MiniMax H3 量化版 Linux服务器部署实战 <ComfyUI启动 包含踩坑记录>

MiniMax H3 量化版本地部署实战：ComfyUI启动 包含踩坑记录

说实话，在前两天 MiniMax [H3](MiniMax-H3 · 模型库) 刚发布时，最让我眼前一亮的不是参数表，而是它能把画面和立体声音频一次生成出来。第一次在 ComfyUI 里真正跑通 5-15 秒视频，看到画面、环境声和节奏一起出来，那种感觉很直接：这次不只是“能生成视频”，而是真的有点作品味了！并且能够在自己本地化部署就有这种效果真的很惊讶，对比与之前的LTX 2.3 以及 Wan 效果上好了太多。个人感觉目前暂只弱于在 Seedance ，毕竟这个不需要Seedance那么高昂的价格使用~

兴奋归兴奋，真正把模型搬到本地服务器上，还是会碰到一连串很现实的问题：到底该下载哪些权重？下载哪些 torch 版本、哪些 cuda 版本，并且两者之间是什么关系？模型跑通后，又该怎样让 ComfyUI 稳定常驻？这些问题如果不提前理清，很容易在几百 GB 的权重和不同 CUDA 版本之间来回折腾。

这篇文章记录的就是这次完整落地过程。服务器有两张 RTX 4090，但本文只指定物理 GPU1 运行 ComfyUI，不讨论另一张卡上的服务。从虚拟环境、量化权重和模型路径，到 T2V、I2V、R2V 三种工作流与 systemd 托管，全部按真实执行顺序整理，命令可以直接跟着操作。

本文只安装运行 MiniMax H3 所需的 CUDA Runtime。基础部署不需要系统 CUDA Toolkit，也不要求 nvcc；源码编译 SageAttention 才需要，相关内容放在系列第二篇SageAttention使用中。

代码块中以 # 开头的独立行是说明性注释，Bash、.env 和 systemd 读取时会忽略，可以和命令一起复制。不要把注释移动到以 `` 结尾的续行后面。

一、实测环境与部署结构

本文环境不是最低配置，而是一套真实运行环境。

项目	实测配置
操作系统	Ubuntu 24.04 amd64
系统内存	48GB
GPU	2 × NVIDIA GeForce RTX 4090 48GB（本文使用物理 GPU1）
NVIDIA 驱动	580.126.09
nvidia-smi 显示的 CUDA 版本	13.0
Python	3.12.13
PyTorch	2.13.0+cu130
ComfyUI	0.30.0
comfy-kitchen	0.2.26
comfy-aimdo	0.4.11

部署完成后的目录结构如下：

 /home/your-user/projects/comfyui-minimax-h3/
 ├── .venv/
 ├── .env
 ├── app/                         # ComfyUI 0.30.0
 │   └── extra_model_paths.yaml
 └── start-comfyui-h3.sh
 ​
 /data/models/hf/MiniMax-H3-Comfy/
 ├── diffusion_models/
 ├── text_encoders/
 └── vae/

本文通过 CUDA_VISIBLE_DEVICES=1 只向 ComfyUI 暴露物理 GPU1。进程内部会将唯一可见的卡重新编号为逻辑 cuda:0，因此日志出现 cuda:0 属于正常映射；宿主机上的 nvidia-smi 仍会显示任务位于物理 GPU1。

二、安装基础工具并创建 ComfyUI 环境

先安装基础依赖：

 # 刷新 Ubuntu 软件包索引
 sudo apt-get update
 ​
 # 安装下载、会话和视频处理依赖
 sudo apt-get install -y \
   git curl wget ca-certificates tmux \
   ffmpeg libgl1 libglib2.0-0

