HyperFlow H3 Flash 本地部署：RTX 4090 跑 5 秒视频要 152 秒

摘要：HyperFlow H3 Flash 把约 31B 的 MiniMax-H3 transformer 压缩到 13.7B，6 步采样、无需 CFG，输出 1344×768 视频并同步生成 32kHz 立体声。本文基于官方模型卡、ComfyUI 节点 README 和官方基准文档，整理部署清单、内存与显存要求、真实耗时和授权限制。

先给结论

一句话：它把「能不能在消费级显卡上跑」变成了「要等多久」，但还谈不上一键秒出片。

规格一览

部署四步

1. 升级 ComfyUI

官方节点要求 ComfyUI 0.43.0 及以上（带原生 MiniMax-H3 支持），官方基准跑在 0.44.0。直接升级到最新版即可，不必卡某个小版本。下载：https://comfy.org/download/

走 INT8 路线时还需要 --enable-triton-backend，或使用 CUDA 13.0+ 编译的 PyTorch，否则会退回 PyTorch INT8 fallback，速度慢约 50%。

2. 安装节点

GGUF 路线（两个节点）：

cd ComfyUI/custom_nodes
git clone https://github.com/city96/ComfyUI-GGUF
git clone https://github.com/Video-Rebirth/ComfyUI-HyperFlow-Flash
pip install -r ComfyUI-HyperFlow-Flash/requirements.txt   # 在 ComfyUI 的 Python 环境里执行

INT8 路线（一个节点）： 只装 ComfyUI-HyperFlow-Flash，不需要 ComfyUI-GGUF。节点包需 1.1.0 或更新，HyperFlow Loader 会自动识别带 hyperflow 元数据的 INT8 safetensors。普通 loader 不认双时间嵌入和分解后的线性层，不要混用。

3. 放置模型文件（3 + 1）

HyperFlow 只压缩了主扩散网络，文本编码器、视频 VAE、音频 VAE 沿用 MiniMax-H3，所以是 3 个共用组件 + 1 个 HyperFlow 主权重：

ComfyUI/models/
├── diffusion_models/
│   ├── minimax_h3_fl2va_hyperflow_flash_14b-Q4_K_M.gguf               # fl2va GGUF
│   ├── minimax_h3_fl2va_hyperflow_flash_14b-int8_convrot.safetensors   # 或 INT8
│   └── minimax_h3_ref2va_hyperflow_flash_14b-Q4_K_M.gguf              # ref2v 用，可选
├── text_encoders/
│   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors                   # 约 15.7 GB
└── vae/
    ├── minimax_h3_video_vae_fp16.safetensors                           # 约 5.21 GB
    └── minimax_h3_audio_vae_fp32.safetensors                           # 约 605 MB

下载来源（建议只用官方）：

• 主权重：https://huggingface.co/VideoRebirthAI/hyperflow-h3-flash
• 文本编码器与两个 VAE：https://huggingface.co/Comfy-Org/MiniMax-H3

4. 选工作流

装好节点后，在 ComfyUI 的 Workflow → Browse Templates → ComfyUI-HyperFlow-Flash 能直接看到官方模板，也可以把 JSON 拖进画布。

官方地址：https://github.com/Video-Rebirth/ComfyUI-HyperFlow-Flash/tree/main/example_workflows

GGUF 与 INT8 各有一套，文件名带 _int8 的是 INT8 版。另有社区维护的 INT8 工作流（含稀疏注意力版本）：https://huggingface.co/BennyDaBall/HyperFlow-H3-Flash-INT8-ComfyUI/tree/main/workflows ，其帧数、时长和加速幅度以工作流内节点参数为准，目录页未提供官方数据。

工作流导出的 MP4（保存在 ComfyUI/output/hyperflow/）内嵌了工作流元数据，把 MP4 拖回 ComfyUI 就能还原整张图。

关键参数

• prompt：把画面、运动、镜头运动、声音写进同一条提示词，不要负面提示词。
• width / height：32 的倍数，横屏 1344×768，竖屏 768×1152。
• length：17n + 5，124 帧 ≈ 5.2 秒，362 帧 = 15 秒。
• steps：在 HyperFlow Sigmas 节点里选 4 / 6 / 8，默认 6。
• 采样器保持 euler，BasicGuider 的 cfg = 1.0。
• ref2va：GGUF 与 ComfyUI INT8 路线只接受图片参考，视频和音频参考需要 Python 包。提示词里用 <Picture 1>、<Picture 2> 指代参考图。
• 每张参考图都会给每一步增加 token。ref_image_size 默认 match，改成 max 后，2048 的图片会让 5.2 秒片段耗时翻倍。

