MiniMax-H3-Image-GGUF量化版本怎么选?Q2_K到Q5_K_M显存需求完整对照清单
MiniMax-H3-Image-GGUF量化版本怎么选?Q2_K到Q5_K_M显存需求完整对照清单
MiniMax-H3-Image-GGUF 为 33.1B 参数的 AI 文生图模型 MiniMax-H3-Image 提供了从 Q2_K 到 Q5_K_M 的完整 GGUF 量化权重,最低 8GB 显存即可本地运行。本文给出 5 个量化版本的文件大小、显存需求与画质取舍完整对照清单,帮你一分钟选对显卡适配版本。
30秒速览:你的显卡该选哪个量化版本
| 显卡显存 | 推荐量化版本 | 文件大小 | 画质定位 |
|---|---|---|---|
| 8–10 GB | Q2_K |
6.88 GB | 省显存拉满,笔记本/入门显卡可跑 |
| 12 GB | Q3_K_M |
8.91 GB | 性价比高,量化损失明显低于 2-bit |
| 12–16 GB | Q4_K_S |
11.60 GB | 4-bit 小体积版,显存与速度均衡 |
| 16 GB | Q4_K_M ⭐ |
11.60 GB | 官方推荐甜点,接近无损画质 |
| 16–24 GB | Q5_K_M |
14.10 GB | 最高保真,与完整 BF16 难以区分 |
💡 默认选择:16GB 显卡直接上 Q4_K_M,README 中官方标注为 "Recommended sweet spot"。
为什么 2-bit 量化还能保住画质
MiniMax-H3-Image-GGUF 能"小而不糊",靠两个工程要点:
- 先剪枝、再量化:权重由结构剪枝后的 BF16 主 checkpoint(pruned DiT)直接转换而来,并非对 33.1B 全量参数硬量化;
- 敏感层严格保留 FP32:24 通道输入 patchifier
video_patch_proj、6 步 PDD 输出头final_layer、低秩调制基adaln_basis/adaln_t_table均不量化,从源头消除量化噪点与网格伪影。
这就是 6.88GB 的 Q2_K 版本也能在 8GB 笔记本显卡上出可用图的原因。
显存逐档拆解:Q2_K 到 Q5_K_M 怎么选
8GB / 10GB 显卡 → Q2_K
- 文件:MiniMax-H3-Image-Pruned-Q2_K.gguf(6.88 GB)
- 定位:最大显存节省,消费级笔记本和入门显卡轻松容纳
- 提示:VAE 与文本编码器同样占显存,建议搭配 1MP–4MP 分辨率运行
12GB 显卡 → Q3_K_M(显存吃紧可选 Q4_K_S)
- MiniMax-H3-Image-Pruned-Q3_K_M.gguf(8.91 GB):量化损失显著低于 2-bit,效率优先之选
- MiniMax-H3-Image-Pruned-Q4_K_S.gguf(11.60 GB):4-bit 小体积变体,画质更稳但余量更小
- ⚠️ 显存不足时先降分辨率(4MP 起步即可),不要急着降档换模型
16GB 显卡 → Q4_K_M(推荐甜点)
- MiniMax-H3-Image-Pruned-Q4_K_M.gguf(11.60 GB)
- 对标准显卡实现接近无损的视觉质量,README 示例画廊全部来自 Q4_K_M 出图
- 仓库自带的默认工作流正是按 Q4_K_M 搭配 Q3_K_M 文本编码器配置
16–24GB 显卡 → Q5_K_M
- MiniMax-H3-Image-Pruned-Q5_K_M.gguf(14.10 GB)
- 最高保真,"与完整 BF16 难以区分",专业产出的最终选择
ComfyUI 部署三步走
1️⃣ 获取量化模型文件
git clone https://gitcode.com/hf_mirrors/Abiray/MiniMax-H3-Image-GGUF
把选定的 GGUF 文件放入 ComfyUI/models/unet/(或 diffusion_models/)。
2️⃣ 备好配套文件(缺一个都加载不了)
- 24 通道 Image VAE:
minimax_h3_image_vae_fp16.safetensors→ 放入ComfyUI/models/vae/⚠️ 切勿误用标准 4 通道 SD/Flux VAE 或旧版 H3 的 16 通道视频 VAE
- Qwen3-VL-32B 文本编码器(读取 layer 50 隐状态)→ 放入
ComfyUI/models/clip/或text_encoders/,GGUF 量化版与官方 NVFP4 / AWQ / BF16 版均可
3️⃣ 加载模型与导入工作流
- 确保 ComfyUI v0.45.0+ 并安装 ComfyUI-GGUF 加载器。本仓库所有文件已内嵌 6 步采样调度(
pdd_sigmas)元数据,原版 Unet Loader (GGUF) 节点开箱即用,零脚本零补丁 - 若你的 ComfyUI-GGUF 版本较旧,可将 minimax_h3_image_gguf_fix.py 放入
ComfyUI/custom_nodes/作为可选兜底,自动注入 6 步 PDD sigma 调度与 24 通道 latent 参数 - 仓库附带开箱即用的工作流:image_minimax_h3_image_t2i_gguf.json,导入即用
关键生成参数一览
MiniMax-H3-Image 是蒸馏 PDD(Piecewise Decoupled Diffusion)模型,参数有固定最佳值,不可随意调高:
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 采样器 Sampler | euler |
— |
| 调度器 Scheduler | simple / sgm_uniform |
— |
| 采样步数 Steps | 6 | 融合 PDD 头精确标定 6 步 |
| CFG Scale | 1.0 | 无 CFG,勿用高 CFG 或负面提示词 |
| Denoise | 1.0 |
— |
| 分辨率 | 1024² / 2048² / 4096² | 有效区间 4MP–20MP,16MP 效果最佳 |
🖼️ 低分辨率下模型表现不佳:工作流内置说明给出了 16MP 常用尺寸,如 1:1 用 4096×4096、16:9 用 5472×3072,显存够用就往上拉。
一句话总结
- 8GB 显卡 → Q2_K(先跑起来);12GB → Q3_K_M(效率优先);16GB → Q4_K_M(推荐甜点);24GB → Q5_K_M(极限画质)
- 部署顺序:GGUF 扩散模型 + 24 通道 VAE + Qwen3-VL-32B 文本编码器,三件套齐了再点"生成"
- 更多参数细节、提示词指南与许可说明见 README.md
登录后查看全文


