刷短剧上头后，我用5090和ComfyUI部署MiniMax H3

前言

大家好，我是袅袅。

最近刷短剧有点上头，B站也不进了，抖音也不看了，就在黄果......啊不，红果里待着了。

好了好了好了，这下好了，感觉脑子也不痒了。

之前我就在本机跑过 MiniMax H3，配置是 RTX 5060 Ti 16GB 显存 + 32GB 内存 。画面效果还不错，让我有了继续折腾的兴趣，但生成一段 768p 5s的视频，需要约 22 分钟。

改一下提示词，然后又 22 分钟，呜呜呜

于是这次，我在 AutoDL 上租了一张 RTX 5090，32GB 显存、90GB 内存，通过 ComfyUI 部署 MiniMax H3 。GPU 租用价格是 2.88 元/小时，我想看看换一张显卡，实际使用体验能改善多少，也为后续统计生成成本做个准备。

下面把这次的实例配置、ComfyUI 安装、模型下载、文生视频工作流配置和避坑过程整理出来。准备自己动手的朋友，可以沿着这条路线搭起来。

一、部署说明

ComfyUI 是什么

ComfyUI 是一个基于节点式工作流的开源 AI 生成界面，让用户通过拖拽连接模块来灵活搭建和运行图像、视频等生成流程。

本次算力平台采用 AutoDL，我把 ComfyUI、Minimax H3 部署在算力平台实例。

ComfyUI 对外提供API服务，通过 AutoDL 的自定义服务 URL 可以访问 ComfyUI 及 API。

博客完整记录了 AutoDL 实例创建、ComfyUI 安装、Minimax H3 模型文件下载、文生视频工作流、参考图生视频工作流。

1.1 算力选型

研发阶段低并发场景，选择 1-2 张 RTX 5090 32G 显卡作为算力服务即可。

RTX 5090 计费：￥2.88/小时、￥408.50/周、￥1625.00/月；实际租用以平台显示为准，磁盘等费用另看账单。

内存和磁盘：32GB 显存，90GB 内存（建议内存不低于 64G）；模型加载、运行和卸载会用到不同资源，具体占用需要结合工作流观察。

磁盘空间：300G（建议不低于 200G）；像 Minimax H3 模型文件都要80G左右，Qwen Image 2.1 模型文件在25G左右。当然针对某个模型文件，我们可以指定下载部分文件，不下载全部模型文件，以减少磁盘占用。

研发阶段算力配置

项目	本次实际配置
算力平台	AutoDL
GPU	RTX 5090 32GB × 1
CPU	25 vCPU，Intel Xeon Platinum 8470Q
内存	90GB
镜像	PyTorch 2.8.0 + Python 3.12 + CUDA 12.8
操作系统	Ubuntu 22.04
系统盘	30GB
数据盘	免费 50GB + 付费扩容 200GB
安装路径	`/root/autodl-tmp/ComfyUI`
服务端口	`6006`

生产力选型建议

生产力	建议配置	显卡数量
研发阶段低并发场景	RTX 5090 32G	1
小规模生产力	RTX PRO 6000 96GB	2
中大型生产力	H100/H800	4

1.2 部署流程

graph TD Start --> A(创建 AutoDL 实例) A(创建 AutoDL 实例) --> B(安装 ComfyUI 服务) B(安装 ComfyUI 服务) --> C(自定义服务地址访问 ComfyUI) C(自定义服务地址访问 ComfyUI) --> D(加载 MiniMax H3 工作流模板) D(加载 MiniMax H3 工作流模板) --> E(下载模型文件) E(下载模型文件) --> F(执行视频工作流) F(执行视频工作流) --> Stop

1.3 为什么要自己部署，因为API费用真的太酷啦！

个人或团队如果有算力，本地部署只需要承担电费。

模型名称	分辨率	价格
Seedance 2.5	720p	1.5元/s
Seedance 2.0	720p	1.0元/s
MiniMax-H3	768p	0.5元/s
MiniMax-H3	2k	0.8元/s

