméstico ao estilo ZimaSpace, esta é a forma mais útil de pensar no H3: o nó com GPU gera, enquanto o servidor doméstico organiza e conserva o espaço de trabalho de IA.

O MiniMax H3 precisa de uma rede 10GbE?

Não para a etapa de geração propriamente dita. Depois de carregar o modelo ativo e os dados de entrada na máquina com GPU, a inferência H3 depende sobretudo do processamento e da memória locais.

A velocidade da rede torna-se importante quando transfere repetidamente checkpoints muito grandes ou conteúdos multimédia com uma taxa de bits elevada entre um NAS e o nó com GPU.

Por exemplo, transferir um modelo de 20–60 GB é muito diferente de carregar um documento de 5 MB num fluxo de trabalho com um LLM local.

Isto significa que o vídeo gerado por IA altera o valor de uma rede doméstica mais rápida:

• O 1GbE continua a ser suficiente para guardar projetos concluídos e copiar modelos ocasionalmente.
• O 2,5GbE reduz significativamente os entraves ao transferir ficheiros de modelos grandes.
• Os 10GbE torna-se mais interessante quando o NAS é uma biblioteca central de modelos para várias estações de trabalho de IA ou quando os ficheiros de vídeo brutos são transferidos constantemente.

A GPU não fica mais rápida por o NAS ter 10 GbE. É o fluxo de trabalho envolvente que melhora. Se a própria rede se tornar o estrangulamento, a comparação mais útil é NAS de 2,5 GbE vs 10 GbE, tendo em conta os tamanhos reais dos ficheiros, o débito do armazenamento, os clientes, os switches e a frequência das transferências.

O MiniMax H3 pode funcionar completamente offline?

O H3-Base pode ser usado como parte de um fluxo de trabalho offline quando todos os pesos, dependências e ficheiros de referência necessários já estiverem disponíveis localmente.

Isto inclui a geração local de texto para vídeo, a geração condicionada por fotogramas-chave e os fluxos de trabalho H3-Base suportados, orientados por referências.

No entanto, os serviços oficiais Context-IR e Regenerate-2K estão atualmente alojados. Um fluxo de trabalho que dependa desses componentes não é totalmente offline.

Esta distinção é especialmente importante para materiais de referência sensíveis. Se o requisito for que imagens, vídeos, vozes ou materiais comerciais ainda não lançados nunca saiam da rede local, conceba o fluxo de trabalho em torno do H3-Base e do pré-processamento local, em vez de presumir que toda a stack oficial H3 é de código aberto.

A mesma regra aplica-se a qualquer fluxo de trabalho de IA local totalmente offline: executar o modelo principal localmente não é suficiente se a autenticação, o pré-processamento, o armazenamento, as API ou outras etapas necessárias continuarem a depender da Internet.

O MiniMax H3 consegue gerar vídeos em 2K localmente?

Atualmente, não através do pipeline oficial completo em 2K.

O H3-Base produz o resultado base com uma dimensão menor de 768 píxeis. O resultado oficial em 2K da MiniMax utiliza o H3-Regenerate-2K, que recebe o vídeo base juntamente com o contexto original e regenera o resultado, em vez de se limitar a aplicar super-resolução convencional.

A MiniMax afirma que o Regenerate-2K ainda não está incluído na versão de código aberto.

Isso não impede os utilizadores de aplicarem aumento de resolução local ou fluxos de trabalho comunitários a um resultado H3. Significa apenas que essas abordagens não devem ser confundidas com o pipeline oficial MiniMax H3-Regenerate-2K.

Para pesquisas como «MiniMax H3 local 2K», esta distinção é mais útil do que uma resposta simples de sim ou não:

A geração local de H3 está disponível; a etapa oficial de regeneração completa em 2K ainda não é totalmente local.

O MiniMax H3 pode funcionar em Apple Silicon?

O ecossistema local está a expandir-se para além das GPU NVIDIA.

Um projeto comunitário notável é o h3.c, uma implementação de inferência H3 nativa em Metal, concebida para Apple Silicon. O ecossistema atual acompanha o suporte para texto para vídeo/áudio, fluxos de trabalho com primeiro e último fotogramas e entradas de referência ordenadas.

