MiniMax H3 八月初开源之后，本地部署圈已经热闹了快三周。B站一天能冒出来几十条相关视频，标题一个比一个猛——“8GB也能本地AI生视频”“提速1050%”“媲美Seedance”。有位一直玩本地大模型的朋友来问我：我手上是16G显存的卡，这波值不值得上？
我的回答是：值得上，但别照着教程标题上。H3 跟我们之前跑的那些本地大语言模型，账完全不是一个算法。这半个月我把知乎、B站、微博上的实测帖翻了一遍，今天把账摊开算给你看。
先泼三盆冷水：你下的不是"完整H3"
跑本地大模型久了容易形成一个错觉：开源了=全都能本地跑。H3 不是。
第一，这次放出来的是 H3-Base 权重，本地能跑到的上限是 768P 出片。知乎2K 重生成（Regenerate-2K）和多参考素材理解（Context-IR）这两块，至今还挂在 MiniMax 的云端 API 上。微博所以看到"本地免费出2K"这种标题，可以先停一停。
第二，H3 训练时用了稀疏注意力，但首个开源版本只给了全注意力推理，稀疏版"尚待后续发布"。知乎翻译一下：开源版天生就比官方在线服务慢，这正是现在社区加速插件井喷的原因，也是很多"提速XX倍"话术的生存土壤。
第三，许可证不是 MIT 那种随便用的。H3 用的是 MiniMax H3 Community License Agreement：商业产品年收入超过 2000 万美元要先拿书面授权，服务界面要显著标注"MiniMax H3"，还不能拿它或它的输出去改进别的 AI 模型。自己搓漫剧玩没人管你，想商用，先把条款读完。
第一笔账：你的显存在哪一档
先说清楚你要下载的是什么。H3 是个 330 亿参数、音视频一起出的全模态模型。知乎本地部署不是下一个文件，而是一个"五件套"：33B 的 DiT 主模型、Qwen3-VL-32B 文本视觉编码器、视频 VAE、音频 VAE 加配套组件。原始 BF16 精度一共 66GB，社区主流量化组合（主模型 INT8 剪枝约 19.5GB + 编码器 NVFP4 约 14.6GB）也得准备 34GB 以上的硬盘。知乎
然后是大家最关心的显存档位，下面是社区近三周实测拼出来的情况：
8G 显存档：能跑，但有三个前提。 RTX 4070 Laptop 8G + 32G 内存的实测已经跑通了 832×480 的文生视频带音轨：裸跑每步 18 秒，5 秒片子要 6 分钟；上满优化组合（PyTorch cu130 硬件反量化 + TeaCache + SageAttention）后 150 秒出一条。微博上也有 RTX 4060 8G + 16G 内存的用户，20 秒 480P 大约 11 分钟。微博三个前提是：内存最好 32G 起、分辨率只能 480P/576P 起步、模型必须放固态——8G 显存跑 20GB 的模型靠的是不停"换层"，机械盘能让你等到怀疑人生。知乎对了，音频采样步数低于 12 步会爆音，这也是硬约束。
16G 显存档：能跑，但最容易翻车。 知乎有位用户在 RTX 5060 Ti 16GB 上把七个雷全踩了一遍：照抄 4080 教程大概率直接卡死，因为对方是 Ada 架构 + PyTorch cu130，你手上是 Blackwell + cu128，差一个 CUDA 版本，模型直接跑不了。知乎34GB 的五件套塞不进 16G 显存，首次提交直接 OOM，唯一稳妥的路径是 --novram 最激进卸载，权重全放内存里搬，代价是原生速度下 5 秒片子要 3 分钟。还有一个无数人栽过的坑：H3 的 patchify 要求分辨率必须是 32 的倍数，768×448、832×480 能跑，768×432 直接崩。
24G 显存档：这才开始谈得上"能用"。 4080 挂上社区加速节点，10 秒视频大约 10 分钟；4090/4090D 能跑通全流程，同样有人整理出 12 个坑等着踩。知乎
