# MiniMax-H3 ComfyUI 部署与使用教程（AI 操作手册）

MiniMax-H3 ComfyUI 部署与使用教程（AI 操作手册）

文档定位：本文档供 AI 助手阅读并直接执行，记录 MiniMax-H3 视频生成模型在远程 GPU 服务器上的完整部署、运维与使用流程。所有命令、路径、凭据均为可执行的真实值。

最后更新 ：2026-08-25

部署状态：已完成，服务可用（http://<SERVER_IP>:8188）

环境信息
[SSH 远程操作方法](#SSH 远程操作方法)
部署流程（已完成，供重装参考）
服务管理（启动/停止/日志/验证）
[OOM 修复方案（torch 2.8 + lowvram）](#OOM 修复方案（torch 2.8 + lowvram）)
工作流使用指南
[Prompt 写法（官方三段式）](#Prompt 写法（官方三段式）)
常见问题与避坑
快速命令速查

1. 环境信息

项目	值
服务器地址	`<SERVER_IP>`
SSH 用户	`user`
SSH 密码	`njtWcah0Lc`
SSH 端口	`22`
GPU	8 × RTX 4090 24GB
内存	503GB
显卡驱动	535（CUDA 12.2）
部署目录	`/home/<YOUR_USER>/MiniMax-H3`
ComfyUI 目录	`/home/<YOUR_USER>/MiniMax-H3/ComfyUI`
venv	`/home/<YOUR_USER>/MiniMax-H3/venv`（Python 3.12.9，miniforge3 创建）
conda	`/home/<YOUR_USER>/miniforge3`（清华镜像源已配）
服务端口	`8188`（已放行）
访问地址	http://<SERVER_IP>:8188

磁盘状况

/ 分区 3.6T，可用空间紧张（约 30-39GB） ，安装大文件前务必检查 df -h /
NAS 挂载 /home/<YOUR_USER>/synology（容量按实际情况填写），可作为大文件中转

网络/防火墙（关键）

UFW 已激活，默认 deny incoming（iptables INPUT policy DROP）
新服务端口必须手动放行：sudo ufw allow <port>/tcp
8188 端口已于 2026-08-21 放行

2. SSH 远程操作方法

本机（Windows）无 sshpass，使用 Node.js ssh2 库执行远程命令。脚本位于项目 .workbuddy/ 目录。

2.1 执行远程命令

bash 复制代码

# 用法：node ssh-run.js "<远程命令>"
cd C:\Users\<YOUR_USER>\WorkBuddy\2026-08-21-11-15-25\.workbuddy
NODE_PATH=C:\Users\<YOUR_USER>\.workbuddy\binaries\node\workspace\node_modules node ssh-run.js "df -h /"

脚本硬编码了服务器地址、用户、密码，直接传入命令字符串即可。

2.2 上传文件并执行

bash 复制代码

# 用法：node upload-run.js <本地文件> <远程路径> [远程命令]
node upload-run.js ./start_comfyui.sh /home/<YOUR_USER>/MiniMax-H3/start_comfyui.sh "bash /home/<YOUR_USER>/MiniMax-H3/start_comfyui.sh"

上传后自动 chmod +x 并执行可选命令。

2.3 注意事项

SSH 后台进程陷阱 ：nohup ... & 通过 SSH 通道启动时，通道关闭可能杀掉进程。长任务需用前台 run_in_background 方式保持连接，或将启动逻辑写入脚本后用 bash xxx.sh 执行。
引号转义 ：复杂命令含引号时易出错，改用 cat > temp.js 写临时 JS 脚本，或先上传 shell 脚本再执行。
Node 运行时 ：使用 managed 版本 C:\Users\<YOUR_USER>\.workbuddy\binaries\node\versions\22.22.2\node.exe，NODE_PATH 指向 workspace 的 node_modules。

3. 部署流程（已完成，供重装参考）

当前环境已部署完成。以下流程供重装或迁移时参考。

3.1 目录规划

复制代码

/home/<YOUR_USER>/MiniMax-H3/
├── ComfyUI/              # ComfyUI 0.33.0 (git clone master)
├── venv/                 # Python 3.12.9 虚拟环境
├── models/               # INT8 量化模型（~42GB）
│   ├── diffusion_models/
│   ├── text_encoders/
│   ├── vae/
│   └── loras/
├── logs/                 # 日志目录
│   ├── comfyui.log
│   └── comfyui.pid
├── downloads/            # wheel/模型临时下载
└── start_comfyui.sh      # 启动脚本