Isto faz dos Mac com memória unificada uma plataforma H3 interessante, porque os sistemas Apple Silicon com memória suficiente podem contornar as limitações tradicionais da VRAM dedicada, recorrendo a uma reserva maior de memória partilhada.

No entanto, o suporte ao Apple Silicon deve continuar a ser considerado à parte do percurso de implementação de referência principal da MiniMax. A maturidade do kernel, o desempenho, a pressão sobre a memória e a paridade de funcionalidades podem mudar rapidamente à medida que os runtimes da comunidade evoluem.

MiniMax H3 local ou na cloud: qual é a configuração mais adequada?

A resposta depende de valorizar mais o controlo da infraestrutura ou a conveniência.

Para gerar vídeos com IA ocasionalmente, a inferência na cloud pode fazer muito mais sentido do ponto de vista económico do que comprar uma GPU de gama alta.

A implementação local torna-se mais interessante quando a máquina já existe, o volume de geração é elevado, os ficheiros multimédia de origem são sensíveis, os fluxos de trabalho precisam de muita personalização ou o H3 é apenas um de vários serviços locais de IA que partilham o mesmo hardware.

É também por isso que os custos da IA local em comparação com a IA na cloud devem ser avaliados em função da frequência de utilização e do hardware que já possui, em vez de se comparar simplesmente o preço de uma API com o preço de compra de uma GPU.

Porque está o vídeo com IA local a tornar-se um problema de servidor doméstico

A execução de modelos de linguagem locais habituou os utilizadores a pensar sobretudo na RAM e na VRAM.

Os modelos de vídeo alteram a equação.

Uma configuração local séria para vídeo acumula:

• dezenas ou centenas de gigabytes de pesos de modelos
• várias quantizações do mesmo modelo
• bibliotecas de imagens de referência
• áudio de referência
• filmagens originais
• LoRAs
• ficheiros de fluxos de trabalho
• renders temporários
• várias versões do vídeo final

Por isso, a pergunta a longo prazo já não é apenas:

A minha GPU consegue executar este modelo?

Cada vez mais:

A minha infraestrutura local consegue armazenar, disponibilizar, organizar, salvaguardar e reutilizar repetidamente todo este fluxo de trabalho de multimédia com IA?

É neste ponto que uma estação de trabalho de IA local e um servidor doméstico começam a complementar-se.

Navegador / PC de edição │ ▼ ComfyUI ou API local │ ▼ Nó de processamento com GPU │ ├── Modelo H3 ativo num NVMe local │ ▼ NAS / Servidor doméstico ├── Arquivo de modelos ├── Multimédia de referência ├── Fluxos de trabalho do ComfyUI ├── Vídeos gerados └── Cópias de segurança 

A GPU continua a ser o dispendioso motor de processamento. O servidor passa a ser o espaço de trabalho persistente para IA.

Esta é também uma forma útil de compreender uma arquitetura de NAS com IA: o armazenamento não tem de substituir a estação de trabalho com GPU. O seu valor está em fornecer uma camada estável de dados, modelos, multimédia, indexação e cópias de segurança em torno de cargas de trabalho de IA que exigem muita capacidade de processamento.

O MiniMax H3 é de código aberto?

A MiniMax descreve o H3 como uma versão de código aberto e publica publicamente os pesos do modelo H3-Base e a sua implementação. No entanto, o modelo é disponibilizado ao abrigo do Contrato de Licença Comunitária MiniMax H3, e não de uma licença de software permissiva convencional, como a Apache-2.0 ou a MIT.

Convém verificar esta distinção antes de uma implementação comercial, da redistribuição ou da integração do H3 num produto. Os termos aplicáveis estão disponíveis no lançamento oficial do modelo.

Também é importante não confundir o checkpoint aberto H3-Base com todo o conjunto de serviços H3: o H3-Context-IR e o H3-Regenerate-2K continuam fora do atual lançamento aberto.

Vale a pena executar o MiniMax H3 localmente?

O H3 é particularmente interessante para a IA local porque não é apenas mais um checkpoint de texto para vídeo. Combina referências multimodais, geração de vídeo e áudio estéreo nativo num único sistema, enquanto os pesos abertos do H3-Base dão à comunidade local acesso suficiente para criar novos ambientes de execução, quantizações, fluxos de trabalho do ComfyUI, APIs e otimizações específicas para hardware.

