MiniMax H3 三大量化版本横评:mxfp8、FP8 e4m3fn 与 fp16attn 28.7GB 版该怎么选?
MiniMax H3 三大量化版本横评:mxfp8、FP8 e4m3fn 与 fp16attn 28.7GB 版该怎么选?
本文横评 MiniMax H3 fl2va(首尾帧图生视频+音频)扩散模型的三个量化版本:mxfp8、FP8 e4m3fn 与 fp16attn 28.7GB 版,帮你在显存、体积与画质之间做出最省心的选择。仓库来自 README.md,基于 MiniMaxAI/MiniMax-H3 原版做量化,支持图生视频、文生视频、图生视频带音频等任务。
💡 先说结论:显存紧张选 fp16attn 28.7GB;追求 5 步极速生成选 mxfp8;追求画质甜点区(8 步)选 fp8_e4m3fn。
三个版本一张表看懂差异
| 版本 | 文件 | 体积 | 最低步数 | 定位 |
|---|---|---|---|---|
| mxfp8 | minimax_h3_fl2va_mxfp8.safetensors | 47.6GB | 5 步(shift 8) | 5 步口型/对话场景音频更好 |
| fp16attn_fp8 | minimax_h3_fl2va_fp16attn_fp8.safetensors | 28.7GB | 8 步 | 画质与速度均衡,体积最小 |
| fp8_e4m3fn | minimax_h3_fl2va_fp8_e4m3fn.safetensors | 47GB | 8 步 | 全 FP8 量化,8 步是画质甜点 |
三个版本共享同一套采样配方:Sampler 用 dpmpp_2m,Scheduler 用 sgm_uniform,这是拿到稳定效果的前提。
mxfp8:5 步快速出片的音频优选
mxfp8 采用 MXFP8 块级缩放量化,官方标注它在 5 步(说话人镜头、动作幅度小)与 8 步(shift 8) 下音频表现更好。
适合场景:
- 需要最快出片(5-step + 5steps 配置)
- 口型、说话人镜头等音频敏感场景
- 想与 fp8 版做 A/B 对比评测
对比提示词可以直接参考 demo/mxfp8_vs_fp8/prompt_barista.txt(咖啡师拉花 8 秒分镜)和 demo/mxfp8_vs_fp8/prompt_cat_whiskers.txt。
fp16attn 28.7GB:显存和下载时间都最省
这是唯一"注意力层保持 FP16、其余 FP8"的混合精度版本,下载量只有 28.7GB,比另两个版本省将近一半。官方定位就是 Balanced quality and performance(画质与性能均衡),推荐 8 步、shift 8.0 出片。
适合场景:
- 硬盘空间或带宽有限
- 显存吃紧、需要更稳的运行余量
- 日常批量生成,不想为量化精度多付下载成本
fp8 e4m3fn:全 FP8 精度,8 步画质甜点
fp8_e4m3fn 是标准的 E4M3FN 格式全量 FP8 量化,体积 47GB。作者实测结论:
- 最低可用 8 步,低于 8 步效果会明显掉档
- 8 步 + 8steps 是质量与速度的最佳平衡点
- 关键张量(
adaln_proj、norm、biases、rope 等)刻意保留 BF16/FP32 精度,避免量化损伤集中在最敏感的位置
另外仓库还附带了 minimax-h3_video_vae_bf16/minimax_h3_video_vae_bf16.safetensors,注意 README 说明:VAE 必须整体保持 FP16 加载,量化 VAE 目前不会带来提速。
该选哪个?按需求对号入座
- ⚡ 要快:mxfp8 + 5 步配置,出片最快,音频在对话场景占优
- 💾 要省:fp16attn_fp8(28.7GB),下载、显存双节省,8 步画质均衡
- 🎬 要好:fp8_e4m3fn + 8 步 + shift 8,全 FP8 精度下的画质上限
配套资源:工作流、放大模型与增强节点
仓库把常用环节都打包好了,直接拖进 ComfyUI 就能用:
- workflow/MiniMax-I2V-5-step.json:5 步快速工作流
- workflow/MiniMax-I2V-workflow.json:标准图生视频工作流
- workflow/MiniMax-I2V-upscale_RIFE_Frame_Interpolation.json:放大 + RIFE 补帧工作流
低分辨率提速技巧:先按 736x416 生成,再用 upscale_models/2xNomosUni_esrgan_multijpg.pth 或 upscale_models/RealESRGAN_x2plus.pth 放大到 1472x832 并补到 60fps,单段约 56 秒。仓库内还备有 upscale_models/4x-UltraSharp.pth、upscale_models/RealESRGAN_x4.pth 与 upscale_models/remacri_original.safetensors。
文本增强节点:如果你发现提示词中的细节(尤其是人物结构、指定词) adherence 偏弱,仓库内置的 ComfyUI-MiniMaxH3-Text-Enhancer 节点可以放大文本条件信号——不需要训练、不改权重,直接串在模型加载器和采样器之间即可。核心逻辑见 ComfyUI-MiniMaxH3-Text-Enhancer/init.py,建议起点参数 strength = 2.0、mode = deviation。
小结
三个版本本质是"体积 × 速度 × 画质"的三角权衡:mxfp8 主打快(5 步)、fp16attn 主打省(28.7GB)、fp8_e4m3fn 主打稳(8 步甜点)。建议先用 fp16attn 跑通流程,再按画质需求决定是否升级 fp8_e4m3fn 或为提速换 mxfp8。采样参数记住这一条就够了:dpmpp_2m + sgm_uniform,8 步起步。

