ComfyUI本地跑MiniMax H3实测：免费视频生成能否平替Kling与Seedance？
Notebookcheck实测RTX 5090本地跑MiniMax H3，480p约5.5分钟出片，效果优于Kling与Seedance免费层，无额度隐私顾虑，但分辨率仍是短板。
从一段“光剑积木”视频说起
2026年8月25日，Notebookcheck 编辑 Christian Hintze 刊发了一篇实测，起因很生活化：他的儿子想用 AI 生成一段“自己搭积木、主题是光剑”的视频。孩子起初在 Kling AI 的免费层试了试，但大多数 AI 视频生成器都用免费初始额度吸引注册，若想持续每天生成超过一两段三秒的视频，很快就会被推向昂贵的订阅；更麻烦的是视觉一致性——环境、物体、角色很难保持连贯。失望的孩子最终把父亲“逼”上了本地部署这条路。
测试平台是一台 Razer Blade 16（2025），搭载 RTX 5090 与 24GB 显存。据 Notebookcheck 介绍，视频生成要到 8GB 显存才“变得相当有趣”，而且“显存越大，效果确实越好”。
为什么是 ComfyUI + MiniMax H3
MiniMax H3 可以挂在多种界面下运行，比如 Ollama、Pinokio 或 Stability Matrix，后者自带 ComfyUI——不过记者在这套组合上遇到了问题，最终改用独立版 ComfyUI（ComfyUI.org），可下载为 Windows 等平台的应用程序。ComfyUI 把文本提示、参考图像等一切工具拆成独立节点，每个节点有输入输出、彼此可连接，理论上每个节点都能挂载不同 AI 模型，最终汇入视频生成节点。这对初学者要花时间适应，却换来极大的灵活性。
值得一提的细节是，在 RTX 50 系消费级显卡上跑 H3 并非一路顺畅。据 GitHub 项目 ComfyUI-SolAttn 介绍，NVIDIA 官方的 Sol-Attn（免训练稀疏注意力）代码拒绝在消费级 Blackwell（SM120/RTX 50 系）上运行，开发者把它重新打包成 ComfyUI 节点后才让 5090 用上。该项目在 243 帧、20 步的同一工作流上实测：关闭时耗时 166.8 秒，tau 设为 1.4 时为 156.4 秒（快约 6%），调到 1.8 时 135.2 秒（快约 19%）但画面出现角色重复——这是把“旋钮”而非“开关”，调过头是有代价的。
480p、5.5 分钟与“同一艘战列舰”
实际流程并不神秘。记者先试文本转视频预设，随后转向参考图转视频（reference-to-video）——这正是保持环境、物体与人物一致性的关键。据 Notebookcheck 记录，第一段视频是一艘积木战列舰飞过画面，480p 分辨率下生成耗时约 5.5 分钟。为了在下一幕复用同一艘船，他们把飞船前后视图截图导入，命名为 Ship_front、Ship_rear 链接到主节点，明确要求 AI“只能用这艘船”，否则模型会自行生成全新外观。
提示词的打磨交给了 ChatGPT：先在对话里描述想要的视觉风格、说明哪些品牌名称不能出现但风格可以受其启发、要求电影感、列出需要引用的参考素材，最后才描述具体场景。记者还会让 ChatGPT 生成可复用的“通用提示词”存档，下次只需接入新场景继续描述即可。
结论：更满意，但分辨率仍是短板
据 Notebookcheck 报道，父子俩对成片“远比 Kling AI、Seedance 等服务的免费层满意”，并且终于摆脱了积分限制、订阅弹窗、广告和数据安全顾虑。不过短板也很明显：全高清（Full HD）及以上分辨率连选项都没有，记者推测是硬件要求过高，只能寄望未来模型更高效，眼下则可用 upscaler 升频工具补救。
这次实测恰好踩在 MiniMax H3 开源的时间点上。据智东西8月3日报道（36氪转载），H3 于7月31日开源，是一个全模态生成系统：可输出带原生立体声的视频，最高 2K、最长 15 秒、24FPS、32kHz 立体声。按官方 GitHub 说明，系统由三个模块组成——负责理解多模态指令的 H3-Context-IR（暂未开源）、负责生成 768p 音视频的 H3-Base（开源，33B 参数），以及负责 2K 再生成的 H3-Regenerate-2K（同样未开源，需调 API）。也就是说，纯本地部署默认输出短边 768 像素，这与 Notebookcheck 实测“无 Full HD 选项”正好相互印证；完整的 2K 流程必须本地模型叠加官方 API。
据智东西报道，开源首日即有华为昇腾、摩尔线程、AMD、Intel 等国内外芯片厂商，以及 Hugging Face、魔搭 ModelScope、ComfyUI、RunningHub、fal、vLLM-Omni、SGLang 等共 16 家生态伙伴完成适配。对一个想要“无限制、无广告、数据不出本地”的视频生成体验的人来说，H3 的本地生态正在快速补齐——前提是你至少有一张像 RTX 5090 这样的显卡。
信息来源
信息来源：Notebookcheck