知一知 · 今日
← 返回本期日报

AI 前沿

HyperFlow H3 Flash把31B音视频扩散模型压缩至约14B

本期日期 2026-11-08 · 08:00 北京时间

Video Rebirth发布MiniMax-H3压缩少步版本HyperFlow H3 Flash,可同时生成视频和同步立体声音频。模型约13.7B至13.9B参数,不足原约31B transformer一半,默认6步采样且无需CFG。

HyperFlow H3 Flash可生成5.2至15秒、24fps视频,默认分辨率为1344×768,并配有32kHz立体声音轨。采样支持4步、6步和8步,默认6步,不使用classifier-free guidance。项目提供模型权重、ComfyUI节点、GGUF设置指南,以及面向完整MiniMax-H3的8步LoRA。

速度方面,在生成5.2秒、6步采样片段时,4张B200需8.7秒,单张H200需36秒,单张RTX 5090需92秒。推理加速合作方NVIDIA SOL-H3称可在4张B系列Blackwell GPU上实时运行该模型。模型参数为13.7B或13.9B,具体取决于fl2va或ref2va版本;Q4_K_M最低占用9.1GB,Q8_0为14.9GB,可在配备16GB系统内存、24GB或32GB GPU的个人电脑上运行,16GB GPU尚未完成测量。

项目建议,系统内存不超过64GB的个人电脑使用GGUF;数据中心GPU或具备至少69GiB系统内存的24GB以上RTX显卡使用INT8 convrot。软件要求包括Python 3.10以上、带CUDA和Triton的PyTorch 2.6以上、Ampere或更新的NVIDIA GPU,以及diffusers 0.40以上版本。首次运行下载量约90GB,使用fp8文本编码器精度时约68GB,内容包括文本编码器、VAE和所选任务的约16GB HyperFlow INT8 transformer。

原文来源

Hacker News ↗
返回本期日报打开交互阅读页