ComfyUI 内的 models/{diffusion_models,text_encoders,vae,loras} 通过软链接指向 /home/<YOUR_USER>/MiniMax-H3/models/*。

3.2 创建 venv

bash 复制代码

# 使用 miniforge3 的 python（不用 conda create，国内 repodata 易卡）
/home/<YOUR_USER>/miniforge3/bin/python -m venv /home/<YOUR_USER>/MiniMax-H3/venv

坑：venv/bin/python 是软链接 → 实际解析到 /home/<YOUR_USER>/miniforge3/bin/python3.12，但 sys.prefix 仍是 venv，site-packages 用 venv 自己的。这是正常的，不要被误导。

3.3 克隆 ComfyUI

bash 复制代码

cd /home/<YOUR_USER>/MiniMax-H3
git clone --depth 1 https://github.com/comfyanonymous/ComfyUI.git

3.4 安装 torch（最终版本：2.8.0+cu126）

重要：初始部署装的是 torch 2.7.1+cu126，后因 OOM 问题升级到 2.8.0+cu126（启用 DynamicVRAM）。详见 [第 5 节](#第 5 节)。

bash 复制代码

# 清华源只有 CPU 版 torch，cu126 必须从 PyTorch 官方源下载
# 大文件用 aria2c 多线程下载最稳（清华源 >100MB 易断流）
aria2c -c -x 16 -s 16 -k 1M -d /home/<YOUR_USER>/MiniMax-H3/downloads \
  -o torch-2.8.0-cp312-cp312-manylinux_2_28_x86_64.whl \
  'https://download.pytorch.org/whl/cu126/torch-2.8.0%2Bcu126-cp312-cp312-manylinux_2_28_x86_64.whl'

# 配套依赖（精确版本）
# torchvision==0.23.0, torchaudio==2.8.0
# nvidia 依赖: cudnn==9.10.2.21, cusparselt==0.7.1, nccl==2.27.3, triton==3.4.0(cp312)
# 用 --no-deps 本地 wheel 秒装，避免 pip 联网下载卡死
/home/<YOUR_USER>/MiniMax-H3/venv/bin/pip install --no-deps --no-cache-dir \
  /home/<YOUR_USER>/MiniMax-H3/downloads/torch-2.8.0-*.whl \
  /home/<YOUR_USER>/MiniMax-H3/downloads/torchvision-0.23.0-*.whl \
  /home/<YOUR_USER>/MiniMax-H3/downloads/torchaudio-2.8.0-*.whl \
  /home/<YOUR_USER>/MiniMax-H3/downloads/nvidia_*.whl

验证 CUDA 可用：

bash 复制代码

/home/<YOUR_USER>/MiniMax-H3/venv/bin/python -c "
import torch
print('torch', torch.__version__, torch.version.cuda)
print('cuda_ok=', torch.cuda.is_available())
x = torch.randn(512,512,device='cuda')
print('matmul_ok', (x@x).sum().item())
"

兼容性：cu126/cu128 torch 在 535 驱动上能跑 CUDA（CUDA 12.x minor-version 兼容性）。ComfyUI 0.33 会警告 "need pytorch cu130+"，驱动 535 最高只支持 cu126，此警告可忽略。

3.5 安装 ComfyUI 依赖

bash 复制代码

cd /home/<YOUR_USER>/MiniMax-H3
TS="https://pypi.tuna.tsinghua.edu.cn/simple"
venv/bin/pip install --no-cache-dir -i "$TS" -r ComfyUI/requirements.txt

3.6 下载 INT8 量化模型（~42GB）

bash 复制代码

cd /home/<YOUR_USER>/MiniMax-H3
mkdir -p models/{diffusion_models,text_encoders,vae,loras}

# 从 ModelScope 下载（国内源，需 modelscope 或 git lfs）
# diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors  (19.5GB)
# text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors         (14.6GB)
# vae/minimax_h3_video_vae_fp16.safetensors                          (4.85GB)
# vae/minimax_h3_audio_vae_fp32.safetensors                          (0.58GB)
# loras/minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors    (1.8GB, Turbo加速8步)