除了 Git 和下载工具，ffmpeg 用于视频相关处理，libgl1、libglib2.0-0 则避免部分图像/视频依赖在无桌面服务器上缺少运行库。

安装 uv 后创建项目：

 # 安装 uv，并让当前 Shell 立即识别 uv
 curl -LsSf https://astral.sh/uv/install.sh | sh
 source "$HOME/.local/bin/env"
 ​
 # 创建独立项目目录
 mkdir -p /home/your-user/projects/comfyui-minimax-h3
 cd /home/your-user/projects/comfyui-minimax-h3
 ​
 # 固定 ComfyUI 版本，避免后续主分支更新改变依赖
 git clone \
   --branch v0.30.0 \
   --depth 1 \
   https://github.com/Comfy-Org/ComfyUI.git \
   app
 ​
 # 使用 uv 安装 Python 3.12 并创建项目虚拟环境
 uv python install 3.12
 uv venv --python 3.12 --seed .venv
 source .venv/bin/activate
 ​
 # 核对 Python 和 ComfyUI 版本
 python --version
 git -C app describe --tags --always

克隆时看到 detached HEAD 是按标签检出时的正常提示。部署环境应保持在经过验证的版本，不需要在该目录直接开发提交。

随后确认 ComfyUI 标签、uv 管理的 Python 版本和虚拟环境均正确：

模型、缓存和生成目录放在 /data，避免占满项目盘：

 # 创建模型、缓存和生成文件目录
 sudo mkdir -p \
   /data/models/hf/MiniMax-H3-Comfy \
   /data/cache/modelscope \
   /data/cache/huggingface \
   /data/comfyui-h3/input \
   /data/comfyui-h3/output \
   /data/comfyui-h3/temp
 ​
 # 将目录所有权交给当前登录用户
 sudo chown -R "$(id -un):$(id -gn)" \
   /data/models/hf/MiniMax-H3-Comfy \
   /data/cache/modelscope \
   /data/cache/huggingface \
   /data/comfyui-h3

三、安装 PyTorch cu130 和 ComfyUI 依赖

PyTorch wheel 自带 CUDA Runtime，所以这一步不需要 /usr/local/cuda-13.0，也不需要执行 nvcc --version。

 cd /home/your-user/projects/comfyui-minimax-h3
 source .venv/bin/activate
 ​
 # 从 PyTorch 官方 cu130 索引安装固定版本
 uv pip install \
   "torch==2.13.0" \
   "torchvision==0.28.0" \
   "torchaudio==2.11.0" \
   --index-url https://download.pytorch.org/whl/cu130
 ​
 # 安装 ComfyUI 自身依赖
 uv pip install -r app/requirements.txt

这里固定的是本文已经验证的组合：PyTorch 2.13.0+cu130、TorchVision 0.28.0+cu130 和 TorchAudio 2.11.0+cu130。未来如果升级其中一个组件，应重新执行本节的 CUDA、矩阵和音频依赖验证，不要只因为版本号更新就直接覆盖生产环境。

为什么这里选择 cu130，而不是更新的 cu132 或 CUDA 13.3

“驱动版本”“PyTorch wheel 使用的 CUDA Runtime”和“系统 CUDA Toolkit”是三套有关联但不等价的版本。本文现场驱动是 580.126.09，PyTorch 使用官方 cu130 wheel；这一组合已经完成 MiniMax H3 原生工作流和后续 SageAttention 源码编译验证。

按照 NVIDIA CUDA 13.3 Release Notes 中的 Toolkit/Driver 对照表，Linux 上各版本直接配套的最低驱动如下：

CUDA Toolkit	对应版本的最低 Linux 驱动
13.0 GA / Update 1 / Update 2	580.65.06 / 580.82.07 / 580.95.05
13.1 GA / Update 1	590.44.01 / 590.48.01
13.2 GA / Update 1	595.45.04 / 595.58.03
13.3 GA / Update 1	610.43.02

因此 580.126.09 满足 CUDA 13.0 Update 2 的直接驱动要求，但不满足 CUDA 13.1～13.3 对应 Toolkit 的直接配套版本。CUDA 13.x 还存在同一大版本内的 Minor Version Compatibility，但旧驱动可能无法提供新 Toolkit 的全部特性，不能把“最低兼容驱动为 580”理解为可以无条件混装任意 13.x 组件。

