我用 RTX 4090 跑 MiniMax H3：5 秒视频耗时、显存和画质

大家好，我是程序员晚枫（Wayne Liu）。

「我这张卡跑 H3，一条 5 秒视频到底要等多久？」——这是后台问得最多的一句。

今天就把话说透：显存决定能不能跑，也决定你要等多久，但它决定不了画质上限。

先把数据来源讲清楚，免得误导：下面的耗时、显存、分辨率数字，来自 MiniMax 官方开源说明、ComfyUI 官方教程，以及社区公开的量化版实测汇总。我按 RTX 4090（24GB）这一档整理成表，不同量化格式、驱动版本、提示词长度都会有出入，这是可复现的公开口径，不是我逐台机器掐表跑出来的。

👉 点击这里下载 LibTV 桌面端： https://libtv.cgref.cn/s/9omkl4jn4d

一、5 秒视频要等多久，先看你在哪一档

先给一张对照表。这是社区用量化版跑出来的量级，方便你对号入座：

显卡	显存	一条 5 秒视频大概耗时	能稳定出的画质
RTX 3060 / 4060	8–12GB	约 5–10 分钟	480p 为主，768p 要压时长
RTX 4070 Ti / 4080	12–16GB	约 1–2 分钟	720p–768p
RTX 4090	24GB	约 1–2 分钟（长片段约 10 分钟）	768p 标准参数
RTX 5090	32GB	10 秒片段约 175 秒	768p 高时长更从容

再放两个参照系，你就知道「快」是有代价的：官方口径里，4 张 H100（80GB）跑一条约 13 秒；而 2 张 RTX 5090 生成 5 秒约 9 分钟。

同一个模型，从 13 秒到 10 分钟，差了几十倍。

差的不是模型聪明不聪明，是算力和显存带宽。

显卡是本地生成里最贵的那一个零件

所以「MiniMax H3 生成速度」这个问题，从来不该问「H3 快不快」，该问「你这张卡跑 H3 快不快」。

我见过有人拿办公本跑，等了十分钟去泡了杯茶，回来进度条还在第一帧。

嗯，那杯茶倒是不亏。

二、显存是硬门槛，不是「差一点也能凑合」

这里得讲透一个原理，不然你会一直纠结「我 8GB 是不是也能跑」。

官方权重是 BF16 精度，主网络 33B 参数、文本编码器 32B，合计约 130GB。这个体积单张消费级显卡根本放不下。

那为什么 12GB 也能跑？靠三件事：

量化：把权重从 16 位压到 4 位、8 位，相当于把一本精装书缩印成口袋本，体积能小到几分之一
动态卸载：显存放不下的部分临时挪到内存，要用再搬回来，像书桌太小就先把不常用的书放回书架
步数压缩：把 20 步的精修降到 4–8 步的速写，画面糙一点，但快得多

于是就有了这张显存档位表：

显存	可行配置	实际体验
6–8GB	4 位量化 + 卸载，480p、短时长	能出片，但接近「抽卡」
12GB	4 位量化，768p 低时长或 480p 满时长	入门门槛，RTX 3060 这一档
16GB	4 位量化，768p 标准参数	比较舒服，4070 Ti Super 级别
24GB	4 位 / FP8，768p 高时长	最稳的一档，也就是 4090

「MiniMax H3 显存要求」的一句话答案：12GB 起步，24GB 舒服，8GB 以下别硬撑。

还有个规划上的坑：显存占用 = 权重体积 + 生成时的临时缓存，而缓存随时长、分辨率往上走。所以同一张卡，8 秒能跑不代表 15 秒也能跑。稳妥做法是先用 8 秒验证，再逐步加时长。

两个官方检查点分别管不同的活

图片来源：MiniMax H3 官方开源说明

另外官方放的是两个检查点：FL2VA 管文生视频、首尾帧；Ref2VA 管多图、视频、音频参考，最多 9 张图 + 3 段视频 + 3 段音频。参考素材越多，进模型的序列越长，显存吃得越狠——这也是「配置够」还失败的一个隐藏原因。

👉 点击这里下载 LibTV 桌面端： https://libtv.cgref.cn/s/9omkl4jn4d

三、画质：768p 是本地的天花板，不是显卡的锅

很多人问我：「我 4090 都上了，怎么还出不了 2K？」

因为这不是显卡问题，是开源范围问题。

MiniMax 开源的是 H3-Base，输出短边默认 768 像素、24 帧、最长 15 秒、32kHz 立体声，支持 11 种语言对白。而把它拉到原生 2K 的 H3-Regenerate-2K，还有负责把复杂指令翻译好的 H3-Context-IR，这两个都还在官方托管服务里，只给接口，没给权重。

所以本地能调的画质旋钮，其实是这三个：

能调的	怎么调	代价
步数	20 步精修 ↔ 4–8 步速写	快了容易丢细节
分辨率	864×480 抽卡 → 1344×768 出最终版	高分辨率更慢、更吃显存
抽卡次数	同一提示词多跑几遍挑最好的	时间成本

「MiniMax H3 本地有声视频」这件事是真做到了——画面和声音在同一个模型里一起生成，不是后期配音。这一点比画质数字更值得说。

反过来，「把分辨率硬拉到 2K」这条路目前在本地不存在。别在设置里翻了，翻不到的。

顺带说一句授权：权重受 MiniMax H3 Community License 约束，有适用地域和营收门槛，商用界面还要求显著标出「MiniMax H3」。所以别把「本地免费」直接理解成「随便商用」。

最后说句实在的。

显卡决定的是「等多久」，开源范围决定的是「能到哪」。把这两件事分清楚，你就不会为了一个本地根本不存在的 2K 按钮，去怪自己那张 4090 不够贵。

选对档位，比堆配置有用得多。

💬 来评论区聊聊

你手上是哪张卡、跑一条 5 秒要多久？评论区报个型号和耗时，咱们攒一张真实的配置对照表。