官方基准：到底要等多久

条件：Q4_K_M GGUF + qwen3vl_32b_minimax_h3_nvfp4_awq，1344×768，6 步，--fast-disk，32GB 内存配置。

ref2v 峰值显存单独计：4090 为 22 GiB，5090 为 30 GiB。

另一组端到端 t2v 数据（ComfyUI 0.44.0，PyTorch 2.13 + CUDA 13.0，不含保存 MP4，格式为 5.2 秒 / 15 秒）：

INT8 在 5.2 秒 t2v 上的峰值显存：PRO 6000 为 39 GiB，5090 为 31 GiB，4090 为 21 GiB。

怎么读这些数据： 4090 出 5 秒片段约两分半，出 15 秒要十二分钟以上。「快」是相对原版几十步采样而言。质量方面，官方给出的 PSNR（对比 BF16 GGUF，同 seed）为 INT8 18.0 dB、Q8_0 17.5 dB、Q4_K_M 14.8 dB，量化越低，画面偏离越大。

INT8 与 GGUF 的采样速度差距不大（H200 上 INT8 198 s，Q8_0 192 s，BF16 194 s），INT8 的价值主要在省内存和不依赖 ComfyUI-GGUF，而不是数量级提速。

系统内存与 --fast-disk

官方的分档看的是系统内存，不是显存：

Windows 便携版在 run_nvidia_gpu.bat 里改为：

.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --fast-disk

使用建议：

• 用 --fast-disk 时模型放在 NVMe SSD 上，未缓存的层会在各阶段反复读盘。
• INT8 safetensors 在 16GB 内存的 PC 上（留 12 GiB 给 ComfyUI）可以不加 --fast-disk，官方在 5090 和 4090 上验证过。GGUF 建议加，4090 上还要补 --disable-cuda-malloc（默认 CUDA allocator 跑 15 秒 Q4_K_M 会崩）。
• Windows 跑 15 秒长片段时，任务管理器「性能 → 内存」里「已使用」应低于物理内存，「已提交」一旦超过就会换页，每一步都变慢。

两个 INT8 专属坑

1. 内核后端：ComfyUI 用 comfy-kitchen 跑 INT8 线性层。CUDA 后端要求 PyTorch 编译于 CUDA 13.0+，Triton 后端需要 --enable-triton-backend，否则退回 PyTorch fallback，慢约 50%。
2. 2³¹ 元素上限：Triton INT8 内核用 32 位偏移，单层输出超过 2³¹ 个元素会返回错误值。fl2va 在 1344×768 下卡在 294 帧。官方 HyperFlow Loader 用分块行处理规避，其他 INT8 加载器有同样限制。

首尾帧用法

首尾帧（flf2v）的思路是：同一角色，给两个机位或姿态作为首帧和尾帧，再配一条把动作、镜头和声音写在一起的提示词，让模型补齐中间过渡。做角色连续的短片时，可以先用角色定妆图配合 ref2v 工作流保持一致，再用首尾帧控制具体镜头。

授权与合规（商用前必读）

下载或使用权重即视为接受该协议，要点：

• 地域排除：全球授权，但明确排除欧盟、英国、韩国、美国；这些司法辖区的个人或组织下载前需取得 MiniMax 事先授权。
• 可接受使用政策（AUP）：公开分发生成内容必须明确标注为 AI 生成。
• 商业门槛：年营收超过 2000 万美元的产品或服务需 MiniMax 事先书面授权，产品 UI 需显著显示 MiniMax H3。
• 输出限制：生成结果不得用于训练或改进其他 AI 模型。
• 再分发：需随附协议与 NOTICE，标注被修改的文件，不得附加额外条款。

协议原文：https://huggingface.co/VideoRebirthAI/hyperflow-h3-flash/blob/main/LICENSE

常见问题

16GB 显存的卡能跑吗？ 官方写的是「16 GB GPUs are not measured yet」。已验证的是 24GB（4090/3090）和 32GB（5090）。注意「16GB 系统内存 + --fast-disk」和「16GB 显存」不是一回事。

模型加载报错怎么办？ 最常见三条：换成 HyperFlow Loader；INT8 权重需要节点包 1.1.0+；GGUF 路线需要安装 city96/ComfyUI-GGUF，并确认文件放在正确目录。

跑长视频崩溃？ 15 秒 Q4_K_M GGUF 在 4090 上默认 CUDA allocator 会崩，加 --disable-cuda-malloc。INT8 超过 294 帧（fl2va，1344×768）会触发 Triton 32 位偏移问题，用官方 HyperFlow Loader。

能出竖屏、能加旁白吗？ 竖屏可以（768×1152）。音轨由模型同步生成，声音通过提示词描述，不是后期导入旁白。

我的测试（建议补充）

在这里写你自己的硬件配置、系统内存、所用权重和实际耗时。有了自己的数据，这篇文章的原创价值会高很多。

参考来源