PyTorch 官方已经提供 cu132 wheel，并不意味着当前环境必须升级；更不能因为 CUDA Toolkit 13.3 更新，就假定现有驱动、PyTorch wheel 和第三方 CUDA 扩展会自动形成兼容组合。生产环境应同时核对：

0. NVIDIA 驱动是否满足目标 Toolkit/Runtime 的要求；
1. PyTorch 是否提供目标 CUDA 版本的官方 wheel；
2. SageAttention 等源码扩展是否支持目标 GPU 架构与 Toolkit；
3. 现有工作流是否完成回归验证。

本文保持 cu130，是为了减少变量并复用已经验证的组合，而不是认为更新版本本身不可用。

下载安装 CUDA Runtime 与 PyTorch wheel 时，uv 会显示各个 NVIDIA 组件的下载进度：

安装结束后可以在清单中核对 torch==2.13.0+cu130、torchvision==0.28.0+cu130 和相关 CUDA 13 运行库：

接着安装 ComfyUI 0.30.0 自身依赖，包括前端、工作流模板、comfy-kitchen、comfy-aimdo 和视频处理组件：

《可选操作》在本文使用的物理 GPU1 上执行验证：

 # 只向验证进程暴露物理 GPU1
 CUDA_VISIBLE_DEVICES=1 python - <<'PY'
 import torch
 import torchvision
 import torchaudio
 ​
 print("PyTorch:", torch.__version__)
 print("TorchVision:", torchvision.__version__)
 print("TorchAudio:", torchaudio.__version__)
 print("PyTorch CUDA:", torch.version.cuda)
 print("CUDA available:", torch.cuda.is_available())
 ​
 if not torch.cuda.is_available():
     raise SystemExit("CUDA 不可用")
 ​
 # 核对 GPU 名称与 Compute Capability
 print("GPU:", torch.cuda.get_device_name(0))
 print("Compute capability:", torch.cuda.get_device_capability(0))
 ​
 # 执行一次实际 CUDA 矩阵计算，而不只检查布尔状态
 x = torch.randn((1024, 1024), device="cuda", dtype=torch.float16)
 print("矩阵计算:", (x @ x).shape)
 PY

四、只下载三类工作流需要的量化权重

MiniMax H3 仓库同时包含多种精度和重复用途的权重。当时完整仓库接近 395GB，而三种官方工作流所需的量化组合约为 63.44GB。这里明确指定文件，避免误下载完整快照。

文件	用途	约占空间
minimax_h3_fl2va_pruned_int8_convrot.safetensors	T2V、I2V、首尾帧视频	20.97GB
minimax_h3_ref2va_pruned_int8_convrot.safetensors	图片/视频/音频参考生成	20.97GB
qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors	多模态文本编码器	15.69GB
minimax_h3_video_vae_fp16.safetensors	视频 VAE	5.21GB
minimax_h3_audio_vae_fp32.safetensors	音频 VAE	0.61GB

安装 ModelScope Hub 客户端：

 cd /home/your-user/projects/comfyui-minimax-h3
 source .venv/bin/activate
 ​
 # 固定经过本文验证的 ModelScope Hub 客户端版本
 uv pip install "modelscope-hub==0.1.8" huggingface_hub

本文固定使用 0.1.8。该版本发布到 PyPI 的 console entry points 是 ms 和 modelscope，推荐优先使用短命令 ms：

 # 确认 0.1.8 提供的 ms 入口及版本
 command -v ms
 ms -V
 ms --help

modelscope 是同一版本提供的第二个入口，但它可能和完整的 modelscope 框架包发生命令名覆盖。本文只安装轻量的 modelscope-hub 客户端，并统一使用 ms，避免把包名、Python 模块名和 CLI 名称混在一起。

