66G、34G、21G 怎么选｜MiniMax H3 权重完整对比

MiniMax H3 本地部署到底选哪个权重？一张表看懂

别再盲目下载了，看完这篇省下几百 GB 硬盘 💾

---

🤔 同一个模型，为什么有这么多版本？

MiniMax H3 发布后，开源社区放出了多个权重变体。很多朋友兴冲冲去下载，一看文件列表瞬间懵了——bf16、int8、fp8、pruned、ConvRot……这些词到底什么意思？我该下哪一个？

今天这篇就用一张表格讲清楚，帮你选对权重，不浪费带宽和硬盘。

---

⚡ 先搞懂几个关键词

在看表格之前，花 30 秒了解三个概念，后面的选择就一目了然了：

1️⃣ BF16 vs INT8 vs FP8 —— 精度的区别

精度类型	每参数占用	一句话解释
BF16	2 字节（16 bit）	原始精度，质量最好，但体积最大
FP8	1 字节（8 bit）	浮点 8 位量化，大幅压缩，质量损失较小
INT8	1 字节（8 bit）	整数 8 位量化，兼容性好，质量损失可控

🧠 类比理解： 就像一张照片，BF16 是无损 RAW 格式，INT8/FP8 是高压缩比的 JPEG——肉眼看差别不大，但文件小了好几倍。

2️⃣ Pruned（剪枝）—— 砍掉"没用"的参数

大模型中有大量参数实际上是冗余的，对最终效果贡献极低。剪枝技术就是把这些"摸鱼"参数裁掉，模型体积显著缩小，质量几乎不变。

3️⃣ ConvRot（卷积旋转量化）—— 更聪明的压缩

ConvRot 是一种针对卷积层的特殊量化策略，在 INT8 精度下进一步优化计算效率，让量化后的模型跑得更快、占得更少，同时尽可能保住画质。

---

文不如图，图不如表。

📊 一张表看懂：MiniMax H3 四种权重怎么选

权重文件名	精度	额外优化	体积	推荐场景
..._bf16.safetensors	BF16	无	66.3 GB	🏆 追求极致质量，硬件配置极高，多卡服务器
..._int8_convrot.safetensors	INT8	ConvRot 量化	34 GB	⭐ 质量与资源平衡，RTX 30/40 系主流显卡首选推荐
..._pruned_fp8_scaled.safetensors	FP8	剪枝 + 缩放量化	21 GB	💡 显存紧张，低显存显卡的折中选择
..._pruned_int8_convrot.safetensors	INT8	剪枝 + ConvRot	21 GB	🔧 低显存方案，硬件兼容性更强

---

🎯 你的显卡该选哪个？对号入座

🏆 RTX 4090 / A6000 / 多卡服务器 → 选 BF16（66.3GB）

如果你拥有 24GB 以上显存 的顶级显卡，或者多卡并行的工作站/服务器，直接上 BF16 原始精度版本。没有任何量化损失，画质就是天花板。

⚠️ 注意：66.3GB 仅指 UNet 权重一个文件，加上 Text Encoder（~15GB）和 VAE（~5.5GB），整套模型大约需要 85GB+ 存储空间。

---

⭐ RTX 3060/3070/3080/4060/4070/4080 → 选 INT8 + ConvRot（34GB）✅ 强烈推荐

这是大多数主流用户的甜点选择：

• 34GB 的体积，一块 1TB 固态能存 20+ 套模型
• INT8 量化 + ConvRot 优化，质量与 BF16 差距极小，肉眼几乎不可分辨
• 在 8GB~16GB 显存的显卡上运行流畅，不会 OOM
• 生成速度比 BF16 版本更快

🎯 一句话： 性价比最高，闭眼选这个就对了。

---

💡 RTX 2060/3050/笔记本 GPU / 8GB 以下显存 → 选 Pruned 版本（21GB）

显存吃紧？选两个 Pruned 版本就对了。两个版本体量相同（21GB），区别在于：

版本	适合情况
pruned_fp8_scaled	追求画质略好一点，FP8 量化对视频质量更友好
pruned_int8_convrot	硬件兼容性优先，老显卡或特殊驱动环境下更稳定

💡 实际使用中两者差异不大，如果你的显卡是 RTX 2060 / 3050 / 笔记本 GPU，建议先从 pruned_int8_convrot 入手，兼容性最好，出问题概率最低。

---

📈 选型决策流程图

你有多大的显存/硬盘？
│
├─ 💪 24GB+ 显存，硬盘管够
│   └─ 👉 BF16（66.3GB）—— 极致质量
│
├─ 🎯 8GB~16GB 显存，主流配置
│   └─ 👉 INT8 + ConvRot（34GB）—— ⭐ 首选推荐
│
└─ 💡 8GB 以下，硬盘吃紧
    └─ 追求兼容性？
        ├─ 是 👉 Pruned INT8 + ConvRot（21GB）
        └─ 否 👉 Pruned FP8 + Scaled（21GB）

---

🔰 新手避坑指南

1. 不要四个都下！ 选一个最适合你配置的即可，四个全下要吃掉 140GB+，纯属浪费。
2. 先下 INT8 ConvRot（34GB），跑通了再说。 这是社区验证最充分、出问题最少的版本。
3. 如果 OOM（显存溢出），加 --lowvram 参数启动 ComfyUI，它会智能地将不用的模型层卸载到内存，1GB 显存都能跑大模型。
4. SSD 是刚需。 模型文件动辄几十 GB，机械硬盘加载一次可能要几分钟，体验极差。

---

🎬 下一步

选好了权重文件，接下来就是在 ComfyUI 中加载并跑起来了。具体操作流程可以参考我们的上一篇教程《ComfyUI + MiniMax H3 视频生成完整教程》，手把手带你出片！

---

🎯 总结

你的情况	推荐版本	体积
专业工作站 / 多卡	BF16	66.3 GB
主流显卡（大多数用户）	INT8 + ConvRot	34 GB
低显存 / 笔记本	Pruned INT8 + ConvRot	21 GB

🧠 记住一句话： MiniMax H3 各版本之间的质量差距远比你想象的小，但体积差距比你想象的大。选对版本，不仅省硬盘、省下载时间，跑起来也更快更稳。

---

📢 关注我们，获取更多 AI 大模型本地部署干货！

💬 你的显卡是什么型号？选哪个版本？评论区聊聊

MiniMaxH3 #大模型本地部署 #AI大模型 #显卡选型 #AI技术科普