MiniMax H3 地端實測：GB10 上生成 480p・5 秒短片約需 126.5 秒

本站以 ASUS Ascent GX10（NVIDIA GB10）搭配 ComfyUI，依照官方 MiniMax H3 範本執行純文字生影片，不提供首尾幀，每支影片同時輸出畫面與立體聲音軌。主模型採用 ComfyUI 釋出的 pruned 權重，分為 INT8 與 FP8 兩種量化版本；8 步設定另掛官方 turbo LoRA，20 步則是不掛 LoRA 的標準設定。本次只測單台機器、單一請求，官方雲端的提示詞改寫與高解析重生成模組不在開源版本內，因此不在測試範圍。

重點

• 本站實測 480p・5 秒・8 步（INT8）熱狀態耗時 126.5 秒，每 1 秒影片需要 24.3 秒生成時間。
• 解析度影響最大：768p 耗時是 480p 的 3.68 倍。
• 10 秒對 5 秒耗時為 2.59 倍，20 步對 8 步為 2.25 倍。
• FP8 耗時為 INT8 的 0.81 倍，本站檢視輸出畫面時，兩者構圖幾乎相同。
• 整機記憶體峰值最高 112.1 GiB，系統可見記憶體為 119.6 GiB，餘裕有限。

測試平台

原廠規格出處：NVIDIA DGX Spark／GB10。

測試方法

• 測試在一台 ASUS Ascent GX10（NVIDIA GB10）上以 ComfyUI 執行，工作流程照 ComfyUI 官方 MiniMax H3 範本：純文字生影片，不給首尾幀。
• 主模型使用 ComfyUI 釋出的 pruned 權重（INT8 convrot 與 FP8 scaled 兩種），文字編碼器為 Qwen3-VL-32B 的 NVFP4 AWQ 版，影像 VAE 為 FP16、音訊 VAE 為 FP32。8 步的設定另外掛官方的 turbo 8-step LoRA；20 步為不掛 LoRA 的標準設定。取樣器 res_multistep、排程 simple。
• 每支影片同時產生畫面與立體聲音軌，24 fps。
• 第一個測項之前先把 ComfyUI 已載入的模型全部卸載，所以第一筆包含冷載入；其餘測項模型已在記憶體中。重複量測換用不同亂數種子，因為同提示詞同種子時 ComfyUI 會直接回傳快取結果。
• 記憶體是整台機器的用量（GB10 的 CPU 與 GPU 共用統一記憶體），包含同機其他常駐服務；表中同時列出模型載入前的基準值。
• 這次只測單台、單一請求；ComfyUI 一次處理一個工作流程。
• 「熱狀態」只計模型已在記憶體的測項：切換 INT8／FP8 權重後的第一支影片包含重新載入，另外標示、不列入中位數。
• 官方完整系統另有雲端的 H3-Context-IR（提示詞理解與改寫）與 H3-Regenerate-2K（2K 重生成），開源版本未包含，本次不測。

結果

本站實測的基準設定為 480p・5 秒・8 步（INT8），熱狀態下生成一支影片耗時 126.5 秒（2 次中位數），相當於每 1 秒影片需要 24.3 秒生成時間。若從模型尚未載入的冷狀態開始，第一支影片耗時 144.8 秒。改用第二組提示詞、其他條件不變時，耗時為 129.8 秒，顯示提示詞內容對時間的影響有限。此外，切換 INT8／FP8 權重後的第一支影片需要重新載入，這類情況共 4 次，均未計入熱狀態中位數。

哪些設定最影響時間

解析度是影響耗時最大的設定：768p・5 秒・8 步（INT8）耗時 466.1 秒，是 480p 的 3.68 倍。影片長度次之，480p・10 秒耗時 327.2 秒，是 5 秒版本的 2.59 倍，耗時增幅高於長度本身的增幅；20 步標準設定耗時 284.5 秒，是 8 步的 2.25 倍。量化方面，FP8 耗時 102.1 秒，是 INT8 的 0.81 倍，也是本次測項中唯一能縮短時間的調整。需留意的是，10 秒、20 步與 FP8 測項都只有 1 次量測。

記憶體

本站實測模型載入前的整機記憶體基準為 31.3 GiB，各設定的整機峰值介於 109.4 到 112.1 GiB，最高的是 768p・5 秒・8 步（INT8）。GB10 系統可見記憶體為 119.6 GiB，峰值已相當接近上限，而解析度、長度與步數對峰值的影響都不大。由於 GB10 的 CPU 與 GPU 共用統一記憶體，上述數字也包含同機其他常駐服務；目前的設定都能順利跑完，但若同機再加開大型服務，可用空間會相當有限。

畫面

同一個提示詞、同一個亂數種子，只改一個設定。每支都含立體聲音軌，可直接播放。

本站檢視輸出畫面後發現，漁港提示詞要求的日出、藍白漁船、海霧、海鷗、無人物與固定鏡頭，各設定都有做到；同一亂數種子下，FP8 與 INT8 的構圖幾乎相同，只有細節差異。20 步標準設定的色彩較淡、較寫實，8 步加速版的飽和度較高；768p 與 480p 構圖不同，且細節明顯較多。船身與招牌上的中文字形狀像中文但不成字，夜市提示詞雖要求「No people」，畫面中仍出現一名坐在攤位旁的人。另外，INT8 的 480p 5 秒、10 秒與 768p 版本中，漁船上插有紅色旗幟，容易讓人聯想成中國國旗，FP8 版本則沒有出現，本站不推測原因。

結論

在這台 GB10 機器上，480p・5 秒・8 步（INT8）的短片熱狀態約需 126.5 秒，改用 FP8 可縮短到 102.1 秒，768p 則需要 466.1 秒。影響耗時最大的是解析度，其次是影片長度與步數，量化格式的影響最小。記憶體足以跑完所有測項，但峰值 112.1 GiB 已接近 119.6 GiB 的可見容量，不適合同時執行其他大型服務。整體而言，這套組合較適合用 480p 做快速打樣、分鏡與提示詞測試；由於畫面中的文字不成字、也未完全遵守「No people」的要求，正式使用前仍需逐支檢查。

本文影片由 MiniMax H3 生成（MiniMax H3 Community License），提示詞為本站自撰的中性場景，不含真人。

測試與撰寫：本站程式（量測 aiwv.h3bench；數據表與圖表由資料庫填值；分析段落由 Claude 依實測數據撰寫並經程式核對數字）。未經人工審閱，發現錯誤請回報。