在你的双路 E5 服务器上，跑通 MiniMax H3

BIOS 四件事（开机按 Del/F2 进设置）

2.1 下载渠道优先级

2.2 模型文件清单与大小（Comfy-Org 适配版）

下面是你真正需要下载的四个文件（以 FL2VA 文生/图生视频流程为例）。 括号内为磁盘占用，合计约 40GB。

2.3 用 aria2 从魔搭多线程下载（推荐）

先装 aria2（Windows 可用 scoop install aria2 或官网 zip 解压）。 魔搭的直链规律是 modelscope.cn/models/<仓库>/resolve/master/<路径>。 把下面的 D:\ComfyUI 换成你的实际路径，逐条执行：

复制:: 扩散主模型（文生视频 / 图生视频 / 首尾帧）
aria2c -c -x16 -s16 -k8M --file-allocation=none ^
  -d "D:\ComfyUI\models\diffusion_models" ^
  -o minimax_h3_fl2va_pruned_int8_convrot.safetensors ^
  "https://modelscope.cn/models/Comfy-Org/MiniMax-H3/resolve/master/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors"

:: 文本编码器
aria2c -c -x16 -s16 -k8M --file-allocation=none ^
  -d "D:\ComfyUI\models\text_encoders" ^
  -o qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors ^
  "https://modelscope.cn/models/Comfy-Org/MiniMax-H3/resolve/master/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors"

:: 视频 VAE + 音频 VAE
:: 说明：音频 VAE 官方只有 fp32 版；视频 VAE 请先打开仓库的 vae/ 目录，
:: 按实际存在的文件名（fp16 或 int8_convrot）替换下面第一条命令里的 -o 与 URL
aria2c -c -x16 -s16 -k8M --file-allocation=none ^
  -d "D:\ComfyUI\models\vae" ^
  -o minimax_h3_video_vae_fp16.safetensors ^
  "https://modelscope.cn/models/Comfy-Org/MiniMax-H3/resolve/master/vae/minimax_h3_video_vae_fp16.safetensors"

aria2c -c -x16 -s16 -k8M --file-allocation=none ^
  -d "D:\ComfyUI\models\vae" ^
  -o minimax_h3_audio_vae_fp32.safetensors ^
  "https://modelscope.cn/models/Comfy-Org/MiniMax-H3/resolve/master/vae/minimax_h3_audio_vae_fp32.safetensors"

参数说明：-c 断点续传；-x16 -s16 16 线程；-k8M 分块 8MB； --file-allocation=none 避免预分配大文件时卡顿。断了就重跑同一条命令，会自动续传。

2.4 如果走 Hugging Face：先设镜像

复制:: 永久写入用户环境变量（Windows）
setx HF_ENDPOINT "https://hf-mirror.com"

:: 装 CLI 后，只拉需要的文件（--include 很重要，否则会下整个仓库）
pip install -U "huggingface_hub[cli]"
hf download Comfy-Org/MiniMax-H3 ^
  --include "diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors" ^
            "text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors" ^
            "vae/*" ^
  --local-dir D:\models\MiniMax-H3

方案 A：换成 cu130（推荐）

复制:: 在 ComfyUI 的 Python 环境里重装
pip install --index-url https://download.pytorch.org/whl/cu130 torch torchvision
pip install --index-url https://download.pytorch.org/whl/cu130 --force-reinstall --no-deps torchaudio

:: 校验：三者必须都是 cu130
python -c "import torch, torchaudio; print(torch.__version__, torch.version.cuda)"

方案 B：留在 cu128

复制pip install --index-url https://download.pytorch.org/whl/cu128 torch torchvision torchaudio

:: 验证：能识别显卡 + 能真正做一次计算
python -c "import torch; print(torch.cuda.get_device_name(0)); a=torch.randn(1024,1024,device='cuda'); print((a@a).sum().item())"

只看到 is_available() = True 不算数——老版 torch 会对 sm_120 报警告、结果偷偷退回 CPU。必须跑一次真实矩阵运算。

A. 显卡 / 环境类（50 系专属）

• torch 版本必须支持 sm_120。PyTorch 2.7+ / CUDA 12.8 起步，用 cu121、cu118 的 torch 会让计算悄悄退回 CPU，慢到怀疑人生。
• 驱动低于 570 会直接失败。Blackwell 从 570.86 才有正式支持，建议 580+。
• torch 和 torchaudio 的 CUDA 版本必须一致。否则报 “compiled with different CUDA versions”，用 --force-reinstall --no-deps torchaudio 对齐。
• 不要照抄 4080/4090 的教程。那些是 Ada 架构，别人用的可能是 cu130，参数和量化选择都不一样。
• 别只看 is_available()。跑一次真实矩阵运算才算验证通过。
• NVFP4 文本编码器不需要 Blackwell 也能用，这点可以放心。

B. 量化与加速类

• cu128 下 int8_convrot 用不了，会退到 fp8_scaled。想用最优量化就得上 cu130。
• 音频 VAE 必须用 fp32 版。用其它来源的 fp16 替换，容易出现音画不同步、甚至干脆没声音。
• Sage Attention 别和 int8_convrot 权重一起上，会崩；int8 注意力也可能导致画面尾部变形、文字变糊。
• Turbo 步数越低，画面越软、音频越差。官方说音频比画面收敛更晚——8 步以下语音音色最弱，12 步以上才稳。
• 别用 city96 版的 ComfyUI-GGUF（已不维护），GGUF 路线要用 leejet/ComfyUI-GGUF。

C. 你这台老平台的高危项

• PCIe 3.0 ×8 是你最大的敌人。5060 Ti 是 ×8 的卡，插老平台带宽只有新平台的零头。offload 越频繁，越慢。可接受，但别指望速度。
• BIOS 里 Above 4G Decoding 必须开，否则可能不识别或点不亮。
• 启动模式必须 UEFI，关闭 CSM，否则 50 系卡可能黑屏无输出。
• 双路内存要开 Node Interleaving，让两个 CPU 的内存带宽都能用上。
• 服务器电源可能是专用接口，8-pin 供电要先确认能接上。
• 确认固态是 NVMe 不是 SATA。SATA 会让首次加载和 offload 都明显变慢。
• 内存只有 64G，跑之前先清场。关掉浏览器、IDE、Docker 等，给模型腾出 40G 左右空间。

D. 使用与认知类

• 路径不能有中文。装到纯英文路径下。
• 分辨率必须是 32 的倍数，16:9 原生是 1344×768，别写成 1376×768（超了模型上限）。
• 本地只有 768p。2K 要走托管服务做二次重生成，不是把尺寸栏改大就行。
• 别跳过官方工作流去手动拼节点。先跑通官方模板确认链路，再自己改。
• 带 API 标签的模板是云端的，本地跑要选不带 API 标签的那几个。
• 提示词要写“分镜”而不是“标签”。把画面、动作、镜头运动、光线、声音一起交代清楚——你不写声音，它就自己猜。

E. 授权边界（别忽略）

按显存选量化（你 = 16GB 档）

分辨率对照（16:9）

想要更高清，正确做法是：先用原生画布生成 768p，再单独跑一次放大，而不是直接生成大尺寸。

步数建议

时长与串联

单次生成 4～15 秒。想做更长的片子：把上一段的最后一帧导出，作为下一段的首帧输入， 配合 Ref2VA 锁定角色，就能拼出多镜头。社区有人用这方法做出了 30 秒三镜头、人物与声音全程一致的片段。

模型

软件与工作流