/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Библиотека
stable-diffusion.cpp
Опубликована
16 авг 2026

MiniMax-H3-NVFP4-GGUF

Видео по тексту и кадрамИзображение, текст → видео3 профессии

Набор NVFP4-весов MiniMax H3 в формате GGUF для генерации видео по тексту и изображениям через stable-diffusion.cpp.

2 157скачиваний за 30 дней0лайковвеса обновлены16 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это набор весов диффузионной модели MiniMax H3, преобразованный в GGUF с типом NVFP4 и опубликованный brurpo для запуска через stable-diffusion.cpp. В репозитории представлены варианты FL2VA и Ref2VA, полные и прореженные; исходные тензоры взяты из официальных BF16-релизов Comfy-Org/MiniMax-H3. Модель предназначена для генерации видео по тексту и изображениям; MiniMax H3 также поддерживает создание видео со стереозвуком.

Это не самостоятельный пакет: для работы требуются текстовый энкодер Qwen3-VL и видео-VAE, а для синхронной генерации звука — аудио-VAE. NVFP4-исполнение ориентировано на видеокарты NVIDIA архитектуры Blackwell и совместимую сборку CUDA. Файлы проверены на загрузку и пробную генерацию через stable-diffusion.cpp. Лицензия указана как other, поэтому условия следует сверять с лицензиями исходной модели и репозитория; конкретные условия в карточке не приведены.

Сценарии применения

  • генерация видео по текстовому описанию
  • создание видео на основе исходного изображения
  • локальный запуск MiniMax H3 через stable-diffusion.cpp
  • создание коротких видео со стереозвуком при подключении аудио-VAE

Ограничения

Для запуска нужны отдельные текстовый энкодер и видео-VAE; синхронная генерация звука требует также аудио-VAE. NVFP4-исполнение ориентировано на совместимые Blackwell GPU и сборку CUDA.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniMax H3 NVFP4 GGUF

Native GGML_TYPE_NVFP4 GGUF diffusion-model weights for MiniMax H3. These files target the MiniMax H3 support in stable-diffusion.cpp and Blackwell-class NVIDIA GPUs.

This repository contains all four combinations of task and pruning level:

FileTaskBytesNVFP4 tensorsSHA-256
minimax_h3_fl2va_nvfp4.ggufFL2VA, full18,685,049,56847040699037ee725b5fab15594694bbbd50abbaec65bf3c03420be3be171105e229
minimax_h3_fl2va_pruned_nvfp4.ggufFL2VA, pruned11,380,270,1444187400c9a10b667322a13cf9f874182e9f5f0daf9b7129eeeef3d90b65b56e176e
minimax_h3_ref2va_nvfp4.ggufRef2VA, full18,685,049,5684704ea6459d6282b3be3a60274ba623431869d6d2299a470ad1fc8888997066e7dd
minimax_h3_ref2va_pruned_nvfp4.ggufRef2VA, pruned11,380,270,144418aa3d1b849da4014eb2f09a07c09c99a416bb16499493bd22778e13e92fba32bb

Compatibility

These are GGUF files with native NVFP4 tensors. They are not ComfyUI packed-NVFP4 safetensors. They were converted and tested with stable-diffusion.cpp commit ea7f0c8.

The diffusion model is not a complete standalone H3 package. In stable-diffusion.cpp it also needs:

  • a MiniMax H3 Qwen3-VL text encoder, such as qwen3vl_32b_minimax_h3-Q2_K_M.gguf;
  • minimax_h3_video_vae_fp16.safetensors;
  • minimax_h3_audio_vae_fp32.safetensors when generating synchronized audio.

NVFP4 GPU execution requires a compatible Blackwell NVIDIA GPU and a CUDA build whose compiled architectures include the installed device. Other backends may be able to load the GGUF container but are not the target of this release.

Provenance

The source tensors are the official BF16 releases under Comfy-Org/MiniMax-H3:

Source fileBytesOfficial LFS SHA-256
diffusion_models/minimax_h3_fl2va_bf16.safetensors66,280,487,368907d4add438438ec1544f5240c3b38532ed934fe6be75677a6bbda2a6fdd6182
diffusion_models/minimax_h3_fl2va_pruned_bf16.safetensors40,225,724,176a32572fb90b5508b201ec7c2eddcc184b13ddfd3c6f6d2cf06a0b46535d541b4
diffusion_models/minimax_h3_ref2va_bf16.safetensors66,280,487,368e32c54c1a7b4f5f397f195cea267ccb18806303bb665678c4bee60953bdf3026
diffusion_models/minimax_h3_ref2va_pruned_bf16.safetensors40,225,724,17637c0da793e20ca735272ec2be655f08a2e10f97a3ec8fdfb40f5b39a736ed6fe

Conversion command pattern:

sd-cli --mode convert --model SOURCE.safetensors --output OUTPUT.gguf --type nvfp4

Validation

All four files passed the following checks before upload:

  1. official source byte length and LFS SHA-256;
  2. GGUF v3 structure, expected H3 tensor count, and native type-40 NVFP4 tensor inventory;
  3. complete stable-diffusion.cpp load with the Q2 H3 text encoder plus video and audio VAEs;
  4. one-step, 256x256, 9-frame CUDA video generation on an NVIDIA GeForce RTX 5070 Ti (compute capability 12.0);
  5. successful diffusion sampling, VAE decode, and non-empty AVI output.

The full variants exceed 16 GiB if staged as one buffer. They passed with --max-vram 14 --stream-layers; the pruned variants passed with ordinary CPU parameter offload. Low-level backend tests also identified CUDA0 and passed native NVFP4 matrix multiplication plus the supported SM 12.0 flash-attention cases.

License

The upstream MiniMax H3 Community License Agreement is included as LICENSE. Review it before downloading, redistributing, or using these derivatives.

Related artifact

An independently published compatible NVFP4 GGUF exists at convertor/minimax-h3-gguf for the Ref2VA-pruned variant. This repository's purpose is to provide a consistently converted and validated four-variant set.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · stable-diffusion.cpp

Нельзя запустить

Задача «image-text-to-video» пока не поддерживается рантаймом.

Ревизия весов
81afcaa

0 моделей