RTX 5090 + ComfyUI 部署 MiniMax H3 实战：环境配置、工作流搭建

部署前先算清三笔账

在 RTX 5060 Ti 16GB 上跑 MiniMax H3，生成 768p 5 秒视频约需 22 分钟。换到 RTX 5090 32GB 后，作者在 AutoDL 上以 2.88 元/小时租用单卡实例，目标是把单次生成耗时压下来，同时为后续统计生成成本做准备。动手之前，有三笔账必须先算清。

第一笔是显存账。RTX 5090 提供 32GB 显存，但 MiniMax H3 的主模型、文本编码器、视频 VAE、音频 VAE 和 Turbo LoRA 是分阶段加载的。来源作者建议：32GB 显存下选择 INT8 DiT + NVFP4/AWQ 文本编码器，若选 BF16 版本显存压力会非常大。这是社区经验建议，并非官方文档结论，实际选择仍需结合工作流实测。

第二笔是磁盘账。来源资料显示 MiniMax H3 全部模型文件约 80GB，Qwen Image 2.1 约 25GB。AutoDL 系统盘默认只有 30GB，模型和 ComfyUI 必须放在数据盘 /root/autodl-tmp，来源作者建议数据盘不低于 200GB。

第三笔是内存账。本次实例配置 90GB 内存，来源作者建议内存不低于 64GB。模型加载、运行和卸载会用到不同资源，具体峰值需结合工作流观察。

实例创建与镜像选择

本次实例配置如下：GPU 为 RTX 5090 32GB × 1，CPU 为 25 vCPU（Intel Xeon Platinum 8470Q），内存 90GB，系统盘 30GB，数据盘免费 50GB 加付费扩容 200GB，操作系统 Ubuntu 22.04，镜像选择 PyTorch 2.8.0 + Python 3.12 + CUDA 12.8。

镜像自带完整的 Python 和 PyTorch 环境，不需要额外安装 Python。AutoDL 容器统一对外暴露 6006 和 6008 两个端口，不支持更多端口；若要映射其他服务，只能借助 nginx 反向代理。因此 ComfyUI 直接指定 6006 端口启动，省去端口映射的麻烦。

安装 ComfyUI 与依赖

进入实例后先确认 GPU 可用：

nvidia-smi
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)"

重点看三项：Python 版本、PyTorch 版本、torch.cuda.is_available() 是否返回 True。最后一条命令输出 GPU 名称和显存容量，按 GiB 计算，不必恰好等于 32.0。

随后把 ComfyUI 拉到数据盘：

cd /root/autodl-tmp
git clone --depth 1 https://github.com/Comfy-Org/ComfyUI.git

网络不佳时可改用加速地址，--depth 1 只拉取较浅的提交历史，减少首次下载量：

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

安装依赖时，作者实测阿里云源约 100KB/s，清华源约 10MB/s：

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

也可以把清华源设为全局配置：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple。

启动服务与后台运行

来源资料提到 MiniMax H3 的基础 T2V、I2V、R2V 工作流模板要求 ComfyUI >= 0.30.0，启动后应检查版本。前台启动命令：

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

在 AutoDL 自定义服务中找到服务地址，浏览器打开即可看到节点编辑器。若页面打不开，先在终端验证本机服务：curl -I http://127.0.0.1:6006/。

需要关闭终端时，先 Ctrl + C 结束前台进程，再后台启动：

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

按需下载模型文件

ComfyUI 模板库搜索 MiniMax H3，选择 T2V 模板，模板会提示缺少哪些必需模型。工作流类型与生成模型对应关系为：T2V 和 I2V 使用 fl2va，R2V 使用 ref2va。主模型负责生成，文本编码器处理提示词，视频和音频 VAE 还原画面与声音，Turbo LoRA 用于加速模式。

Hugging Face 网速不佳时，可用 ModelScope 镜像。先安装下载工具：

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

针对 RTX 5090 32GB，来源作者建议按文件清单下载，避免拉取全部精度权重：

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"

下载完成后重启 ComfyUI，重新打开模板，检查节点中的模型选择是否指向已下载文件。

首次文生视频验证

建议用一组保守参数做首次验证：分辨率 1344 × 768，时长约 5 秒，Base 采样步数 20，Turbo 关闭，Seed 固定，场景选单个主体、单个镜头、简单运动。提示词同时描述人物、地点、动作、镜头和声音，例如雨夜东京街道、背后跟拍、脚步声与雨声。

点击运行后观察节点进度和终端日志。输出根目录默认为 /root/autodl-tmp/ComfyUI/output。检查结果时把画面和声音一起看：视频能否完整播放、尺寸和时长是否符合设置、主体动作与镜头是否符合提示词、音轨是否存在、终端是否出现模型加载或执行错误。

常见问题与边界条件

页面打不开：先 curl -I http://127.0.0.1:6006/ 确认本机服务，再检查 AutoDL 自定义服务地址是否复制完整。

显存不足：确认没有误选 BF16 主模型或 BF16 文本编码器；来源作者建议 32GB 卡使用 INT8 DiT 加 NVFP4/AWQ 文本编码器，该建议需以实际工作流验证为准。

磁盘写满：模型和 ComfyUI 必须落在 /root/autodl-tmp，系统盘仅 30GB。下载时用 --include 精确指定文件，不要整仓拉取。

依赖下载慢：切换清华源，必要时设置全局 index-url。

模板节点报缺模型：重启 ComfyUI 后重新加载模板，逐项核对节点中的模型文件名与磁盘实际文件是否一致。

需要说明的是，本次资料只给出了首次验证的参数起点和检查项，完整耗时与画质对比仍需实际记录；RTX 5090 相对 RTX 5060 Ti 的提速幅度，也应以同一工作流下的实测为准。文中所有配置建议均来自社区作者经验，官方文档与模型卡尚未提供对应结论，生产环境部署前建议补充官方资料核验。