如果 ms 仍然找不到，可以按下面顺序确认虚拟环境，并使用 Python 模块入口兜底：

 # 确认当前确实位于项目虚拟环境
 echo "$VIRTUAL_ENV"
 ​
 # 检查两个可用的 console entry point
 command -v ms || true
 command -v modelscope || true
 ls -l "$VIRTUAL_ENV/bin/ms" "$VIRTUAL_ENV/bin/modelscope" 2>/dev/null || true
 ​
 # 检查已安装文件，并测试不依赖入口脚本的模块方式
 uv pip show -f modelscope-hub
 python -m modelscope_hub.cli.main --help

只要 ms --help 或最后一条 Python 模块命令能够输出帮助，SDK 就已经可用。只有确认 .venv/bin/ms 确实缺失时，才需要在已激活的虚拟环境中执行 uv pip install --reinstall "modelscope-hub==0.1.8"；无需重建整个 ComfyUI 环境。

modelscope 0.18 版本 ms指令

modelscope 0.19以上的 版本 ms-hub指令

下载需要的五个权重和 README：

 cd /home/your-user/projects/comfyui-minimax-h3
 source .venv/bin/activate
 ​
 # 指向 ModelScope 国内站，并配置缓存与大文件下载重试
 export MODELSCOPE_ENDPOINT=https://modelscope.cn
 export MODELSCOPE_CACHE=/data/cache/modelscope
 export MODELSCOPE_DOWNLOAD_PARALLEL_WORKERS=4
 export MODELSCOPE_DOWNLOAD_MAX_RETRIES=10
 ​
 # 权重直接写入 ComfyUI 使用的外部模型目录
 MODEL_DIR=/data/models/hf/MiniMax-H3-Comfy
 ​
 # 只下载三类工作流需要的量化权重，不拉取完整仓库
 ms download \
   Comfy-Org/MiniMax-H3 \
   diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors \
   diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors \
   text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors \
   vae/minimax_h3_video_vae_fp16.safetensors \
   vae/minimax_h3_audio_vae_fp32.safetensors \
   README.md \
   --local-dir "$MODEL_DIR"

这里明确传入了多个文件路径，0.1.8 会依次处理这些文件；--max-workers 只用于未指定文件列表的整仓 snapshot 下载，因此不在这条命令里添加。MODELSCOPE_DOWNLOAD_PARALLEL_WORKERS=4 控制的是单个大文件的分段下载并发。

如果 ms 入口脚本缺失，但 Python 模块入口可用，可以仅把首行 ms download 替换为：

 python -m modelscope_hub.cli.main download

后面的仓库、文件列表和参数保持不变。下载中断后重新执行同一条完整命令即可继续检查并下载缺失内容。

完成后检查目录和体积：

 # 按文件大小列出权重，随后检查总占用
 find /data/models/hf/MiniMax-H3-Comfy \
   -type f -printf '%s  %p\n' \
   | sort -n
 ​
 du -sh /data/models/hf/MiniMax-H3-Comfy

五、把外部模型目录接入 ComfyUI

模型不必复制进 app/models。创建 /home/your-user/projects/comfyui-minimax-h3/app/extra_model_paths.yaml：

ComfyUI 仓库自带 extra_model_paths.yaml.example，可以先从示例中确认支持的键，再增加 MiniMax H3 配置。不要直接把整份示例中的无关路径全部启用。

 minimax_h3:
   base_path: /data/models/hf/MiniMax-H3-Comfy
   diffusion_models: diffusion_models
   text_encoders: text_encoders
   vae: vae

