RTX 3060でMiniMax H3をローカル実行: 検証済み、6つの落とし穴

短い答え：はい、MiniMax H3は12GB RTX 3060で動作します。驚くべきことに、VRAMはボトルネックではありませんでした。ピークVRAMは12GB中4.7GBでした。システムRAMが常に制約となっていました。

コストは時間です。5秒間の832x480クリップの生成には25分24秒かかりました。これにより、ローカルH3は無制限の無料実験には優れていますが、完成品の制作には実用的ではありません。

以下の内容はすべて、RTX 3060 12GB、i5-12490F、16GB DDR4、DRAMレスのKingston NVMe、WSL2を搭載したWindowsという1台のマシンでの実際の実行に基づいています。

まずお読みください：ライセンスは米国、英国、EU、韓国を除外します

35GBをダウンロードする前に、使用が許可されているか確認してください。H3はApacheやMITではなく、MiniMax H3コミュニティライセンス契約に基づいて提供されます。第5条には以下のように定義されています。

"Excluded Territories" means the European Union, the United Kingdom, the Republic of Korea and the United States of America.

そして、第IV.4条はほとんどの人が予想するよりも踏み込んでおり、ウェイトだけでなく、それらを使って作成したものも対象となります。

You may not use, reproduce, modify, distribute, or display the MiniMax H3 Works or any of their Outputs or results outside the Applicable Territory.

したがって、これら4つの地域では、モデルファイルだけでなく、生成された動画自体も対象となります。MiniMaxは、<a href="https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/docs/QA-about-License.md" rel="nofollow" target="_blank">Q&Aドキュメント</a>でその理由を説明しています。EU AI Actが施行されており、英国と韓国は規制上の不確実性があり、米国ではMiniMaxが生成ビデオに関する著作権訴訟を抱えています。彼らの言葉は「まだではないが、決してないわけではない」であり、これらの地域のユーザーには別途ライセンスについて問い合わせるよう促しています。

ホスト型APIは制限されていません。MiniMaxがそのインフラを運用し、セーフガードを適用できるため、グローバルに利用可能です。除外地域にいる場合、以下のAPIルートが利用可能です。詳細については、オープンウェイトで実際に提供されたものの内訳をご覧ください。

動作したスタック

ネイティブのComfyUIではありません。このクラスのハードウェア向けに構築された<a href="https://github.com/deepbeepmeep/Wan2GP" rel="nofollow" target="_blank">WanGP (Wan2GP) v12.41+</a>を、uvで作成したvenv内のPython 3.11.5とtorch 2.10.0+cu130で使用しました。

torchのバージョンは必須です — トラップ1を参照してください。RTX 30シリーズ向けのWanGP自身のガイダンスは、Python 3.11.xとPyTorch 2.10、CUDA 13.0であり、そのドキュメントでは2.8.0（モデル切り替え時のメモリリーク）と2.9.0（VAE VRAMを爆発させる3D畳み込みの問題）を明示的に警告しています。

最小限の動作モデルセットは約35GBで、すべて公式のものではなく、コミュニティの<a href="https://huggingface.co/DeepBeepMeep/MiniMax-H3" rel="nofollow" target="_blank">DeepBeepMeep/MiniMax-H3</a>リポジトリからのものです。

ファイル	サイズ	役割
MiniMax-H3-FL2VA-pruned_rank8_int8_convrot.safetensors	21GB	DiT, pruned to ~20B, int8
qwen3vl-32B-MiniMax-H3-Q2_K.gguf	8.0GB	Text encoder
MiniMax-H3-video_vae_fp16.safetensors	4.9GB	Video VAE
MiniMax-H3-audio_vae_fp32.safetensors	578MB	Audio VAE

参考までに：公式のbf16 DiTは66.28GB（33Bパラメータ）で、完全なMiniMaxAI/MiniMax-H3リポジトリは約498GBです。ComfyUIの公式バンドルは57GBです。コミュニティによるプルーニングと量子化が、これを適合させている要因です。

起動フラグ、3つすべて必須：

--profile 5 --perc-reserved-mem-max 0.1 --attention sdpa

6つの落とし穴

これらはそれぞれ、ドキュメントを読むのではなく、エラーに遭遇することで発見されました。

1. torchはcu128ではなくcu130である必要があります。 cu128では、int8カーネルはサイレントにeager executionにフォールバックします。コミュニティの測定によると、サンプリングは1.92 s/itではなく6.12 s/itとなり、エラーメッセージを出さない間違いに対して3.19倍のペナルティが発生します。起動時にこの行を探して、動作したことを確認してください。

[Quanto][INT8] Injected int8 kernels ACTIVE (backend=triton)

2. デフォルトのプロファイル4は直接CUDA OOMになります。 --profile 5が必要です。WanGPはプロファイル5を「VerylowRAM_LowVRAM (フェイルセーフ): 少なくとも24 GBのRAMと10 GBのVRAM」と説明しており、16GBのRAMは記載された最低要件を下回っています。それでもNVMeページファイルを頼りに動作します。これがDRAMレスSSDがここで不利になる理由でもあります。

3. RTX 30シリーズでは、SageAttentionがH3で完全に失敗します。 Sage 1.0.6はAssertionError: varlen only support head_dim [64, 128]をスローします。RTX 30xxはSage 2を使用できないため、唯一の選択肢は--attention sdpaです。40シリーズおよび50シリーズでは、Sage 2.2が動作し、コミュニティの報告では約30%の節約になるとされています。

4. hf_xetは大きなダウンロードをゼロバイトで停止させます。 ビデオVAEは8分間0のままでした。HF_HUB_DISABLE_XET=1を設定すると、すぐに18MB/sに戻りました。

