MiniMax-H3视频生成新选择Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4使用教程【免费下载链接】Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4项目地址: https://ai.gitcode.com/hf_mirrors/sakamakismile/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4是一款针对MiniMax-H3视频生成模型的无审查文本编码器通过NVFP4混合精度重新量化技术将模型体积压缩至15.7 GB使其能够在单张16 GB显存的显卡上流畅运行为创意工作者提供了更经济高效的视频生成解决方案。 为什么选择这款文本编码器对于没有80GB高端显卡的用户来说创意工作不应受限于数据中心级硬件。这款NVFP4版本的文本编码器与官方Comfy-Org的NVFP4编码器大小相同是一个直接替代方案只需将CLIPLoader指向此文件其余的MiniMax-H3工作流程保持不变。构建版本大小适配16GB显卡Heretic INT8-ConvRot上游版本26.4 GB否需要内存卸载Heretic NVFP4本仓库15.7 GB是Comfy-Org NVFP4有审查15.7 GB是 性能测试数据在以下配置下生成了6秒480×864垂直带音频视频MiniMax-H3fl2va剪枝INT8扩散模型res_multistep20步采样ComfyUI 0.30.0启用Sage Attention指标值GPU1× RTX PRO 2000 Blackwell16 GBsm_120生成期间峰值VRAM~9.9 GB编码器加载到VRAM14.9 GB动态加载ComfyUI进程使用的系统内存~36 GB在相同提示和种子下与上游INT8-ConvRot版本生成结果进行比较两者视觉效果等效——量化不会改变编码器对内容的描述。 安装与配置步骤1. 克隆仓库git clone https://gitcode.com/hf_mirrors/sakamakismile/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP42. 放置模型文件将以下文件复制到ComfyUI的文本编码器目录qwen3vl_32b_heretic_minimax_h3_nvfp4.safetensors目标路径ComfyUI/models/text_encoders/3. 配置ComfyUI在ComfyUI工作流中选择CLIPLoader节点设置类型为minimax并选择刚刚安装的文本编码器文件。4. 补充依赖仍需从Comfy-Org/MiniMax-H3获取扩散模型和VAE组件。⚠️ 注意事项硬件要求NVFP4格式需要硬件支持推荐使用Blackwell架构sm_120或更高版本的GPU。输出异常排查如果生成内容与提示无关而非仅仅质量降低可能是旋转不匹配问题而非量化本身。许可证遵循上游仓库的许可协议MiniMax-H3模型权重本身受MiniMax H3社区许可证约束。 技术背景这款文本编码器是对ethanfel/Qwen3-VL-32B-Ultra-Heretic-MiniMax-H3-ComfyUI-INT8-ConvRot的混合精度NVFP4重新量化。上游权重经过旋转处理其comfy_quant元数据为{format: int8_tensorwise, convrot: true, convrot_groupsize: 256, per_row: true}ConvRot通过将每个权重与归一化的Hadamard矩阵相乘W_stored W Hᵀ每256宽组并在运行时旋转激活来存储权重。如果不解开旋转就直接将这些权重重新量化为普通NVFP4会导致生成完全无关的视频内容。解决方法是在重新量化前再次乘以Hfrom comfy_kitchen.backends.eager.convrot_w4a4 import _build_hadamard def unrotate(w, gs256): # w: 解量化后的 [out, in] 矩阵 out_f, in_f w.shape h _build_hadamard(gs, devicew.device, dtypetorch.float32).to(w.dtype) return torch.matmul(w.reshape(out_f, in_f // gs, gs), h).reshape(out_f, in_f)该版本采用混合精度策略350个线性层使用NVFP4TensorCoreNVFP4Layout组大小16而model.embed_tokens151936 × 5120 778 M参数保留为INT8这与Comfy-Org在官方NVFP4版本中的选择一致。这种处理既能控制模型大小又能避免16GB显卡在烘焙过程中内存溢出。 相关项目无审查/Heretic工作ethanfel原始编码器Qwen3-VL-32B阿里巴巴/Qwen团队经适配用于MiniMax-H3MiniMax-H3MiniMaxAIComfyUI打包约定和量化布局Comfy-Org本NVFP4重新量化Lna-LabTono_Ken3【免费下载链接】Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4项目地址: https://ai.gitcode.com/hf_mirrors/sakamakismile/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MiniMax-H3视频生成新选择：Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4使用教程