在项目根目录创建 .env：

 # 本文使用物理 GPU1
 COMFYUI_PHYSICAL_GPU=1
 ​
 # 监听所有 IPv4 网卡
 COMFYUI_LISTEN=0.0.0.0
 COMFYUI_PORT=8188

 # .env 可能继续加入本地配置，因此限制为当前用户可读写
 chmod 600 /home/your-user/projects/comfyui-minimax-h3/.env

0.0.0.0 的含义是服务监听服务器所有 IPv4 网卡，不是浏览器要访问的地址。局域网访问仍然使用：

 http://SERVER_LAN_IP:8188

监听 0.0.0.0 会扩大可访问范围。不要把 8188 端口直接暴露到公网；至少应配合主机防火墙、内网 ACL、VPN 或带认证的反向代理。

六、创建带 GPU 占用检查的启动脚本

创建 /home/your-user/projects/comfyui-minimax-h3/start-comfyui-h3.sh：

 #!/usr/bin/env bash
 # 任一命令失败、变量未定义或管道失败时立即退出
 set -euo pipefail
 ​
 PROJECT_DIR=/home/your-user/projects/comfyui-minimax-h3
 APP_DIR="$PROJECT_DIR/app"
 ​
 cd "$PROJECT_DIR"
 ​
 # 自动导出 .env 中读取到的变量
 set -a
 source "$PROJECT_DIR/.env"
 set +a
 ​
 GPU_ID="${COMFYUI_PHYSICAL_GPU:-1}"
 LISTEN_ADDRESS="${COMFYUI_LISTEN:-127.0.0.1}"
 LISTEN_PORT="${COMFYUI_PORT:-8188}"
 ​
 # 在启动服务前校验 GPU 编号和必要文件
 [[ "$GPU_ID" =~ ^[0-9]+$ ]] || {
   echo "Invalid GPU id: $GPU_ID" >&2
   exit 64
 }
 ​
 [[ -x "$PROJECT_DIR/.venv/bin/python" ]] || {
   echo "Python environment does not exist: $PROJECT_DIR/.venv" >&2
   exit 1
 }
 ​
 [[ -f "$APP_DIR/main.py" ]] || {
   echo "ComfyUI does not exist: $APP_DIR" >&2
   exit 1
 }
 ​
 # 若目标 GPU 已有计算进程，则以状态码 78 退出
 busy_pids="$(
   nvidia-smi \
     -i "$GPU_ID" \
     --query-compute-apps=pid \
     --format=csv,noheader,nounits 2>/dev/null \
     | sed '/^[[:space:]]*$/d' \
     || true
 )"
 ​
 if [[ -n "$busy_pids" ]]; then
   echo "Physical GPU $GPU_ID is occupied by PID(s): $busy_pids" >&2
   exit 78
 fi
 ​
 # 限定运行 GPU，并集中设置模型缓存目录
 export CUDA_VISIBLE_DEVICES="$GPU_ID"
 export HF_HOME=/data/cache/huggingface
 export HUGGINGFACE_HUB_CACHE=/data/cache/huggingface/hub
 export MODELSCOPE_CACHE=/data/cache/modelscope
 export HF_XET_HIGH_PERFORMANCE=1
 export PYTHONUNBUFFERED=1
 ​
 cd "$APP_DIR"
 ​
 # 用 ComfyUI 替换当前 Shell，使 systemd 能正确跟踪主进程
 exec "$PROJECT_DIR/.venv/bin/python" main.py \
   --listen "$LISTEN_ADDRESS" \
   --port "$LISTEN_PORT" \
   --extra-model-paths-config "$APP_DIR/extra_model_paths.yaml" \
   --input-directory /data/comfyui-h3/input \
   --output-directory /data/comfyui-h3/output \
   --temp-directory /data/comfyui-h3/temp

把脚本中的 your-user 替换为服务器真实用户名，然后检查并首次手动启动：

 # 增加执行权限，并先做 Bash 语法检查
 chmod +x /home/your-user/projects/comfyui-minimax-h3/start-comfyui-h3.sh
 bash -n /home/your-user/projects/comfyui-minimax-h3/start-comfyui-h3.sh
 ​
 # 首次前台启动，便于直接观察错误
 /home/your-user/projects/comfyui-minimax-h3/start-comfyui-h3.sh

