Codex 校核（2026-10-09） ComfyUI 官方原文确认 8月3日发布、原生立体声及最高 2K/15秒，并注明 RTX 3060 运行依赖动态 VRAM offloading；最小变体总内存占用约 42.5GB，不能理解为全部权重驻留 12GB 显存。0.30.0 是该文首发时版本；9月后续 VAE 优化需要 0.36.0 或更新，作者测试显示特定 NVIDIA GPU 编码约 2.2倍、解码约 1.4–2.7倍，不是任意硬件速度保证。

MiniMax H3 — 全模态开源视频模型

HN: https://news.ycombinator.com/item?id=49155629 (231pts/72cmt, 2026-08-04) ComfyUI 博客: https://blog.comfy.org/p/minimax-h3-day-0-support-in-comfyui

核心要点

• MiniMax 第三代视频模型（继 Hailuo 01/02），首个开源权重版本，8月3日权重开源
• 全模态（omni-modal）：单上下文联合理解文本/图像/视频/音频，生成视频时原生立体声音频（人声/音效/音乐单次前向建模，非后期叠加）
• 输出最高 2K、24fps、约 15 秒
• H3-Base 开源权重 33.1B omni transformer（768p 视频 + 原生立体声）；H3-Context-IR 多模态编排系统不开源（仅 API + prompt 编写指南）
• 支持 text-to-video / image-to-video / 首尾帧控制 / reference-to-video / in-place 编辑

ComfyUI 集成

• Day-0 原生支持：PR Comfy-Org/ComfyUI #15224（8月3日合并），4 个新节点（EmptyMiniMaxH3LatentAV / MiniMaxH3ImageToVideo / MiniMaxH3ReferenceToVideo / MiniMaxH3SigmaShift）+ 6 个官方工作流模板
• 单流 packed-token diffusion transformer，联合去噪视频+立体声音频 latents，条件为 Qwen3-VL-32B hidden states + per-token 模态标签
• ComfyUI 0.30.0+，模型托管于 HF Comfy-Org/MiniMax-H3，本地 3060 可跑

意义

• 开源视频模型的模态整合标杆：一个模型取代五个单模态任务链
• 与 ComfyUI 的 Day-0 合作模式验证了开源权重模型 + 生态工具链的快速落地路径