要让一个视频生成模型跑进普通玩家的显卡,难点从来不是「能不能跑」,而是「跑得动不动、能不能用」。11 月 6 日,一家叫 Video Rebirth 的团队把 MiniMax H3 的 transformer 拆开重装,成果叫 HyperFlow H3 Flash:按其官方仓库给出的数字,约 310 亿参数的基座被压到 137 亿,生成视频的同时出同步立体声,量化后的 GGUF 权重最小一份 9.1GB,24GB 显存的消费级显卡就能跑 768p。这看起来是「开源视频模型继续下沉」的常规进展,但真正值得盯住的矛盾在另一头——这批权重继承了 MiniMax H3 社区许可协议,而那份协议把欧盟、英国、韩国和美国列为例外区域:真正想拿它在本地做创作的,恰好是被协议挡住的那些人。
三刀:剪枝、低秩、旋转量化
Video Rebirth 在仓库 README里写明,他们对 MiniMax H3 的 transformer 只做了三处改动:
- 结构化剪枝加低秩分解:
fl2va分支砍掉 50 个 block 中的 3 个(block 6、21、22),102 个线性层做因子化;ref2va分支只砍 1 个(block 9),因子化 114 个。两个分支分别落在 137 亿和 139 亿参数,模型卡标题写作 14B。 - 旋转 W8A8 量化:180 个线性层做 W8A8 INT8,前面加一层块对角 Hadamard 旋转,项目内部称之为
convrot。 - 双时间条件 (t, r):每个 token 同时拿到当前噪声级 t 和步进终点 r,靠这个实现 4 / 6 / 8 步采样,而且不需要 CFG。
9.1GB 权重能跑,但账单不止这些
GGUF 档位从 Q3_K_M 的 7.2GB 到 Q8_0 的 14.9GB,Q4_K_M 是 9.1GB。运行时给了三条路:ComfyUI、Unsloth Studio 和 stable-diffusion.cpp,仓库里带一份 hyperflow-two-time.patch。
官方在 1344×768、6 步、端到端(含文本编码与音视频 VAE 解码)下自测的 INT8 数字是:RTX 5090(32GB)出 5.2 秒片段要 92 秒、15 秒片段要 551 秒;RTX 4090(24GB)130 秒 / 750 秒;RTX 3090(24GB)266 秒 / 1684 秒。INT8 的峰值显存是 12.0–12.5 GiB(5.2 秒)和 21.8–22.4 GiB(15 秒)。同一张表里,数据中心的单张 H200 跑 5.2 秒片段是 36 秒、15 秒是 229 秒。
有三个坑值得提前知道:
- 16GB 系统内存是门槛,虽然模型本身只要 9.1GB;16GB 显存的卡官方明确还没测。
- 参考输入非常贵:一张 2048 短边的参考图大约加进 14300 个 token,而片段本身 5.2 秒是 37710 token、15 秒是 109062 token,注意力开销随 token 数平方增长。两张图时,INT8 transformer 的耗时是纯文本生成的 2.6–2.9 倍,混着视频和音频的参考则是 5.2–5.8 倍。
- 首次下载约 90GB(文本编码器换 fp8 是 68GB),其中 62GB 的基座 transformer 倒是不会下载。
英伟达把它接进了 SOL-H3
Video Rebirth 说 SOL-H3 是他们的推理加速合作方,从第一天就支持这个模型。NVIDIA 那边也确实在 NVlabs/Sana 仓库里放了 models/minimax_h3/HyperFlow-Flash 目录,并附了一份 VALIDATION.md。实测数据跑在 GB200 上,用的是 SOL-H3 自己的运行时而非上面那张自测表里的包,所以数字体系不同:测于 2026-11-05,checkpoint 锁在 9e9ed14b,分片与索引文件的 sha256 记在 PROVENANCE.json 里并逐一核对过;t2v 生成 5 秒片段,1 卡 13.0 秒、4 卡 3.4 秒、8 卡 1.9 秒;15 秒片段是 66.6 / 16.1 / 8.5 秒。4 卡 3.4 秒出一条 5 秒片子,确实到了实时级别。
有意思的是那份 VALIDATION.md 自己列了未完成项:GPU 数值对齐门禁、1/4/8 卡冒烟测试、以及「用已发布的 remote code 重新计时」,三项都写着 in progress;t2v 也只列了 sol-engine 一个预设,官方预设那一栏因为用的是预发布版 INT8 内核而没有报告。厂商自己给的另一个口径是单张 B200 上相对 H3 基线提速 12.7 倍(Video Rebirth 官网数字)。
权重跟着协议走
MiniMax H3 社区许可协议(2026 年 8 月 2 日版本)里,「Excluded Territories」明确写着欧盟、英国、韩国和美国,适用地域是全球减去这四地。Video Rebirth 的权重被定义为 MiniMax H3 的 Model Derivative,按同一份协议分发,模型卡里还特意写明「This repository is not an official MiniMax product」。换句话说,未经 MiniMax 授权,这批权重在那四个地区不能使用。
协议里另外两条也容易被忽略:商业产品年收入超过 2000 万美元需要单独书面授权;不得用 H3 及其输出去改进别的 AI 模型。管辖法域在香港。容易混淆的是推理代码本身是 Apache-2.0(ComfyUI 节点 GPL-3.0,stable-diffusion.cpp 补丁 MIT)——代码开源,不等于权重可以随便用。
一点旁注
旋转 INT8 这条路不是他们发明的,模型卡致谢里点名了 WAS/Minimax-h3_Singularity_v2_pruned,称其在 MiniMax-H3 上的 rotated INT8 是 pioneering。HyperFlow 系列目前有三个成员:最早的 HyperFlow 降低训练成本,HyperFlow Infinity 拉长单次生成,H3 Flash 压延迟;Infinity 与最早的 HyperFlow 共用同一份权重,而针对全尺寸 MiniMax-H3 的 8 步 LoRA 则另开了一个仓库。
所以呢
社区把权重压下来的能力,已经快到像做家务一样;真正卡住分发节奏的,是那份协议还按国界画线。一个能在自己显卡上实时跑 768p 带声视频的模型,对欧洲和美国的开源爱好者来说依然只是纸面福利——你觉得这套「开放权重加区域许可」的组合,会先被改掉,还是会先变成常态?