MiniMax H3 本地部署：两张 RTX 4090 能跑，但真适合拿来接单吗？
·约 8 分钟阅读
H3 权重放出来后，社区里问得最多的不是 33B、Audio VAE 或稀疏注意力，而是更直接的一句：4090 到底能不能跑？ 现在已经有了可核对的答案：一台 16GB 的 4090 笔记本跑出了 5 秒、960×540 的视频，用时 182 秒；官方也给出了双卡低显存路线和四张 B300 的速度样例。所以这篇先不讲一堆结构名词。先看下面三段官方样片，再决定 H3 值不值得你花一个晚上测试，还是值得认真租一组 GPU。
H3 真正的新鲜感，不是参数，而是画面和声音一起生成
下面三段来自 MiniMax 官方模型仓库的可复现 768p 样片。它们不是 ComputeUnion 自测，也不是精选宣传片；先点开看运动、人物与声音，再决定这套模型值不值得占用你的 GPU 预算。
文字直接生成画面与声音
官方可复现 768p 样片；适合先看镜头运动、声音与画面是否同时成立。
用首帧或首尾帧控制镜头
比纯文生视频更适合角色、产品和转场需要明确起点或终点的任务。
把图片、视频和声音一起作为参考
这是 H3 最值得测试的部分：身份、动作、镜头和声音能否在同一条生成里保持关系。
三条记录的分辨率、步数、量化、注意力优化和机器内存并不相同，不能当成显卡排行榜；它们只说明部署跨度有多大。
两张 4090 可以验证想法，生产预算要看每条合格视频
下面才把官方部署路线与 ComputeUnion 当前租赁行情放到一起。价格是市场观测，不是 MiniMax 或 GPU 厂商报价；低价也不代表一定有足够内存、存储和库存。
不想从零装环境，可以直接从 H3 一键镜像创建实例
优云智算的 H3 社区镜像可用于创建实例，按作者说明初始化后通过工作台使用；镜像页建议 48GB 显存，具体卡型还要核对库存和当前版本兼容性。2026-09-13 创建页显示镜像费 ¥0.60/小时，GPU 实例与存储另计，不能把镜像费当成整台机器的租金。
推广说明：通过该链接注册或创建实例，ComputeUnion 可能获得推广奖励，不增加你的镜像标价。
2× RTX 4090：低显存验证路线
官方 vLLM 配方为 1024×576，并依赖分层卸载与约 384 GiB 级主机内存；能运行不等于适合低延迟生产。
4× H200：模型常驻路线
部署配方可让模型常驻显存，减少消费卡路线的层搬运；真实吞吐仍要用自己的时长和参考素材测试。
4× B300：官方已公布速度样例
vLLM 文档记录约 87 秒生成 8.7 秒、1248×768、带同步音频的视频；这是指定配置快照，不是通用承诺。
别把“开放权重”看成“整条 2K 链路全部开放”
H3-Base 权重可以下载，但 H3-Context-IR 仍是托管模块，H3-Regenerate-2K 尚未作为开放检查点发布；许可证也不是 Apache 或 MIT。
人民币成本按当前单卡最低美元跟踪价乘以文档所列 GPU 数量，并使用站内固定汇率 1 USD = 7.25 CNY 换算；不含 CPU、约 384 GiB 主机内存、存储、网络、税费、整机起租和运维。
我最想测的不是分辨率，而是它能不能把人、动作和声音拴在一起
H3 可以同时读取文字、图片、视频和音频参考，再生成带原生 32 kHz 立体声音频的视频。基础版本覆盖 4 到 15 秒、24 FPS；FL2VA 负责文生视频和首尾帧控制，Ref2VA 可以把多张图、视频和音频参考放进同一个任务。
所以第一轮别急着追 2K。拿同一张角色图、同一段动作参考和同一条声音，连续跑一小批镜头。人物、运动和声音能一起稳住，这个模型才可能帮你省后期；如果三样东西总有一样掉链子，换更贵的 GPU 也不会自动把工作流救回来。
开源是真开源，但不是整套产品都搬回家