可选 Ref2VA 模型 （参考视频生成，约 20GB）：minimax_h3_ref2va_pruned_int8_convrot.safetensors，磁盘空间足够时可下载。T2V/I2V 不需要它。

3.7 配置模型软链接

bash 复制代码

cd /home/<YOUR_USER>/MiniMax-H3/ComfyUI/models
ln -sf /home/<YOUR_USER>/MiniMax-H3/models/diffusion_models diffusion_models
ln -sf /home/<YOUR_USER>/MiniMax-H3/models/text_encoders text_encoders
ln -sf /home/<YOUR_USER>/MiniMax-H3/models/vae vae
ln -sf /home/<YOUR_USER>/MiniMax-H3/models/loras loras

3.8 安装工作流模板

bash 复制代码

# 最新版需从官方 PyPI 装（清华镜像滞后）
venv/bin/pip install --no-cache-dir comfyui-workflow-templates
# 已装版本：0.11.44

4. 服务管理（启动/停止/日志/验证）

4.1 启动服务

bash 复制代码

# 远程执行启动脚本（GPU3, port 8188, --lowvram）
bash /home/<YOUR_USER>/MiniMax-H3/start_comfyui.sh

启动脚本内容（/home/<YOUR_USER>/MiniMax-H3/start_comfyui.sh）：

bash 复制代码

#!/bin/bash
cd /home/<YOUR_USER>/MiniMax-H3/ComfyUI
export CUDA_VISIBLE_DEVICES=3
PY=/home/<YOUR_USER>/MiniMax-H3/venv/bin/python
nohup $PY main.py --listen 0.0.0.0 --port 8188 \
  --disable-auto-launch --lowvram \
  > /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.log 2>&1 &
echo $! > /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.pid
echo "ComfyUI started on GPU3, PID $(cat /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.pid)"

关键参数说明：

CUDA_VISIBLE_DEVICES=3：只用 GPU3（单卡 24GB）
--lowvram：激进卸载模型，防 OOM（24GB 必须加）
--listen 0.0.0.0：允许外网访问

4.2 停止服务

bash 复制代码

# 方法1：用 PID 文件
kill $(cat /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.pid)

# 方法2：PID 文件可能过时，用 ps 查找
ps aux | grep "main.py --listen" | grep -v grep
kill <PID>

# 确认端口释放
ss -tlnp | grep 8188

4.3 查看日志

bash 复制代码

# 实时日志
tail -f /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.log

# 查看启动是否成功（关键标志行）
grep -E "DynamicVRAM|LOW_VRAM|RTX 4090|To see target" /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.log

启动成功的标志（日志中应出现）：

复制代码

DynamicVRAM support detected and enabled
Set vram state to: LOW_VRAM
Device: cuda:0 RTX 4090: cudaMallocAsync
To see the GUI go to: http://0.0.0.0:8188

4.4 验证服务

bash 复制代码

# 本机验证（需在服务器上或通过 SSH）
curl -s http://localhost:8188/system_stats | head
curl -s http://localhost:8188/object_info | python -c "import sys,json; d=json.load(sys.stdin); print('nodes:', len(d))"

# 从外部验证（本机 Windows）
curl --noproxy '*' -m 5 http://<SERVER_IP>:8188/system_stats

如果外部访问超时但 SSH 通，检查防火墙：sudo ufw status，必要时 sudo ufw allow 8188/tcp。

5. OOM 修复方案（torch 2.8 + lowvram）

5.1 问题现象

24GB 单卡生成视频时 OOM，日志显示：

复制代码

GPU reserved 23712/24564 MiB → 卸载全部模型

5.2 根因（三叠加）

torch 2.7.1 太旧：ComfyUI 0.33 的 DynamicVRAM（需 torch 2.8+）未启用，显存估算/卸载不准
启动脚本无显存模式参数：默认 NORMAL_VRAM 全塞 GPU
分辨率/帧数偏高：激活显存过大

5.3 修复方案（A+B+C）

方案	操作	效果
A	torch 升级到 2.8.0+cu126	启用 DynamicVRAM，显存管理精准
B	启动脚本加 `--lowvram`	强制激进卸载，防 OOM
C	降低分辨率 + Turbo LoRA	640×360 / 8-16帧 / 8步