MiniMax-H3视频生成新选择Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4使用教程【免费下载链接】Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4项目地址: https://ai.gitcode.com/hf_mirrors/sakamakismile/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4是一款针对MiniMax-H3视频生成模型的无审查文本编码器通过NVFP4混合精度重新量化技术将模型体积压缩至15.7 GB使其能够在单张16 GB显存的显卡上流畅运行为创意工作者提供了更经济高效的视频生成解决方案。 为什么选择这款文本编码器对于没有80GB高端显卡的用户来说创意工作不应受限于数据中心级硬件。这款NVFP4版本的文本编码器与官方Comfy-Org的NVFP4编码器大小相同是一个直接替代方案只需将CLIPLoader指向此文件其余的MiniMax-H3工作流程保持不变。构建版本大小适配16GB显卡Heretic INT8-ConvRot上游版本26.4 GB否需要内存卸载Heretic NVFP4本仓库15.7 GB是Comfy-Org NVFP4有审查15.7 GB是 性能测试数据在以下配置下生成了6秒480×864垂直带音频视频MiniMax-H3fl2va剪枝INT8扩散模型res_multistep20步采样ComfyUI 0.30.0启用Sage Attention指标值GPU1× RTX PRO 2000 Blackwell16 GBsm_120生成期间峰值VRAM~9.9 GB编码器加载到VRAM14.9 GB动态加载ComfyUI进程使用的系统内存~36 GB在相同提示和种子下与上游INT8-ConvRot版本生成结果进行比较两者视觉效果等效——量化不会改变编码器对内容的描述。 安装与配置步骤1. 克隆仓库git clone https://gitcode.com/hf_mirrors/sakamakismile/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP42. 放置模型文件将以下文件复制到ComfyUI的文本编码器目录qwen3vl_32b_heretic_minimax_h3_nvfp4.safetensors目标路径ComfyUI/models/text_encoders/3. 配置ComfyUI在ComfyUI工作流中选择CLIPLoader节点设置类型为minimax并选择刚刚安装的文本编码器文件。4. 补充依赖仍需从Comfy-Org/MiniMax-H3获取扩散模型和VAE组件。⚠️ 注意事项硬件要求NVFP4格式需要硬件支持推荐使用Blackwell架构sm_120或更高版本的GPU。输出异常排查如果生成内容与提示无关而非仅仅质量降低可能是旋转不匹配问题而非量化本身。许可证遵循上游仓库的许可协议MiniMax-H3模型权重本身受MiniMax H3社区许可证约束。 技术背景这款文本编码器是对ethanfel/Qwen3-VL-32B-Ultra-Heretic-MiniMax-H3-ComfyUI-INT8-ConvRot的混合精度NVFP4重新量化。上游权重经过旋转处理其comfy_quant元数据为{format: int8_tensorwise, convrot: true, convrot_groupsize: 256, per_row: true}ConvRot通过将每个权重与归一化的Hadamard矩阵相乘W_stored W Hᵀ每256宽组并在运行时旋转激活来存储权重。如果不解开旋转就直接将这些权重重新量化为普通NVFP4会导致生成完全无关的视频内容。解决方法是在重新量化前再次乘以Hfrom comfy_kitchen.backends.eager.convrot_w4a4 import _build_hadamard def unrotate(w, gs256): # w: 解量化后的 [out, in] 矩阵 out_f, in_f w.shape h _build_hadamard(gs, devicew.device, dtypetorch.float32).to(w.dtype) return torch.matmul(w.reshape(out_f, in_f // gs, gs), h).reshape(out_f, in_f)该版本采用混合精度策略350个线性层使用NVFP4TensorCoreNVFP4Layout组大小16而model.embed_tokens151936 × 5120 778 M参数保留为INT8这与Comfy-Org在官方NVFP4版本中的选择一致。这种处理既能控制模型大小又能避免16GB显卡在烘焙过程中内存溢出。 相关项目无审查/Heretic工作ethanfel原始编码器Qwen3-VL-32B阿里巴巴/Qwen团队经适配用于MiniMax-H3MiniMax-H3MiniMaxAIComfyUI打包约定和量化布局Comfy-Org本NVFP4重新量化Lna-LabTono_Ken3【免费下载链接】Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4项目地址: https://ai.gitcode.com/hf_mirrors/sakamakismile/Qwen3-VL-32B-Heretic-MiniMax-H3-NVFP4创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考