二、创建 AutoDL 实例

创建实例时，我选择了下面的 PyTorch 镜像PyTorch 2.8.0 + Python 3.12(ubuntu22.04) + CUDA 12.8

AutoDL 容器把/作为系统盘（默认30G），/root/autodl-tmp作为数据盘（默认50G，扩容了200G）。

Minimax H3 等模型文件、ComfyUI 服务一定要部署在数据盘，系统盘就30G，一不小心就空间不足了。

AutoDL 容器统一对外暴漏了 2 个端口6006、6008，不支持更多端口了，想要映射其他服务或端口，只有借助 nginx 反向代理去实现。

二、安装 ComfyUI

Step 1：进入实例确认 GPU 可用

启动实例后，从 JupyterLab 打开 Terminal。

先查看显卡：

bash 复制代码

nvidia-smi

确认型号为 NVIDIA GeForce RTX 5090，再检查当前 Python 环境：

bash 复制代码

python --version
python -c "import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available())"
python -c "import torch; print(torch.cuda.get_device_name(0)); print(torch.cuda.get_device_properties(0).total_memory / 1024**3)"

这里重点看三项：Python 版本、PyTorch 版本，以及 torch.cuda.is_available() 是否返回 True。

nvidia-smi 能看到显卡以后，还需要确认当前 Python 里的 PyTorch 能调用它。最后一条命令输出 GPU 名称和显存容量，容量按 GiB 计算，不必恰好等于 32.0。

Step 2：拉取 ComfyUI 到数据盘

执行命令进入数据盘 cd /root/autodl-tmp，然后执行下面的命令拉取 ComfyUI。

bash 复制代码

git clone --depth 1 https://github.com/Comfy-Org/ComfyUI.git

拉取 github 代码时，网络不好时可以使用 ghfast.top 加速地址，改用下面的命令。

--depth 1 表示只拉取较浅的提交历史，减少首次下载量；HTTP 配置只对这条命令生效。

bash 复制代码

git -c http.version=HTTP/1.1 clone --depth 1 \
  https://ghfast.top/https://github.com/Comfy-Org/ComfyUI.git

Step 3：安装依赖

创建 AutoDL 实例时，镜像已包含完整的 Python 和 PyTorch 环境。直接使用即可，不用额外安装 Python 环境。

执行命令cd /root/autodl-tmp/ComfyUI，进入 ComfyUI 安装目录

开始下载依赖：

bash 复制代码

python -m pip install -r requirements.txt \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

使用阿里云源下载速度约为 100KB/s；换到清华源后约为 10MB/s。

不同实例的网络情况可能不同，下载慢时可以先检查包源。可以更新 pip 配置为清华镜像源。pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

三、通过 AutoDL 自定义服务打开页面

MiniMax H3 的基础 T2V、I2V、R2V 工作流模板要求 ComfyUI >= 0.30.0，启动 ComfyUI 后可以检查下版本

Step 1：启动 ComfyUI

执行命令cd /root/autodl-tmp/ComfyUI进入 ComfyUI 安装目录。

因为 AutoDL 的容器对外暴漏 6006 端口，此处启动 ComfyUI时，我们重新指定端口为 6006。

执行下面的命令启动 ComfyUI 服务

bash 复制代码

python main.py --listen 0.0.0.0 --port 6006

可以在容器实例的自定义服务下找到服务地址

然后复制服务地址，粘贴到浏览器后回车打开，可以看到 ComfyUI。

Step 2：确认页面和服务都正常

浏览器能看到 ComfyUI 节点编辑器，说明 Web 页面已经可以访问。

如果页面打不开，先在实例终端检查本机服务：

bash 复制代码

curl -I http://127.0.0.1:6006/

Step 3：后台启动 ComfyUI

前台方式方便观察第一次启动日志。

需要关闭终端，在后台运行，可以使用 Ctrl + C 结束自己启动的前台进程，再执行下面命令：

bash 复制代码

cd /root/autodl-tmp/ComfyUI
mkdir -p logs
nohup python -u main.py --listen 0.0.0.0 --port 6006 \
  > logs/comfyui.log 2>&1 &

