MiniMax H3 开源这二十多天，口碑一直被捧：画质强、榜单高、8G 显存都能跑。但一批真在本地跑起来的人，给出了另一种评价：太慢。博主 Howell 用 M5 Max / 128GB 实测，生成一条 5.17 秒的 1344×768 视频用了 50 分 19 秒，平均每步 192 秒，测完直接把模型删了。小红书而同一篇帖子的评论区里，有人 5090 生成 15 秒视频只用 100 多秒。同一个模型，差出几十倍。它到底是慢，还是你没配明白？
我把近几周小红书、B站、微博放出来的实测耗时翻了一遍，凑了十来组不同配置。先说结论：H3 确实慢，但"慢"是个变量，不是常数；量化则是最容易被误会的"加速手段"。
先看实测耗时
有人把各家显卡的实测做成了 H3 天梯榜，3090 跑 10 秒只要三分钟。小红书3060 6G 显存跑 10 秒用了 16 分钟，但用的是 lightx2v 四步 LoRA。哔哩哔哩4060 Ti 8G 显存 + 32GB 内存，15 秒视频要 15 分钟左右，分辨率压到了 846×468。哔哩哔哩再结合我收来的其他配置，大致是这样一张表：
配置 | 视频规格 | 实测耗时 |
|---|---|---|
M5 Max / 128GB（BF16 原精度） | 1344×768 · 5 秒 · 16 步 | 50 分 19 秒 |
M5 Max / 64GB（8bit 优化版） | 1344×768 · 5.9 秒 | 约 20 分钟 |
2×2080 Ti 魔改卡 | 10 秒 | 约 20 分钟 |
RTX 3060 6G + lightx2v 四步 | 608×1058 · 10 秒 | 16 分钟 |
RTX 4060 Ti 8G + 32GB 内存 | 846×468 · 15 秒 | 约 15 分钟 |
笔记本 5090 24G | 720P · 5 秒 | 约 14 分钟 |
RTX 4070 Ti SUPER 16G（INT8+sage+4 步） | 780p · 10 秒 | 约 10 分钟 |
RTX 5070 Ti 16G + 48GB 内存 | 10 秒 | 约 8 分钟 |
RTX 4090（INT8） | 720p · 15 秒 | 约 4 分钟 |
RTX 5090 桌面版 | 15 秒 | 100 多秒 |
这张表有两个提醒。第一，每行规格都不一样：分辨率、时长、步数都影响耗时，横向比只能看个量级。第二，5090 不是一个数字：桌面版 15 秒能压到 100 多秒，笔记本 5090 跑 720P 5 秒却要 14 分钟，同芯片的持续性能释放差距就这么大。小红书
为什么差这么多：三个变量
评论区有人问，为什么我 4060 Ti 16G 还没有 5060 8G 生成得快，老手的回答很直接：环境或者加速节点没弄好，不会那么慢的。小红书把各路实测对照着看，真正拉开耗时差距的是三件事。
一是分辨率和时长。还是那台笔记本 5090，540P 5 秒 5.5 分钟，720P 5 秒就要 14 分钟；时长从 5 秒到 15 秒，耗时基本线性涨。二是步数：默认工作流往往二十多步，换 4 步 LoRA 直接砍到五分之一，这也是 3060 能跑出结果的原因。三是显存爆不爆。显存够，全程在卡上算；一旦溢出到内存做交换，速度断崖式下降，用一位楼主的话说，爆显存了就会很慢的。小红书
所以很多"慢"不是模型的问题，是规格组合和环境的问题。分清这一点，再看架构，就能搞明白哪些慢是先天的，哪些慢是自己配的，哪些加速是真有效。
先天的慢：33B 稠密单流，稀疏推理还没开源
H3 不是小模型：核心是 33B 参数的稠密单流 Transformer，画面和声音一口气算，再配 Qwen3-VL-32B 文本视觉编码器和双 VAE，完整权重包 134GB。测完删模型的博主把原因说得很透：慢是因为 33B 全注意力，官方稀疏注意力还没开源，量化只省内存，不加速。小红书这里有两个信息量：全注意力推理天生重；而真正能带来提速的官方稀疏推理还没来。H3 原生支持稀疏注意力训练，但开源版目前是完整（full）推理版，提速的稀疏推理要等后续更新。知乎
看官方架构图也能明白为什么本地上限是 768p：整个流程分三段——Context-IR 前处理、H3-Base 本地生成、再生成到 2K，而开源的是 H3-Base（768p 那条线）；Context-IR、2K 重生成都是托管 API。知乎权重也要本地拉：编码器 + VAE 约 72GB，主模型 BF16 约 62GB，有博主 HuggingFace 直连只有 0.66MB/s，换 ModelScope 快源 41MB/s 才下完。小红书家里宽带和硬盘不够大的话，光第一步就够劝退。
四条加速路：真省时间的没几条
把社区的办法归拢一遍，真正被反复验证的是四条路。