还有一个教程很少提的隐藏变量：系统内存。五件套在任何本地方案里都要部分驻留内存，32G 是门槛，64G 才从容。B站已经有人专门在 4070 Ti Super 上对比 w4a8 和 Q4 量化、32G 和 64G 内存的差异了——这才是 16G 显存档真正该抄的作业。另外给小显存党指个新东西：有个叫 ComfyUI-ClipProj 的项目，用 Qwen3-VL-4B 替换 32B 编码器，把编码器占用从 15.7GB 压到 5GB 左右，V3 版本刚出，人物和语音表现社区还在验证。知乎
第二笔账：加速数字别全信
加速生态这两周长成了丛林，帮你分个类：
实打实的收益： PyTorch 升到 cu130 走 INT8/NVFP4 硬件反量化，3-5 倍，全场最大；TeaCache 缓存约 3 倍，一根参数线的事。知乎SageAttention 再提 11%，但必须锁 1.0.6 版本，2.2.0 跟 H3 直接 CUDA 崩溃。8G 档把这三样叠明白就够了。
要打折扣的： 讨论度很高的 SLA 稀疏注意力节点，宣传 2.5 倍，4060Ti 8G 实测是 872 秒压到 487 秒，约 1.8 倍，而且 token 数要达到 8192 的门槛才完整生效。知乎评论区也有人说实测不如 4 步 LoRA 的方案——追求极限就自己两个都试，别只听一边。
听个响就行的： 英伟达 SANA 团队那篇"27.7 倍加速"（GB200 上 10 秒 768P 端到端 14.9 秒），那是服务器卡上"H3 出草稿 + LTX 精修"两段式流水线的数字，还是有损的，跟桌面显卡没关系。知乎Mac 用户有个 h3.c/MLX 的移植路线，作者是 Redis 之父 antirez。微博但它的每个加速开关都是拿步数、层数、复用换时间，画质代价得自己评估。
B站有条评论很真实："更新太多了，都不知道用什么了。"这话说出了现在本地部署圈最真实的处境。哔哩哔哩我的建议是：固定一套组合先出片，再谈优化。生态还在野蛮生长，天天追新才是最贵的。
第三笔账：本地真比云端便宜吗
最后算钱。本地不是免费的：34GB 硬盘、半小时起步的等待、抽卡重跑的时间，都是成本。而云端价格已经卷到地板——MiniMax 官方 API 768P 是 0.08 美元/秒。知乎一些第三方平台的活动价甚至压到 0.01 元/秒，15 秒视频一毛五，充值 1 块就能试。知乎代价是每条也要等 6 分钟左右，且素材得过云。
顺便给个背景坐标：在评测机构 Artificial Analysis 的视频编辑模型榜单上，H3 一发布就冲到了第一。微博能力是真的，账也得自己算。
所以我的分人群建议很直接：
想体验效果、偶尔出片的，先别部署。用第三方平台或官方 API，花一块钱摸清 H3 能干什么、你要的题材它行不行，这是成本最低的试错。
素材不能出本地的（客户内容、隐私向），或者一天要抽几十条的重度用户，本地值得配。建议 16G 显存 + 64G 内存起步，24G 显存从容；8G 显存党先接受"480P + 等"这两个词，再谈值不值。
想商用的，先读许可证，再想清楚：本地开源版上限 768P，2K 那一步还是要回官方云。
留三个值得盯的信号：官方承诺的稀疏注意力推理什么时候随权重放出（开源版速度会直接上一档）；2K 重生成和 Context-IR 什么时候开放；TeaCache、SLA、Sol-Attn 这些加速方案哪个会被官方工作流收编。这三个任何一个动了，上面的账就得重算。
本地部署的魅力从来不是"更便宜"，而是"是我的"。H3 是开源视频模型第一次真正摸到"消费级显卡能跑、质量能看"的门槛，也正因为新，教程混、数字飞。把账算清再下载，总比 OOM 了再回头快。
