/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
MiniMax-H3
Опубликована
13 авг 2026

MiniMax-H3-Turbo-GGUF

Видео из изображенияИзображение, текст → видео3 профессии

MiniMax-H3-Turbo-GGUF — это квантизированная версия мультимодальной генеративной системы MiniMax H3, разработанной MiniMaxAI.

3 777скачиваний за 30 дней3лайкавеса обновлены13 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

Репозиторий molbal предоставляет самостоятельные GGUF-чекпойнты варианта FL2VA Turbo 4-step v1.0 для запуска в ComfyUI. Модель предназначена для унифицированной генерации видео и синхронизированного стереозвука по тексту, изображению или паре первого и последнего кадров, включая сценарии text-to-audio-video, image-to-audio-video и first/last-frame-to-audio-video. Также заявлена поддержка мультимодальных режимов с видео- и аудиовходом на уровне исходной системы, но конкретные возможности данной сборки описаны прежде всего для T2VA, I2VA и FL2VA.

Модель обучалась для разрешения 1344×768 при частоте 24 кадра в секунду и формирует стереозвук с частотой 32 кГц. Turbo-дистилляция сокращает генерацию до 4 шагов NFE; для видео используется shift 6, для аудио — shift 3. GGUF-файлы содержат полные объединённые веса базовой модели и Turbo-компонентов, поэтому отдельные базовые веса или LoRA-адаптеры не требуются. Доступны варианты Q4_0 размером около 11,4 ГБ, Q8_0 около 21,4 ГБ и Q8_CR около 20,2 ГБ; Q4_0 обеспечивает меньшее потребление ресурсов при более низком качестве, а Q8-варианты — более высокое качество. Q8_CR предназначен для совместимости с узлами molbal/ComfyUI-GGUF.

Основные сильные стороны — мультимодальность, совместная генерация видео и нативного стереозвука, а также высокая скорость благодаря четырём шагам дистилляции. Ограничения включают привязку данной версии к разрешению 768p и необходимость использования ComfyUI с совместимым GGUF Loader и специализированным sampler для MiniMax H3 Turbo; требования к памяти зависят от выбранного варианта квантизации. Модель распространяется по MiniMax H3 Community License Agreement; это лицензия с особыми условиями, а не стандартная свободная лицензия.

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-Turbo (FL2VA 4-step v1.0 768p GGUF Quantizations)

This repository provides GGUF quantized versions and ComfyUI workflows for the FL2VA Turbo 4-step v1.0 768p variant of MiniMax-H3-Turbo. MiniMax H3 is an omni-modal generative system supporting unified text, image, video, and audio generation with native stereo audio.

The Turbo distillation compresses inference down to 4 steps (NFE) at 768p resolution with shifted schedules.

[!IMPORTANT] Full Merged Checkpoints: These GGUF files contain full merged weights (the base model + distilled turbo weights merged directly into a standalone model checkpoint), not separate LoRA adapters. You load them directly as diffusion models in ComfyUI without needing additional base weights or LoRA loaders.

Model Specifications

ParameterSpecification
Distilled VariantFL2VA Turbo 4-step v1.0 768p
TasksFL2VA / I2VA / T2VA (First/Last Frame & Text to Audio-Video)
Training Resolution768p (1344×768)
Training Shifts (Video / Audio)6 / 3
Distillation Steps (NFE)4
Recommended Inference Steps (NFE)4
Frame Rate24 FPS
Audio Output32 kHz stereo

Repository Contents

GGUF Models

  • minimax_h3_fl2v_turbo_4step_v1.0_768p_Q4_0.gguf (11.4 GB)
  • minimax_h3_fl2v_turbo_4step_v1.0_768p_Q8_0.gguf (21.4 GB)
  • minimax_h3_fl2v_turbo_4step_v1.0_768p_Q8_CR.gguf (20.2 GB)

Quantization Formats

[!NOTE] Q8_CR is specifically created to work with the molbal/ComfyUI-GGUF ComfyUI custom nodes.

FormatQualityNotes
Q4_0LowerStandard 4-bit GGUF quantization.
Q8_0HighStandard 8-bit GGUF quantization.
Q8_CRHigh (≈ Q8_0)Q8_0 quality with INT8 ConvRot weights.

ComfyUI Usage & Node Requirements

To run these GGUF models in ComfyUI, install the following custom node packages:

  1. GGUF Loader Node (one of the following):
  2. MiniMax H3 Turbo Sampler (one of the following):

Model Placement

Place the downloaded GGUF files in your ComfyUI models directory:

ComfyUI/models/diffusion_models/minimax_h3_fl2v_turbo_4step_v1.0_768p_Q8_CR.gguf

(or ComfyUI/models/unet/ depending on your GGUF loader configuration)

Shift & Sampling Schedule

For NFE = 4, video shift = 6, and audio shift = 3:

  • Define unshifted evaluation points: $q_i = \frac{4 - i}{4}$ for $i = 0, 1, 2, 3 \rightarrow [1.0, 0.75, 0.5, 0.25]$
  • Recommended inference step count: 4 steps.

Supported Input Modes (FL2VA)

  • Text-to-Audio-Video (T2VA): No image input connected.
  • Image-to-Audio-Video (I2VA): One image connected to first_frame.
  • First-and-Last-Frame-to-Audio-Video (FL2VA): Two images connected to first_frame and last_frame.

ComfyUI Workflows

Example workflows are provided in the workflows/ directory:

  • workflows/minimax_h3_t2v-turbo-gguf.json — Text-to-Audio-Video (T2VA) Turbo workflow.
  • workflows/minimax_h3_i2v-turbo-gguf.json — Image-to-Audio-Video (I2VA / FL2VA) Turbo workflow.

License

MiniMax H3 is released under the MiniMax H3 Community License Agreement.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → видео» пока не запускаются: нужен ввод изображения для diffusion.

Ревизия весов
0d2775e

0 моделей