Mas o H3 também mostra o rumo da IA generativa local.

O desafio já não consiste simplesmente em descarregar um modelo para um único PC. Um ambiente H3 útil pode incluir um servidor com GPU, SSD locais rápidos, centenas de gigabytes de armazenamento para modelos, uma biblioteca multimédia, orquestração de fluxos de trabalho, acesso remoto e armazenamento de rede persistente.

Para um teste pontual, o ComfyUI e um checkpoint H3 quantizado podem ser suficientes.

Para uma infraestrutura de vídeo com IA autoalojada a longo prazo, a arquitetura mais útil consiste em separar o processamento, o armazenamento ativo dos modelos, o armazenamento em massa de multimédia e o acesso aos fluxos de trabalho. Esta estrutura continuará a ser útil mesmo quando o próximo modelo de vídeo aberto substituir o H3 no topo da classificação.

Atualização de novembro de 2026: HyperFlow H3 Flash para tarefas locais de vídeo mais curtas

A Video Rebirth publicou o HyperFlow H3 Flash, uma variante do MiniMax H3 que comprime o transformador de cerca de 31B para aproximadamente 14B parâmetros e suporta vídeo e áudio estéreo em conjunto. Disponibiliza 4, 6 ou 8 passos de amostragem, sendo seis a predefinição. O lançamento inclui código, guias de instalação e fluxos de trabalho do ComfyUI.

Num exemplo de texto para vídeo e áudio com a duração de 5,2 segundos, o editor indica 83 segundos numa RTX 5090 e 152 segundos numa RTX 4090 na configuração INT8 do ComfyUI. Estas medições foram realizadas pelo fabricante para o fluxo de trabalho e as definições indicados, excluindo a exportação dos tempos citados para o ComfyUI. Um clipe de 15 segundos, um modo de referência diferente ou outro backend podem demorar muito mais. A duração do vídeo, a resolução, o áudio, o codificador de texto e a exportação devem fazer parte de uma comparação justa.

Opção	Quando avaliar	O que medir
Safetensors INT8 do ComfyUI	O editor disponibiliza uma opção compatível e medições em GPUs RTX de 24 GB e 32 GB.	Memória máxima da GPU, utilização temporária do disco, duração do fluxo de trabalho e qualidade do resultado.
GGUF Q4KM	O cartão do modelo indica um ficheiro de transformador quantizado de 9,1 GB e documenta configurações GGUF.	Memória de todo o fluxo de trabalho, incluindo o codificador, o VAE e os tensores intermédios.
Clipes mais longos ou várias entradas de referência	Utilize a tarefa e o fluxo de trabalho documentados para a entrada pretendida.	Tempo de geração, memória máxima, sincronização de áudio e consistência entre fotogramas.

O facto de um ficheiro do modelo caber no disco não significa que uma GPU de 16 GB consiga executar o fluxo de trabalho completo. A versão da Video Rebirth não apresenta testes em GPUs de 16 GB. Comece pelo clipe mais curto documentado, mantenha todo o fluxo de trabalho inalterado e mude uma definição de cada vez.

O programador identifica o HyperFlow como um derivado, e o cartão do modelo remete para o Acordo de Licença Comunitária do MiniMax H3. Este inclui restrições territoriais e de utilização. Leia a licença e confirme se a utilização pretendida está autorizada na sua localização antes de transferir ou utilizar os pesos.

Perguntas frequentes sobre a execução local do MiniMax H3

Posso executar o MiniMax H3 localmente e de graça?

Pode executar os pesos abertos do H3-Base no seu próprio hardware compatível sem pagar uma taxa de API por geração. A inferência local continua a ter custos de hardware, armazenamento, eletricidade e manutenção. Os utilizadores devem consultar a Licença Comunitária do MiniMax H3 para a utilização que pretendem fazer.

De quanta VRAM precisa o MiniMax H3?

Não existe um requisito único. Atualmente, as configurações da comunidade vão desde uma opção NF4 com transferência de dados, que requer 8 GB, até compilações quantizadas de 12–16 GB e fluxos de trabalho mais práticos com GPUs de consumo de 24 GB. A implementação nativa ou com quantização menos agressiva requer substancialmente mais memória.