路线一：减步数 LoRA，最直接的省时间。用蒸馏好的 4–8 步 LoRA（社区里叫 Turbo、lightx2v 这类）替换二十多步采样，耗时差不多按步数等比缩。官方生态已经有现成工作流：H3 Turbo LoRA 把采样压到 4–8 步，Tiny Autoencoder H3 负责快速合成预览，预览效果不好就停掉，去调提示词或种子，按分享者的说法，这套流程就是为了节省你宝贵的 GPU时间。微博前面 3060 的 16 分钟，就是这么跑出来的。
路线二：先预览，再出正式。用 TinyAE（taeh3）这类轻量编码器先出粗糙预览，废片直接掐掉，确认构图和动作后再跑高分辨率。这条路不会让单次生成变快，但能把无效的等待砍掉——对废片率高的新手，这可能是性价比最高的一条。
路线三：量化，省的是显存，不是时间。INT8、FP8、w4a8、GGUF，都是把权重变小、占显存变少，别指望它缩短出片时间。有人专门测过 GGUF 档：虽然是量化工作流，运行峰值仍接近 30G，模型文件更小，不等于实际生成时只需要同等大小的显存。哔哩哔哩量化的意义在"能跑"：16G 卡、小显存卡和 Mac 靠 INT8 / w4a8 + 共享内存把模型塞进去，M5 Max 64GB 的 20 分钟就是 8bit 优化版的成绩。
路线四：注意力加速与缓存。sage attention、缓存提速这些是在算子层面抠时间。同一张 4080 SUPER 的五档实测里，缓存提速档跑得最快，低显存加强档峰值最低（6.3G）但耗时更长。哔哩哔哩也有 4070 Ti SUPER 16G 的用户 INT8 + sage attention + 4 步 LoRA 一起叠，780p 10 秒约 10 分钟，自评效果体感很不错，“介于 seedance 1.5 和 seedance 2.0 fast 之间”。小红书
一句话总结：省时间的，是减步数、缓存和预览流；省显存的，是量化和低显存档。两件事别混。
想上手，按配置选
把实测拼起来，各档位的建议大概是：
8GB 显存（如 4060 Ti 8G + 32GB 内存）：能跑，但显存、内存、硬盘一起出力，846×468 的 15 秒要 15 分钟上下，定位是预览机，别指望直接出成品。
16GB 显存（5070 Ti / 4060 Ti 16G）：前提是内存不能短。5070 Ti + 48GB 内存的实测 5 秒约 3 分钟、10 秒约 8 分钟，但显存占 13.6GB、共享显存再吃 17.5GB，系统内存接近 45GB，用原帖的话说，它能跑，是显存、内存和 NVMe 一起扛。小红书32GB 内存的机器已经有人反馈第二条就报错，内存不足 48GB 建议先降分辨率。
24GB 显存及以上（4090 / 5090）：甜区。4090 挂 INT8 跑 15 秒 720p 约 4 分钟，桌面 5090 能把 15 秒压到 100 多秒，这是目前最接近"能用"的本地配置。
Mac：两派吵得很凶。一派用 M5 Max 跑 8bit 优化版把 5.9 秒压到 20 分钟；另一派结论是，Mac最多跑图，视频不适合，视频还是得上N卡。小红书大统一内存是底气，但速度上限仍明显低于同级 N 卡，更适合已经买了 Mac 的人顺手玩，不建议为它专门上车。
没显卡、只想试效果的，先算云。官方 API 5 秒 768p 大概 2–3 元，10 分钟就能出片。小红书这比先花一万多买显卡试错便宜得多。也别迷信租卡，有人 autodl 上 4090 48G + 96G 内存，跑 15 秒都可能爆内存。小红书
值得盯的信号
生态铺开的速度比预想快。开源一周，H3 在 Hugging Face 已衍生出接近 300 个模型，ComfyUI 版本下载量近 700 万。微博
实力也在被认证：Design Arena 多图生视频专项榜上，H3 以 Elo 1355 分排第二，是榜单内最强开源视频模型。微博同时有两件事要留个心眼。一是许可：H3 用的是 MiniMax-H3 Community License，不是常见的 Apache/MIT，对商用规模有限制，想接业务的先把许可读明白。知乎二是硬件行情：非N卡真的支持太少了，N卡已经涨飞了。小红书入坑成本不只是时间。
往后值得盯三个信号：其一，官方稀疏推理什么时候开源，这是从根上改变 H3 速度的开关；其二，减步数 LoRA 和 TinyAE 的迭代速度，4 步版的画质损失目前还是肉眼可见；其三，768p 以上的本地方案——目前开源线就到 768p，2K 还得走 API，什么时候放开是另一个节点。
最后给个痛快话：H3 的效果值得等，但本地生成现在处在"慢、但有办法"的阶段——把变量搞明白，时间能省出几十倍。等不及的，云 API 加本地预览流是当下最务实的组合；等得及的，盯住稀疏推理开源再下手。
