数据时效：2026-08

数据时效为 2026-08-15。本文没有作者对 MiniMax H3 的一手实测；硬件与速度部分分别采用官方文件、ComfyUI 官方工作流和注明条件的社区案例。

2026 年 7 月 31 日，MiniMax 发布 H3。它最长生成 15 秒、最高 2K，画面和双声道声音一次完成。几天后，模型权重和 ComfyUI 工作流开始公开下载。

这两件事放在一起，才和普通创作者有关。以前试 Seedance 这类闭源视频模型，点一次生成就扣一次积分。人物多长一根手指、镜头走偏、声音不对，都要再付一遍钱。H3 允许人把这串失败搬回自己的电脑，代价变成显卡占用、几十分钟的等待，以及一套要慢慢学会的工作流。

所以门槛确实变了，但没有消失。

截取标题、发布日期以及说明 15 秒、2K、原生双声道和计划开放权重的首屏/相邻正文；保证文字清楚，排除导航噪音。

H3 开放了什么

MiniMax 给 H3 的正式定义是“通用全模态生成模型”。它能同时理解文字、图片、视频和音频，生成带原生双声道的音视频。这里的“原生”很好理解。声音和画面由同一个生成过程处理，视频出完以后不必再贴一条配乐。

H3 的开放形式要说准。权重可以下载，本地可以运行和修改工作流；这通常叫“开放权重”。它使用 MiniMax 自己的模型许可，许可里有地域和用途限制。拿到文件的人仍要确认所在地区和项目用途。准备接客户单或把它嵌进产品的人，应当阅读下载页当日的 LICENSE。文章、博主或第三方模型站都不能替权利人授权。

“开放权重”和“免费商用”之间，隔着一份必须读的合同。

截取模型名称、模型卡的 License 标识和文件/许可入口；画面必须能让读者看到开放权重并不等于通用开源许可。

公开权重仍然带来几个很实在的变化。素材可以留在本机；相同工作流可以批量排队；模型文件、提示词、随机种子和参数能固定下来；社区还能做量化和显存卸载。量化就是用更低精度保存部分权重，换取更小的显存占用。显存卸载则把暂时不用的权重放到内存里，用速度换空间。

这些东西不如“单条只要多少钱”醒目，却更接近生产。创作者留下的不止一条 MP4，还有下一次能继续改的流程。

正文机制图，用具体画面解释闭源逐次扣费与本地部署一次投入、反复运行两种成本结构。

成本从账单搬到了桌面

闭源服务很好算。订阅费，加上每次生成消耗的积分、秒数或 token。问题出在失败也计费。做一条能发的视频，常常要先丢掉一批不能用的版本。生成频率越高，这笔“筛选费”越显眼。

Seedance 2.0 在 2026 年 2 月正式发布。现在字节官方页面也已列出 Seedance 2.5。它单次最长 30 秒，可继续延长两次，并加强了参考控制和编辑。闭源服务省掉了驱动、模型目录和显存管理。用户提交任务，等平台返回结果。

截取 Seedance 2.5 标题和 30 秒生成、两次延长、参考控制与编辑能力说明，避免只截样片。

价格却不能随手抄一个数字来比。即梦、BytePlus 和第三方 API 面向不同地区，按订阅、积分、秒数或 token 计费，分辨率和输入类型也会改价。截至 2026 年 8 月，我没有找到字节面向所有地区公布的 Seedance 2.0、2.5 统一零售价。MiniMax 自己宣称 H3 API 的 2K 每秒价格低于主流模型的三分之一。这是厂商口径，不能当作同条件账单。

本地成本同样不能只写电费。可以这样估算。

整机的增量投入 ÷ 预计使用月数 + 耗电 × 运行小时 × 当地电价 + 存储和维护 + 学习与等待时间

如果电脑本来就有一张大显存显卡，第一项可能很小。为了 H3 新买一台工作站，第一项会压过几个月的平台账单。每月只做两三条视频的人，闭源服务多半更轻松；每天都要试镜头、改动作、批量筛片的人，本地运行才有机会把边际成本摊薄。

这里没有统一回本点。生成频率和已有硬件，比“开源”两个字更能决定答案。

先看显存，再谈安装

MiniMax 没有在发布页给普通 PC 写一条官方最低显存线。社区已经有人用 8GB 显卡加量化和卸载跑起来，也有人在 16GB 显卡上做出 5 秒短片。它们证明“可以启动”，没有证明“适合长期创作”。