5. GGUF llama.cpp CUDAカーネルが利用できません — ログには[GGUF][llama.cpp CUDA] kernels unavailable, using fallbackと表示されます。したがって、GGUF DiTではなくint8_convrot DiTを使用してください。GGUFはテキストエンコーダーには依然として適切な選択であり、Q2_Kは多くのRAMを節約します。

6. システムプロキシがlocalhostを傍受します そしてGradioは503エラーで停止します: Couldn't start the app because 'http://localhost:7860/gradio_api/startup-events' failed。NO_PROXY=localhost,127.0.0.1を設定してください。アウトバウンドトラフィックは引き続きプロキシを通過します。

おまけ、Cドライブの容量が少ない場合: 開始する前にUV_CACHE_DIR、TMP、TEMP、HF_HOMEを別のドライブにリダイレクトしてください。

測定されたパフォーマンス

すべて同じ3060で、20ステップ:

解像度 / フレーム数	クリップあたりの時間	ステップあたり
608x352 / 73フレーム (3.0秒)	19分50秒	—
832x480 / 124フレーム (5.2秒)	25分24秒	71.8秒
864x480 / 124フレーム (5.2秒)	28分38秒	84秒
1280x736 / 192フレーム (8秒)	約3時間 (推定、未実行)	—

ピークVRAM: 12GB中4.7～4.8GB。空きシステムRAM: 0.2GB。これがすべてを物語っています — マシンがスワップしている間、GPUはアイドル状態です。

最初の行は注目に値します。73フレームで608x352に落とすと、トークン数は864x480実行の約30%に削減されますが、時間は28.6分から19.8分にしか減少しません — 全く比例していません。その理由は、16GBのマシンでは、すべてのステップで21GBのウェイトがNVMeから再ストリームされ、そのオーバーヘッドは解像度に関係なく固定されているためです。したがって、RAMが制限されている場合、「ただ小さくレンダリングする」だけではほとんど役に立ちません。 RAMを追加するのが解決策であり、キャンバスを縮小することではありません。

それを証明する比較: ComfyUIチームは、同じ3060と32GBのRAMで、480p/5sを約9分と測定しました。ここではシステムメモリを2倍にすると約2.8倍の価値があります。アップグレードするものを選択するなら、より大きなGPUではなくRAMを購入してください。

ffprobeで出力検証済み: h264ビデオと32kHzのAACステレオ — 後から追加されたものではなく、同じパスで生成された純正のネイティブオーディオ — 24fps、124フレーム = 5.167秒。

プロンプトでは回避できない制約

• ローカルでの2Kは不可。 オープンウェイトは短辺768のキャンバス、最大768x1344でレンダリングされます。宣伝されている2Kは、API側のIn-Context Regeneration passによるものです。
• フレームカウントは17k+5である必要があります: 73, 124, 175, 192。
• 両方の寸法は32の倍数である必要があります。 これが、720pが1280x736と表記される理由です — 720は32で割り切れません。
• 持続時間はうまくスケールしません。 5090からのコミュニティの数値: 5s = 168s、7s = 282s、一方15sはチューニングによって7分から50分の間で実行されます。8秒のクリップ3本は、15秒のクリップ1本よりもはるかに安価です。
• 2026年8月上旬現在、distilledまたはlightning LoRAはまだありません。そのため、15～20 stepsが最低ラインです。ただし、量子化されたビルドは急速に登場しています — GGUF Q4_K_Mは19.86GB、Q3_K_Mは15.57GB、さらにNVFP4およびINT4バリアントもあります。

コミュニティの報告によると、他のハードウェアでは: SageAttentionを搭載した5090は1280x736/5sを168秒（なしでは242秒）で処理し、SM120 sparse attentionとEasyCacheを使用すると、15 secondsの処理時間が55 minutesから約7分に短縮されます。チューニングされた4090は362 framesを9.6 minutesで処理します。RTX PRO 5000は、オフロードなしで最大46.5GBに達します。

ローカル、レンタル、それともAPI？

8秒のクリップの場合：

Route	Cost per clip	100 clips
MiniMax API, 768p ($0.09/s)	$0.72	$72
MiniMax API, 2K ($0.13/s)	$1.04	$104
Rented 5090 (~$0.21–0.54/h, ~5.5 min/clip)	~$0.023	~$2–5
Local 3060	electricity only	~3 h each

レンタルは、解像度とカードによってAPIよりも15倍から50倍安価です — これはワークフローを再編成するのに十分な大きな差です。賢明な使い分けは次のとおりです: 失敗したテイクはコストがかからず、prompt refinementはほとんどが失敗したテイクであるため、ローカルで実行して反復する。最終版をレンダリングするために5090をレンタルする。2Kが必要な場合、またはlicenceによってweightsが選択肢にならない場合はAPIを使用する。

25分を費やす前にプロンプトを正しく設定する

1テイク25分かかるため、prompt qualityはローカルでは他のどこよりも重要です。H3で機能する構造 — explicit camera sequencing, a named closing frame, sound described as deliberately as picture — は、当社のH3 launch prompt analysisで詳しく解説されています。

また、trending promptsで、クリエイターが実際に実行しているものをmodel別にソートして閲覧することもできます。

そして、推測するのではなくreverse-engineerしたいclipがある場合は、当社のvideo to promptツールがそのためにあります。linkを貼り付けるかfileをアップロードすると、scene, motion, camera workをカバーするstructured promptが返されます。これをH3にローカルで、無料で、好きなだけ何度でも入力できます。