H3-Base 权重可以下载，MiniMax 也给出了 SGLang、vLLM、Diffusers 和 ComfyUI 路线。不过完整 2K 产品链路还有两扇门在云端：H3-Context-IR 仍是托管的预处理与编排模块，H3-Regenerate-2K 也还走官方 API，并不是开放检查点。
MiniMax H3 Community License 也不是 Apache-2.0 或 MIT。它带有地区、商业规模和署名条件。在自己机器上跑通演示，和把它写进客户合同，是两回事。真准备商用，先读许可证。
33B、46B、64B 先别吵，部署时看的是机器怎么扛
模型卡写的是 33B Transformer，另有大约 13B 的 AdaLN 分支可以缓存；vLLM 配方又用另一套口径描述完整系统。几个数字回答的不是同一个问题。真正出现在账单里的，是检查点、运行时缓冲、VAE、音频链路、主机内存、卸载传输和失败重试。
两张 4090 适合试错，不适合拿来证明你能接生产单
官方文档确实给了 2× RTX 4090 24GB、1024×576 的低显存路线，但它依赖分层卸载，还需要大约 384 GiB 级主机内存。用它验证安装、参考素材、提示词和出片率很合适；拿它和模型常驻的 H200、B300 比延迟，就不公平了。
一旦模型层在主机内存和显卡之间来回搬，PCIe 和内存带宽都会进入每一条视频的等待时间。能装下，只说明门打开了，不代表生产线已经开起来。
真要花第一笔钱，我会先做一组很无聊的固定测试
准备 20 到 50 条固定提示词，角色参考、时长和输出设置都别乱换。只记四件事：可交付成片数、单条时间、失败重试、搭环境花了多久。第一批镜头真的能用，再把完全相同的任务搬到常驻路线测试。
最后比较的应该是每条合格视频的租赁成本，不是哪张卡的小时价看起来最便宜。卡数 × 小时价 × 生成时间只是开头，废片和工程时间也得写进同一本账。上面的 ComputeUnion 卡片会读取当前 GPU 市场观测价，点进对应 GPU 页面还能继续看渠道和价格变化。
什么时候继续用 API 反而更省
如果想先看现成社区工作台怎么选，我们另外实拍整理了H3 云端镜像与租机费用指南，把实例、磁盘、镜像三项费用分开说明。这是创建页核价记录，不是视频生成性能实测。
9 月补充：fal 已推出单独后训练的 H3 Max 托管服务。新写的H3 Max API 与 GPU 租赁成本分析，把分辨率收费表和本站当日 B300 报价放在一起算；原版开放权重与 H3 Max 并不是同一个模型。
只做一轮活动、工作室还在试风格，或者必须使用托管 2K 模块时，API 通常更轻。你不用处理下载、编译、超大主机内存和推理编排。只有任务长期稳定、GPU 利用率能持续拉高、素材隐私有硬要求，或者团队确实要改模型和推理栈，自部署才开始有经济意义。
把 H3 放进短剧流程，它更像镜头工，不是导演
先锁剧本和分镜，再准备稳定的角色参考。需要首尾动作衔接时用 FL2VA；人物、运动和声音都要约束时再用 Ref2VA。每个镜头单独验收，只重做失败的那一段。AI 短剧制作流程页和制作成本页可以继续把镜头选择接到模型与 GPU 价格上。
如果这笔租赁费是我自己掏
我会先租最小的文档路线，把固定测试跑完，而不是一上来追最贵的机器。H3 通过出片率这一关，再拿同一批任务比较 H200 和 B300，让“合格成片成本”决定要不要升级。任务零散或者离不开托管 2K 模块，我就不养推理栈，继续用 API。
数据来源与核对方法
能力与开放边界来自 MiniMax H3 官方模型卡和 MiniMax H3 Community License。部署路线核对了 SGLang 配方、vLLM 配方和 ComfyUI 教程。GPU 价格和曲线来自 ComputeUnion 当前市场观测，不是固定报价；口径见方法说明和完整 GPU 租赁比价。