24 GB de VRAM são suficientes para o MiniMax H3?

Sim. As configurações atuais do H3, podadas e quantizadas, conseguem executar em GPUs de 24 GB, o que faz desta uma das classes de hardware local H3 mais realistas. O ambiente de execução continua a ter de gerir o codificador de texto, os VAE, os tensores temporários e a transferência de dados para a memória do sistema.

Uma RTX 4090 consegue executar o MiniMax H3?

Sim. O ecossistema local do H3 inclui configurações com uma única RTX 4090, utilizando quantização e técnicas para poupar memória. Uma 4090 deve ser encarada como uma plataforma H3 quantizada, e não como uma placa capaz de carregar de uma só vez toda a stack original em BF16 na VRAM.

O MiniMax H3 consegue funcionar com 8 GB de VRAM?

O DiffSynth-Studio disponibiliza um fluxo de trabalho NF4 com um mínimo declarado de 8 GB de VRAM. Depende fortemente do descarregamento para a memória do sistema, pelo que é mais adequado encará-lo como uma configuração de requisitos mínimos do que como uma solução de produção rápida.

O MiniMax H3 funciona no ComfyUI?

Sim. O ComfyUI suporta fluxos de trabalho H3 para texto para vídeo, imagem/fotograma-chave para vídeo e geração orientada por referências, com opções de modelos quantizados locais concebidas para reduzir os requisitos de memória.

O MiniMax H3 gera áudio localmente?

Sim. O H3-Base gera vídeo e áudio estéreo nativo em conjunto. O fluxo de trabalho local utiliza um VAE de áudio H3 separado para descodificar o latent de áudio gerado.

O MiniMax H3 consegue utilizar vídeos e áudio de referência?

Sim. O modelo Ref2VA suporta combinações de referências de imagem, vídeo e áudio. A especificação oficial do modelo permite até nove imagens, três clips de vídeo, três clips de áudio e doze ficheiros de referência no total, sujeitos aos limites de duração.

O MiniMax H3 consegue gerar vídeo em 2K completamente offline?

Atualmente, não através do pipeline oficial completo de 2K da MiniMax. O H3-Base pode ser executado localmente, mas a etapa oficial H3-Regenerate-2K é atualmente alojada. O aumento de resolução local com ferramentas de terceiros não deve ser confundido com o H3-Regenerate-2K.

Quanto espaço em disco devo reservar para o MiniMax H3?

Um único fluxo de trabalho otimizado pode exigir apenas uma fração do repositório completo, mas os utilizadores que experimentam tanto o FL2VA como o Ref2VA, várias quantizações, codificadores, VAEs, LoRAs e suportes de referência podem rapidamente ocupar centenas de gigabytes. Guarde os checkpoints ativos num armazenamento local rápido e arquive os recursos menos utilizados num armazenamento de maior capacidade.

Posso armazenar modelos do MiniMax H3 num NAS?

Sim. Um NAS é útil para arquivos de modelos, suportes de referência, fluxos de trabalho, resultados e cópias de segurança. Normalmente, é preferível manter os checkpoints carregados com frequência numa unidade NVMe local ligada à máquina com GPU e, quando necessário, sincronizá-los com o NAS ou restaurá-los a partir dele.

O MiniMax H3 precisa de ligação à Internet após a instalação?

O H3-Base pode funcionar localmente depois de transferir os ficheiros do modelo e as dependências de software. Os fluxos de trabalho que utilizam o Context-IR alojado pela MiniMax ou o serviço oficial Regenerate-2K continuam a exigir acesso à rede.

Qual é melhor para o H3, FL2VA ou Ref2VA?

Utilize o FL2VA para fluxos de trabalho de texto para vídeo e com fotogramas inicial e final. Utilize o Ref2VA quando a geração exigir referências mais ricas de imagem, vídeo ou áudio. Não há grande motivo para manter a configuração maior com vários checkpoints se o seu fluxo de trabalho só precisar de condicionamento básico por texto ou fotogramas-chave.

Posso disponibilizar o MiniMax H3 a vários dispositivos na minha rede doméstica?

Sim. Frameworks de serviço, como SGLang e vLLM-Omni, podem disponibilizar o H3 através de uma API de rede, permitindo que portáteis, estações de trabalho ou aplicações automatizadas enviem tarefas para um servidor GPU central. A concorrência e o débito efetivos dependem da memória da GPU e da configuração do serviço.