查看运行日志：

bash 复制代码

tail -f /root/autodl-tmp/ComfyUI/logs/comfyui.log

四、加载工作流模板下载模型文件

Step 1：从模板库选择 MiniMax H3 视频模板

打开 ComfyUI 的模板库，搜索 MiniMax H3，选择文生视频模板 MiniMax H3 T2V。

ComfyUI 模板会提示缺少哪些必须的模型文件，我们可以按需下载，降低文件下载耗时。

Step 2：MiniMax H3 模型目录

工作流类型

类型	用途	生成模型
T2V	文本生成视频	`fl2va`
I2V	首帧或首尾帧生成视频	`fl2va`
R2V	参考素材生成视频	`ref2va`

主模型负责生成，文本编码器处理提示词，视频和音频 VAE 负责把模型内部表示还原成画面与声音，Turbo LoRA 用于模板的加速模式。

下面是 ModelScope 社区的 ComfyUI 全部模型文件，我们可以按需下载指定的模型文件。

text 复制代码

📂 /root/autodl-tmp/ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   ├── minimax_h3_fl2va_bf16.safetensors
│   │   ├── minimax_h3_fl2va_int8_convrot.safetensors
│   │   ├── minimax_h3_fl2va_pruned_bf16.safetensors
│   │   ├── minimax_h3_fl2va_pruned_int8_convrot.safetensors
│   │   ├── minimax_h3_fl2va_pruned_w6a8.safetensors
│   │   ├── minimax_h3_fl2va_pruned_fp8_scaled.safetensors
│   │   ├── minimax_h3_ref2va_bf16.safetensors
│   │   ├── minimax_h3_ref2va_int8_convrot.safetensors
│   │   ├── minimax_h3_ref2va_pruned_bf16.safetensors
│   │   ├── minimax_h3_ref2va_pruned_int8_convrot.safetensors
│   │   ├── minimax_h3_ref2va_pruned_w6a8.safetensors
│   │   └── minimax_h3_ref2va_pruned_fp8_scaled.safetensors
│   ├── 📂 text_encoders/
│   │   ├── qwen3vl_32b_minimax_h3_bf16.safetensors
│   │   ├── qwen3vl_32b_minimax_h3_int8_convrot.safetensors
│   │   └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors
│   ├── 📂 loras/
│   │   ├── minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors
│   │   ├── minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors
│   │   └── minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors
│   ├── 📂 vae/
│   │   ├── minimax_h3_audio_vae_fp32.safetensors
│   │   ├── minimax_h3_audio_vae_fp32.safetensors
│   │   └── minimax_h3_video_vae_int8_convrot.safetensors
│   ├── 📂 model_patches/
│   │   ├── minimax_h3_fun_controlnet_union_pruned_bf16.safetensors
│   │   └── minimax_h3_fun_controlnet_union_pruned_int8_convrot.safetensors
│   ├── 📂 embeddings/
│   │   ├── minimaxh3_art_is_explosion.safetensors
│   │   ├── minimaxh3_blooming_flowers.safetensors
│   │   ├── minimaxh3_bullet_time.safetensors
│   │   ├── minimaxh3_dark_magic.safetensors
│   │   ├── minimaxh3_fire_breath.safetensors
│   │   ├── minimaxh3_four_seasons.safetensors
│   │   ├── minimaxh3_kiss_camera.safetensors
│   │   ├── minimaxh3_spiral_ascent.safetensors
│   │   ├── minimaxh3_storm_magic.safetensors
│   │   └── minimaxh3_truman_show.safetensors

Step 3：从 ModelScope 按需下载

拉取 Hugging Face 镜像文件网速不佳时，使用 ModelScope 社区镜像源是一样的。

就像我们使用阿里云加速、清华镜像加速一样，Hugging Face是外网社区，ModelScope 是国内社区。

首先安装下载工具 Modelscope：

bash 复制代码

python -m pip install modelscope \
  -i https://pypi.tuna.tsinghua.edu.cn/simple
modelscope download --help

