MiniMax-H3
MiniMax发布的多模态视频生成模型，能够在单次请求中同时生成视频和同步立体声音轨，支持文本转视频加音频、首尾帧条件生成、图像/视频/音频参考条件生成等多种任务模式
时间轴 (近 90 天)
Unsloth v0.1.913-beta 中，在内存受限的 NVIDIA 测试下，MiniMax-H3 视频片段完成速度提升约 1.7 倍
使用MiniMax-H3图生视频模型在RTX 3090上运行，三次尝试的盲评分分别为2/10、4/10、9/10。
第三次尝试保住了几何结构且无条带，但拿给负责批准演示的人看，得到的反馈是“假得要命，我的世界雨物理”，指出重度显式雨丝渲染成了粒子精灵。
关键修复是将CLIPLoader类型设为`minimax`而非`hidream`，并采用官方采样器链：RandomNoise和BasicGuider（无负面提示、无CFG），KSamplerSelect选res_multistep，BasicScheduler simple 8步，通过LoraLoaderModelOnly加载turbo 8步LoRA，latent从MiniMaxH3ImageToVideo节点的slot 1提取。
MiniMax-H3 在对比中获得了额外的动作计划输入而 WorldGuide 没有，说明单纯提供动作规划信息并不足以保证任务完成，执行器能否忠实实现规划才是瓶颈所在。
MiniMax-H3 在接收参考动作计划条件下，在 WorldGuide-Bench 上的成功率为 29.90%。
MiniMax-H3 在仅给定目标条件下，于 VideoCraft-Bench 上的成功率为 32.73%。
MiniMax-H3 在 TextVBench 的 T2V 赛道取得了 68.32 的 TextVScore，为最强表现
MiniMax-H3 可通过 SGLang Diffusion 在 ComfyUI 中运行
MiniMax-H3 模型的首帧渲染最多可提前约一分钟完成，并在 A100、B200 和 RTX PRO 6000 上降低了 25–29 GiB 的峰值显存占用
还有 23 条时间轴事件
全部知识事实 (20)
MiniMax-H3对常规运动的处理出色，但快速运动是明显的限制
60%待验证Unsloth v0.1.913-beta 中，在内存受限的 NVIDIA 测试下，MiniMax-H3 视频片段完成速度提升约 1.7 倍
50%待验证使用MiniMax-H3图生视频模型在RTX 3090上运行，三次尝试的盲评分分别为2/10、4/10、9/10。
50%待验证第三次尝试保住了几何结构且无条带，但拿给负责批准演示的人看，得到的反馈是“假得要命，我的世界雨物理”，指出重度显式雨丝渲染成了粒子精灵。
50%待验证关键修复是将CLIPLoader类型设为`minimax`而非`hidream`，并采用官方采样器链：RandomNoise和BasicGuider（无负面提示、无CFG），KSamplerSelect选res_multistep，BasicScheduler simple 8步，通过LoraLoaderModelOnly加载turbo 8步LoRA，latent从MiniMaxH3ImageToVideo节点的slot 1提取。
50%待验证MiniMax-H3 在对比中获得了额外的动作计划输入而 WorldGuide 没有，说明单纯提供动作规划信息并不足以保证任务完成，执行器能否忠实实现规划才是瓶颈所在。
50%待验证MiniMax-H3 在接收参考动作计划条件下，在 WorldGuide-Bench 上的成功率为 29.90%。
50%待验证MiniMax-H3 在仅给定目标条件下，于 VideoCraft-Bench 上的成功率为 32.73%。
50%待验证MiniMax-H3 可通过 SGLang Diffusion 在 ComfyUI 中运行
50%待验证MiniMax-H3 模型的首帧渲染最多可提前约一分钟完成，并在 A100、B200 和 RTX PRO 6000 上降低了 25–29 GiB 的峰值显存占用
50%待验证更新后的VAE模型文件名为minimax_h3_video_vae_int8_convrot.safetensors
50%待验证更新后的VAE已托管在Hugging Face的Comfy-Org仓库中（huggingface.co/Comfy-Org/MiniMax-H3），用户可下载替换原有VAE文件
50%待验证通过将破损墙面镜头裁剪作为参考图并在retention_analysis中指示模型注意，可以在不同镜头间保持环境破坏的一致性
50%待验证MiniMax-H3视频生成中，写实度与生成时的百万像素（MP）规模强相关，分辨率越高画面越真实
50%待验证在一块5070 Ti显卡上，使用快速版模型生成一段1MP、10秒的片段仅需8步、耗时不到6分钟
50%待验证生成像样的战斗画面需要一两个专用LoRA的加持，纯靠提示词难以逼出高质量战斗镜头
50%待验证远景拍摄时MiniMax-H3对面部的处理会明显退化，FaceRefine工具可改善但在单一主体时效果最好，多人场景表现打折扣
50%待验证控制表情的方法是准备一张带目标表情的参考图，加入retention_analysis并在镜头描述中点名调用，可大幅改善表情表现
50%待验证使用retention_analysis保持环境连续性时，唯一瑕疵是偶尔会把损伤错误地复制到另一面墙上
50%待验证retention_analysis是MiniMax-H3工作流中用于指示模型在生成新镜头时保留参考图中特定视觉元素状态的机制
50%