5.4 torch 升级关键步骤

bash 复制代码

# 1. 下载 torch 2.8.0+cu126 + 配套依赖（aria2c 多线程）
#    从 https://download.pytorch.org/whl/cu126/ 下载
#    torch-2.8.0+cu126, torchvision-0.23.0, torchaudio-2.8.0
#    nvidia-cudnn-cu12==9.10.2.21, nvidia-cusparselt-cu12==0.7.1
#    nvidia-nccl-cu12==2.27.3, triton==3.4.0(cp312)

# 2. 清理旧 torch 残留（pip 中断会留 ~orch 临时目录）
venv/bin/pip uninstall -y torch torchvision torchaudio
rm -rf venv/lib/python3.12/site-packages/~orch

# 3. --no-deps 本地安装（秒装，不联网）
venv/bin/pip install --no-deps --no-cache-dir <所有 wheel>

# 4. 验证
venv/bin/python -c "import torch; print(torch.__version__)"
# 应输出 2.8.0+cu126

5.5 修复后验证

重启 ComfyUI，日志应出现：

复制代码

pytorch version: 2.8.0+cu126
DynamicVRAM support detected and enabled
Set vram state to: LOW_VRAM
Device: cuda:0 RTX 4090: cudaMallocAsync

6. 工作流使用指南

6.1 基本工作流结构

用户使用官方 MiniMax-H3 文生视频模板，核心节点链路：

复制代码

CheckpointLoader(FL2VA INT8) 
  → MiniMaxH3ImageToVideo（主生成节点）
    → VAE Decode → 视频输出

辅助节点：

EmptyMiniMaxH3LatentAV：创建空 latent（纯文生视频）
MiniMaxH3AddGuide：添加引导
MiniMaxH3ReferenceToVideo：参考视频生成（需 Ref2VA 模型）
MiniMaxH3SigmaShift：sigma 偏移

6.2 时长调整

时长控制链路：PrimitiveFloat（秒数）→ ComfyMathExpression（×24 换算帧数）→ MiniMaxH3ImageToVideo.length

修改 PrimitiveFloat 节点的值即可改时长（单位：秒）
5 秒 = 124 帧，10 秒 = 240 帧（24fps）
ComfyMathExpression 自动换算，无需手动改 length
如果找不到 PrimitiveFloat 节点，可直接断开 length 连线，手动填帧数值

6.3 图生视频（I2V / FL2VA）

模式	输入	说明	是否需要额外模型
T2V（文生视频）	仅文本	从零生成	否，当前已支持
I2V（首帧生视频）	1张首帧图	从图片向后发展	否，MiniMaxH3ImageToVideo 原生支持
FL2VA（首尾帧生视频）	首帧+尾帧图	描述中间过渡	否，同上
R2V（参考视频生成）	参考视频/图	风格/角色参考	是，需下载 Ref2VA ~20GB

I2V 操作 ：LoadImage → MiniMaxH3ImageToVideo.first_frame，prompt 开头加对齐句式（见第 7 节）。

6.4 分辨率建议（24GB 显存）

分辨率	帧数	步数	是否安全
640×360	120-240	8(Turbo)	推荐
480×272	120-240	8(Turbo)	安全
512×288	120	8	安全
1280×720	120+	8	可能 OOM

始终配合 --lowvram + Turbo LoRA（8步）。如果 640×360 还 OOM，降到 512×288 或关闭 audio。

6.5 Turbo LoRA 参数

复制代码

turbo_steps: 8        # Turbo 加速步数
turbo_mode: false     # 当前 LoRA 标准用法
turbo_model_overhead: 1.00

7. Prompt 写法（官方三段式）

来源：HuggingFace MiniMaxAI/MiniMax-H3 模型卡 + docs/VIDEO_PROMPT_WRITING_GUIDE_base_en.md

7.1 三段式结构

官方推荐 prompt 分为三个字段，合并为一个文本框输入：

text 复制代码

integrated_multimodal_description: [视觉 + 动作 + 对白时间线]

overall_soundscape: [1-4句：环境音 + 动作音效，不重复对白/音乐]

non_diegetic_music: [1-3句：配器/节奏/力度，不写情绪词]