然后使用 modelscope 命令按需下载工作流所需的文件到数据盘：

这里按文件清单下载，避免把其他精度、其他任务的权重也全部拉下来。一个 --include 后面可以列出多个匹配项；--local_dir 指定文件落地目录。

根据显卡配置 RTX5090 32GB VRAM 选择模型文件 INT8 DiT + NVFP4/AWQ Text Encoder，如果选择 BF16 H3 显存压力会非常大。

bash 复制代码

modelscope download \
  --model Comfy-Org/MiniMax-H3 \
  --local_dir /root/autodl-tmp/ComfyUI/models \
  --include \
  "diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors" \
  "text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors" \
  "vae/minimax_h3_video_vae_int8_convrot.safetensors" \
  "vae/minimax_h3_audio_vae_fp32.safetensors" \
  "loras/minimax_h3_fl2v_turbo_8step_v1.0_comfyui_bf16.safetensors" \
  "embeddings/minimaxh3_art_is_explosion.safetensors"

Step 4：检查下载位置，重新加载模板

模型文件下载完成后，重启 ComfyUI，重新打开模板，检查节点中的模型选择。

五、配置一次简单的文生视频任务

环境准备好以后，可以按下面这组设置进行首次生成验证：

参数	建议起点
工作流	MiniMax H3 T2V
分辨率	1344 × 768
时长	约 5 秒
Base 采样步数	20
Turbo	关闭
Seed	固定，便于后续对照
场景	单个主体、单个镜头、简单运动

这组参数用于首次验证，完整耗时和输出效果还需要实际记录。

提示词可以先使用这样一个简单场景：

text 复制代码

一位年轻的亚洲女子在霓虹闪烁的东京夜街上缓缓行走。
雨水淅淅沥沥地下着，五彩缤纷的霓虹灯倒映在湿漉漉的人行道上。
镜头从她身后缓缓跟随，以流畅的电影式长镜头呈现。
自然的脚步声、雨声、远处车流的喧嚣以及轻柔的城市噪音。

这里同时描述了人物、地点、动作、镜头和声音：雨夜街道、背后跟拍、脚步声、雨声与远处车流声。

点击运行后，观察节点进度和终端日志。任务结束时，在保存节点指定的输出位置查找文件，默认输出根目录是：

text 复制代码

/root/autodl-tmp/ComfyUI/output

检查生成结果时，我建议把画面和声音一起看：

视频能否完整播放，尺寸、实际时长是否符合设置。
主体动作和镜头是否符合提示词。
音轨是否存在，声音是否符合场景。
终端是否出现模型加载或执行错误。

六、避坑指南

最大的问题还是外网网络问题，如果都是国内社区文件，下载会很快。

Github、Hugging Face、包括部分仓库依赖文件，总是下载中断，并且网速都是 100kb/s 很难受。此处主要是找加速镜像地址，一般是下载 Python 依赖问题，modelscope 解决模型文件问题。

其中只有一个comfyui-workflow-templates-media-assets-02==0.1.11始终下载不下来，最终选择了官方镜像，慢慢下载的，好在文件也就 15MB。

bash 复制代码

python -m pip install \
  comfyui-workflow-templates-media-assets-02==0.1.11 \
  -i https://pypi.org/simple

问题	处理方式与结果
GitHub 拉取遇到网络中断	使用加速地址拉取代码
依赖源下载速度较慢	切换包源，当时下载速度有所改善
模板依赖 `0.1.11` 找不到	从官方 PyPI 单独补装成功，继续安装其余依赖
模型路径从系统盘切换到数据盘	后续启动和下载统一使用 `/root/autodl-tmp/ComfyUI`
浏览器访问入口需要适配平台	将服务启动在 `6006`，通过 AutoDL 自定义服务访问

七、写在最后

这次从本机的 RTX 5060 Ti 换到 AutoDL 的 RTX 5090，把实例创建、ComfyUI 安装和 H3 工作流配置过程整理了一遍。希望能帮准备自己部署的朋友少走几个弯路。

如果你也在跑 MiniMax H3，欢迎在评论区分享一下：用的什么显卡，生成多大分辨率、多长的视频，需要等多久？ 带上采样步数和是否开启 Turbo，就更方便大家对照自己的配置了。

后面我会继续折腾生成加速和参考图工作流，有实际结果再来分享。部署时遇到问题，也可以把报错和卡住的步骤留在评论区，一起交流。

以上就是这次的部署分享。我是袅袅，我们下次再见！

参考资料

ComfyUI 地址

AutoDL 地址

ModelScope CLI 文档

niaonao · Building Executable AI