RTX 4090 上出一段 5 秒带声音的视频，要两分半：HyperFlow H3 Flash 把大视频模型砍了一半
HyperFlow H3 Flash 是 Video Rebirth 对 MiniMax-H3 做的压缩版：原模型的视频主干约 31B 参数，这个版本是 13.7B（带参考素材的版本是 13.9B），不到一半。它一次生成视频和同步的立体声，输出 5.2 到 15 秒、24 帧每秒，默认 1344×768，声音是 32kHz。
01怎么变小、变快的
README 列了三招：删掉部分网络层（50 层里去掉 3 层，参考图版本去掉 1 层）并把大矩阵拆成低秩的小矩阵；把 180 个线性层量化成 8 位整数（INT8），量化前先做一次旋转让数值分布更平均；再加一种新的时间条件，让模型只需 4、6 或 8 步就能出结果，并且不再需要“无分类器引导”（CFG，一种让画面更贴合提示词、但会让每步算两遍的常用手段）。默认 6 步，4 步偏速度，8 步偏质量。
02你的显卡够不够，看这几个数
官方的速度数据（5.2 秒片段、6 步、1344×768，文生视频）如下，均为 README 自测：
| 硬件 | 5.2 秒片段 | 15 秒片段 |
|---|---|---|
| RTX 5090（32GB），INT8，内存≥69GiB | 92 秒 | 551 秒 |
| RTX 4090（24GB），INT8，内存≥69GiB | 130 秒 | 750 秒 |
| RTX 4090，GGUF，16GB 内存 | 153 秒 | 812 秒 |
| RTX 3090（24GB），GGUF，16GB 内存 | 325 秒 | 1866 秒 |
| 1 张 H200 | 36 秒 | 229 秒 |
| 4 张 B200 | 8.7 秒 | — |
普通电脑选 GGUF 格式：推荐的 Q4_K_M 版本只有 9.1GB，最小的 Q3_K_M 是 7.2GB，官方在 24GB 和 32GB 显卡、16GB 内存的电脑上测过，16GB 显卡还没测。官方的选择规则是：内存 64GB 及以下用 GGUF，数据中心卡或内存够大的 24GB 以上 RTX 卡用 INT8。INT8 要快 10% 到 20%，代价是内存要 69GiB 以上。
03上手路径和一个大下载
最省事的是 ComfyUI：把 ComfyUI-GGUF 和 ComfyUI-HyperFlow-Flash 两个插件放进 custom_nodes，再下载一个 15.7GB 的文本编码器，打开自带的 hyperflow_t2v 等模板。内存只有 16GB 或 32GB 时，官方要求用 python main.py --fast-disk 启动，并且把模型放在 NVMe 固态上，否则 16GB 内存的电脑会在 15 秒片段上爆内存。也可以用 Unsloth Studio 或 stable-diffusion.cpp。
走 Python 包（pip install 官方仓库地址）的话，要 Python 3.10+、PyTorch 2.6+、Ampere 以上的英伟达显卡，首次运行会下载约 90GB 文件（用 fp8 文本编码器约 68GB）。这条路适合有服务器的人。官方说明里，这些命令和数据均来自 README，本文未重复运行。
04先看许可证再下载
仓库代码是 Apache-2.0，但 ComfyUI 插件部分是 GPL-3.0。更要紧的是模型权重：它是 MiniMax-H3 的衍生品，适用 MiniMax H3 社区许可协议，按 README 的说法，该协议不涵盖在欧盟、英国、韩国和美国的使用，除非得到 MiniMax 授权，并带有使用政策。如果你在这些地区，或要拿它做商用，先读模型卡上的协议再决定。
DeepSeek
Claude Code
Timestral