7.2 分镜规则

首镜头 [Shot 1] 不带时间戳
后续镜头以 [Shot 2] At 00:02.500, the camera cuts to... 开头
切镜时间严格递增 ，且必须落在视频时长内
普通切换用语：the camera cuts to / the shot cuts to / the shot transitions to
仅在用户明确要求时使用 cross-dissolve、fade、wipe

7.3 节拍上限

短于 6 秒：最多 2 个节拍（镜头）
6-10 秒：可 3-4 个镜头
切镜应引入新信息（主体/空间/状态/视点/时间），否则用运镜而非切换

7.4 运镜三要素

运镜写成自然英语句，包含：运动类型 + 幅度（可选）+ 速度（可选）

运动类型	说明
Zoom In / Zoom Out	焦距变化，机身不动
Push In / Pull Out	相机前/后移动
Pan Left / Right	机身不动，镜头水平转
Truck Left / Right	相机水平平移
Tilt Up / Down	镜头垂直转
Arc Shot	围绕主体弧形移动
Tracking Shot	跟随移动主体
Static Shot	静止
Shake Slightly / Strongly	轻微/强烈抖动
POV	主体视角

示例：The camera pushes in with small amplitude at slow speed toward the subject.

7.5 每镜内容顺序

复制代码

景别（medium wide shot / close-up 等）
→ 运镜（类型 + 幅度 + 速度）
→ 主体外观（外貌、服装、位置）
→ 场景/环境（光线、色调、背景）
→ 动作与反应

7.6 对白与说话者

说话者用稳定 ID：(S1)、(S2)，跨镜头保持
对白格式：<d>[语言] 原文</d>，逐字保留不翻译
画外音：says in an off-screen voiceover: <d>[English] ...</d> while his lips remain completely closed

7.7 图生视频对齐句式

I2V（首帧）：

text 复制代码

For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

FL2VA（首尾帧）：

text 复制代码

How the reference pictures align with the target video --- Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video.

7.8 完整示例（T2V，10秒）

text 复制代码

integrated_multimodal_description: [Shot 1] Cinematic, medium wide shot, pushing in slowly. In the cavernous, dimly lit bridge of a starship, sleek metallic consoles with glowing amber displays flank a massive, curved observation window. A female captain, in her late 40s with an athletic build and short silver-streaked black hair, stands in the center midground. She wears a structured, high-collared dark navy military tunic with silver chest insignias. Her back is to the camera, silhouetted against the cool, ambient starlight pouring through the thick glass. She stands perfectly still with her hands clasped tightly behind her back. Outside the window, a massive armada of jagged, dark grey dreadnoughts hovers in tight formation against a deep purple space nebula. The fleet's massive rear thrusters begin to glow with an intense, escalating bright blue light. [Shot 2] At 00:04.500, the camera cuts to a close-up of the captain's face and shakes strongly. The brilliant blue-white light from the fleet's gathering energy reflects vividly in her dark eyes. Suddenly, a blinding white flash floods through the window, completely washing out the background as the fleet jumps to hyperspace. The sheer spatial force violently jolts the bridge, causing the captain from Shot 1 to stagger slightly forward, her shoulders tensing as she visibly braces herself against the physical tremors. As the intense white light fades abruptly, leaving only the dim, empty expanse of the purple nebula reflected on her starkly lit skin, her jaw clenches, and she slowly closes her eyes in the newly emptied space.

overall_soundscape: A low, resonant hum of the ship's ambient life support systems serves as the baseline, soon drowned out by an audible, escalating, high-pitched electronic whine as the fleet outside charges its hyperdrives. A massive, deafening, bass-heavy boom and sharp crackle erupts during the blinding flash, accompanied by the loud metallic creaking, rattling, and deep thuds of the bridge's bulkheads vibrating under immense physical stress. The intense roaring impact then cuts abruptly back to a hollow, echoing room tone, leaving only the faint, steady hum of the isolated bridge.

non_diegetic_music: Cinematic space-opera orchestral score, slow tempo, featuring a solitary, mournful French horn melody over deep, sustained string dissonances that build rapidly in volume and intensity, swelling to a massive orchestral peak before snapping immediately into silence right after the jump.