看到 To see the GUI go to: http://0.0.0.0:8188 后，再从浏览器访问服务器实际局域网地址。

首次启动还会初始化 ComfyUI 的 SQLite 数据库和资源索引。日志最终出现 Starting server 和 GUI 地址，说明后端已经完成启动：

七、加载官方 MiniMax H3 工作流

ComfyUI 0.30.0 及以上版本可以从模板库打开三个原生工作流：

工作流	Diffusion Model	支持的主要输入
Text-to-Video	FL2VA INT8	文字
Image-to-Video	FL2VA INT8	文字、首帧、可选尾帧
Reference-to-Video	Ref2VA INT8	文字、参考图片、参考视频、参考音频

三种工作流共用同一个 Qwen3-VL 文本编码器、Video VAE 和 Audio VAE。Ref2VA 并不能替代 FL2VA：R2V 使用 Ref2VA，而 T2V/I2V 应选择 FL2VA。

如果只运行 Reference-to-Video，可以不下载 minimax_h3_fl2va_pruned_int8_convrot.safetensors；但只要还需要文生视频或图生视频，就必须同时保留 FL2VA 权重。根据 ComfyUI 官方 H3 工作流说明，Ref2VA 可以在文字提示词之外接收最多 9 张参考图片、3 段带声音的视频和 3 段音频，并生成带原生立体声音频的视频。它是“参考条件视频生成”模型，不是可以任意接收所有模态并输出任意模态的通用多模态对话模型。

建议第一次验证使用：

 宽高比：16:9
 Megapixels：0.4
 输出分辨率：864 × 480
 Multiple：32
 时长：5 秒
 帧率：24 FPS

H3 官方分辨率选择器会把宽高约束到 32 的倍数。先用预览分辨率跑通，再逐步提高 Megapixels，定位问题会容易很多。

下图是第一次运行官方案例时的节点配置。可以同时核对 5 秒时长、FL2VA INT8、Qwen3-VL 编码器和两个 VAE 是否选择正确：

八、原生注意力下的现场结果

在 5 秒、16:9、864×480 的 T2V 工作流中，现场单次任务耗时为 113.89 秒。这个数字用于后续 SageAttention 对照，不代表所有机器都能复现相同速度。

对应的 nvidia-smi 现场记录显示，T2V 生成时目标 GPU 处于满负载，显存使用约 22.7GB：

同一套 FL2VA 权重也完成了图生视频，现场单次任务约 102.18 秒：

生成过程中目标 GPU 接近满载，显存占用会随工作流、分辨率、时长和动态卸载状态变化：

九、交给 systemd 托管

手动验证完成后，创建 /etc/systemd/system/comfyui.service：

 [Unit]
 Description=ComfyUI MiniMax H3 Quantized Service
 # 等待网络就绪，并确认 ComfyUI 入口存在
 Wants=network-online.target
 After=network-online.target
 ConditionPathExists=/home/your-user/projects/comfyui-minimax-h3/app/main.py
 ​
 [Service]
 Type=simple
 User=your-user
 Group=your-user
 WorkingDirectory=/home/your-user/projects/comfyui-minimax-h3
 ExecStart=/home/your-user/projects/comfyui-minimax-h3/start-comfyui-h3.sh
 ​
 # 普通失败自动重启；GPU 被占用时不进入重启循环
 Restart=on-failure
 RestartSec=15
 RestartPreventExitStatus=78
 TimeoutStartSec=0
 LimitNOFILE=1048576
 ​
 [Install]
 WantedBy=multi-user.target

替换用户名后加载并启动：

 # unit 文件变化后重新加载 systemd 配置
 sudo systemctl daemon-reload
 ​
 # 设置开机启动并立即启动服务
 sudo systemctl enable --now comfyui.service
 ​
 # 查看当前状态与最近 200 行日志
 sudo systemctl status comfyui.service --no-pager
 journalctl -u comfyui.service -n 200 --no-pager