部署前可以用下面这把尺子判断。

机器更合理的预期
8 到 12GB 显存，32GB 内存验证工作流，低分辨率、短时长，等待可能很长
16GB 显存，32 到 64GB 内存可做短片实验，依赖 INT8/NVFP4 和卸载
24GB 显存，64GB 内存个人创作较现实的起点，仍需控制分辨率和时长
48GB 级显存或更高更少卸载，适合高分辨率、长片段和批量任务

SSD 建议至少空出 100GB。扩散模型、32B 文本编码器、视频 VAE、音频 VAE和下载缓存会一起占空间。页面文件也要留足；显存装不下时，系统内存和 SSD 会参与搬运。

速度最容易骗人。一位 4070 Ti Super 16GB 用户在优化工作流中报告，5 秒图生视频约需 5 到 6 分钟；另一份 48GB 环境案例在近 1MP、10 秒条件下用了约 30 到 34 分钟。两者的步数、量化、输入和加速方法不同，不能排成显卡成绩表。分辨率翻倍后，等待时间也不会只增加一倍，视频帧和注意力计算会让负担陡增。

截取 diffusion_models、text_encoders、vae 等目录及文件体量，突出本地部署需要多类大文件；不截社区评论。

Windows 上先生成一条 5 秒视频

这条路线只面向 Windows 11 和 NVIDIA 显卡。第一次不要追 2K，也别先装一堆第三方节点。官方模板能跑通，再加东西。

  1. 更新 NVIDIA 驱动，打开任务管理器确认显存容量；同时确认系统内存和 SSD 余量。关掉占显存的软件。
  2. 安装 ComfyUI Desktop，或下载 NVIDIA Windows Portable。H3 支持发布得很新，旧安装必须先更新 ComfyUI 核心。
  3. 打开 ComfyUI 官方的 MiniMax H3 Text to Video 模板并下载工作流。模板会列出缺失模型，来源只认 MiniMaxAI 与 Comfy-Org。
  4. 把扩散模型放进 ComfyUI/models/diffusion_models/，文本编码器放进 models/text_encoders/，视频和音频 VAE 放进 models/vae/。文件名不要改。
  5. 重启 ComfyUI，重新加载模板。第一次选 768p 以下、约 5 秒和默认步数。16GB 及以下显卡优先选官方仓库里的 INT8 扩散模型与 NVFP4 文本编码器，并启用模型卸载。
  6. 写一个简单提示词，同时交代画面和声音。例如可以写“固定镜头，一只橘猫趴在木桌边打哈欠，窗外下小雨，室内只有雨声和轻微呼噜声。”排队生成，先确认 MP4 有画面、有声音、能正常保存。

截取工作流标题、节点画布预览以及 Download Workflow 入口，清楚显示它是 ComfyUI 官方模板而非第三方自定义节点教程。

节点一片红，通常是 ComfyUI 太旧或工作流没有加载完整。模型下拉框为空，先查目录。生成到一半报内存不足，先缩短时长、降分辨率、关闭其他程序，再检查量化模型和页面文件。CUDA 或 PyTorch 报错时，先换回 ComfyUI 官方便携包附带的环境，不要同时照着三篇教程重装依赖。

这套排错顺序很朴素。用最新核心、官方模板、官方文件，先跑最小任务。自定义节点放到最后。否则四个变量一起变化，报错只会变成猜谜。

谁现在适合用，谁可以再等等

H3 更适合手里已有 16 到 24GB 以上 NVIDIA 显卡、每周要反复生成和筛选、愿意用时间换控制权的人。涉及未公开素材、需要离线批量运行、想保存可复用工作流的人，也会从本地部署得到额外价值。

低频使用、没有合适显卡、交付时间卡得很死的人，继续用 Seedance 这类服务并不落后。平台替用户承担了驱动、兼容、排队和模型更新。那部分费用买的是省心，不全是模型本身。

质量排名也该暂时按住。H3 和 Seedance 2.0、2.5 的官方样片使用不同提示词、时长、输入和后期处理，目前没有足够可信的公开同条件证据支持“谁公认最强”。创作者更应该拿自己的三组常用素材，固定提示词、分辨率、时长和筛选标准，再比较可用率。漂亮样片只能证明模型能做到一次，生产需要知道它十次里能做到几次。

H3 留下的机会很具体。一张已有的显卡，一晚等待，一个以后还能继续改的工作流。高质量 AI 视频依然要花钱和时间，但一部分普通创作者现在可以自己持有反复生成的能力。

资料来源