8. 常见问题与避坑

8.1 外部访问 8188 超时（SSH 通但 HTTP 不通）

根因：UFW 防火墙未放行端口。

修复：sudo ufw allow 8188/tcp

排查：curl --noproxy '*' -m 5 http://<SERVER_IP>:8188/system_stats，超时则查防火墙。

8.2 生成视频 OOM

根因：torch < 2.8 / 无 --lowvram / 分辨率过高。

修复：见 [第 5 节](#第 5 节)。降分辨率到 640×360，确认 --lowvram 已加。

8.3 pip 安装大文件卡死

根因：清华源 >100MB 文件易断流。

修复：用 aria2c -c -x 16 -s 16 -k 1M 多线程下载，再 pip install --no-deps 本地 wheel。

8.4 torch 显示未安装但进程在跑

根因：pip 中断安装残留 ~orch 临时目录，进程靠内存活着，重启必崩。

修复：rm -rf venv/lib/python3.12/site-packages/~orch，重新 pip install --no-deps 本地 wheel。

8.5 vLLM 无法加载 INT8 权重

事实：vLLM 无法加载 ComfyUI 的 INT8 单文件权重，只能用官方 diffusers 完整仓库（FL2VA ~144GB BF16）。磁盘不够时只能用 ComfyUI + INT8。

8.6 SSH 后台进程被杀

根因：SSH 通道关闭时 nohup 进程可能被杀。

修复：长任务用前台 run_in_background 保持连接；或上传 shell 脚本后 bash xxx.sh 执行。

8.7 conda create 卡 repodata

根因：国内 conda repodata 下载慢/卡。

修复：用 venv + miniforge python 代替 conda create。

8.8 comfyui-workflow-templates 版本滞后

根因：清华镜像源滞后。

修复：从官方 PyPI 安装：pip install comfyui-workflow-templates（不加 -i 清华源）。

9. 快速命令速查

从本机（Windows）通过 SSH 执行

bash 复制代码

# 变量
WB="C:\Users\<YOUR_USER>\WorkBuddy\2026-08-21-11-15-25\.workbuddy"
NODE="C:\Users\<YOUR_USER>\.workbuddy\binaries\node\versions\22.22.2\node.exe"
NPM_PATH="C:\Users\<YOUR_USER>\.workbuddy\binaries\node\workspace\node_modules"

# 启动服务
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "bash /home/<YOUR_USER>/MiniMax-H3/start_comfyui.sh"

# 停止服务
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "kill \$(cat /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.pid) 2>/dev/null; ps aux | grep 'main.py --listen' | grep -v grep"

# 查看日志
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "tail -30 /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.log"

# 验证服务
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "curl -s -m 5 http://localhost:8188/system_stats"

# 检查 GPU 状态
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "nvidia-smi --query-gpu=index,name,memory.used,memory.total --format=csv"

# 检查磁盘
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "df -h / /home/<YOUR_USER>/synology"

# 检查进程
cd "$WB" && NODE_PATH="$NPM_PATH" "$NODE" ssh-run.js "ps aux | grep -E 'main.py|comfyui' | grep -v grep"

服务器上直接执行

bash 复制代码

# 启动
bash /home/<YOUR_USER>/MiniMax-H3/start_comfyui.sh

# 停止
kill $(cat /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.pid)

# 日志
tail -f /home/<YOUR_USER>/MiniMax-H3/logs/comfyui.log

# 验证
curl -s http://localhost:8188/system_stats

# 放行端口
sudo ufw allow 8188/tcp

# 检查 torch 版本
/home/<YOUR_USER>/MiniMax-H3/venv/bin/python -c "import torch; print(torch.__version__)"

附录：模型文件清单

文件	路径	大小	用途
FL2VA INT8	`models/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors`	19.5GB	主扩散模型
Qwen3VL	`models/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors`	14.6GB	文本编码器
Video VAE	`models/vae/minimax_h3_video_vae_fp16.safetensors`	4.85GB	视频解码
Audio VAE	`models/vae/minimax_h3_audio_vae_fp32.safetensors`	0.58GB	音频解码
Turbo LoRA	`models/loras/minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors`	1.8GB	8步加速
Ref2VA（可选）	`models/diffusion_models/minimax_h3_ref2va_pruned_int8_convrot.safetensors`	~20GB	参考视频生成

总计（不含 Ref2VA）：~42GB