实时查看生成日志：

 # 持续跟踪 ComfyUI 服务日志，按 Ctrl+C 退出
 journalctl -u comfyui.service -f

RestartPreventExitStatus=78 与启动脚本的 GPU 占用检查配合：如果目标 GPU 已被其他计算任务占用，服务会明确退出，而不是持续重启并争抢显存。

十、常见问题

1. 如何确认 ComfyUI 实际使用的 GPU？

本文把 COMFYUI_PHYSICAL_GPU 设置为 1。CUDA_VISIBLE_DEVICES=1 生效后，物理 GPU1 会成为进程内唯一可见的卡，因此日志显示逻辑 cuda:0。可以在宿主机执行 nvidia-smi，根据 ComfyUI 的 Python PID、显存占用和 GPU 利用率确认任务实际位于物理 GPU1。

2. 为什么会出现 ms-hub: command not found

因为 modelscope-hub==0.1.8 在 PyPI 中注册的命令是 ms 和 modelscope，不是 ms-hub。所以这个报错首先说明命令名不属于当前安装版本，并不代表依赖没有安装，也不代表 0.1.8 太旧。因为 ms-hub 这个指令是 modelscope-hub>0.1.8 的版本中才替换的。所以如果下载的是大于 0.1.8 版本 那么就是将 原来的指令中 ms 换成 ms-hub，modelscope 换成 modelscope-hub

先确认虚拟环境并使用正确入口：

 source /home/your-user/projects/comfyui-minimax-h3/.venv/bin/activate
 ​
 # 主入口：modelscope-hub 0.1.8 提供的 ms
 command -v ms || true
 ms --help
 ​
 # 备用入口
 command -v modelscope || true
 uv pip show -f modelscope-hub
 python -m modelscope_hub.cli.main --help

本文的命令优先级是：ms → Python 模块入口；modelscope 只作为备用，因为安装完整 ModelScope 框架后可能发生同名入口覆盖。文章不再使用 ms-hub 或 modelscope-hub。

3. 出现 VRAM grow failed

这类错误不一定等于显卡物理显存耗尽。MiniMax H3 会使用 DynamicVRAM、CPU 卸载和 pinned memory，系统主存不足、主存压力或其他进程占用也可能导致扩容失败。

依次检查：

 # 分别检查显存、系统主存和占用主存最多的进程
 nvidia-smi
 free -h
 ps -eo pid,comm,rss --sort=-rss | head

处理顺序建议为：停止无关任务、降低 Megapixels 或时长、重启 ComfyUI 清理 CUDA 状态，最后再考虑增加系统内存。本文环境从较低主存升级到 48GB 后，动态卸载空间更充裕，但具体需求仍取决于工作流。

十一、结语

到这里，MiniMax H3 的量化权重、三种官方工作流和 systemd 常驻已经形成一个完整基线。先保留这个原生注意力基线，再安装加速组件，才能判断加速是否真实有效，也能在发生问题时快速回退。

下一篇：MiniMax H3 接入 SageAttention 实测加速 <ComfyUI 启动 包含踩坑记录>

参考资料

• ComfyUI：MiniMax H3 Workflow Examples
• ComfyUI 0.30.0 requirements.txt
• PyTorch cu130 软件源
• PyTorch cu132 软件源
• NVIDIA CUDA Toolkit Release Notes：Toolkit 与驱动版本表
• NVIDIA CUDA Minor Version Compatibility
• PyPI：modelscope-hub 0.1.8（该版本文档使用 ms）
• modelscope-hub v0.1.8 pyproject.toml：ms 与 modelscope entry points
• ModelScope：Comfy-Org/MiniMax-H3
• ModelScope：MiniMax/MiniMax-H3 官方模型卡
• ModelScope：Comfy-Org/MiniMax-H3 社区反馈页
• vLLM Recipes：MiniMax H3 TI2V