云端部署 MiniMax H3 ComfyUI：环境验收、模型目录与故障排查-三亩地-编程学习日记

MiniMax H3 的 ComfyUI 工作流已经公开，真正容易卡住的通常不是提示词，而是环境、模型目录、端口和显存。

本文以一套预配置云端镜像为例，整理一条可重复的验收路径：

先确认 GPU 和 PyTorch，再确认模型文件，最后启动服务和排查 OOM。

1. 环境与目标

使用的镜像页面：

https://suanjiayun.com/mirror/6a7ed4efa207ada5e3465db6

截至 2026 年 8 月 15 日，页面标注如下：

项目	配置
镜像	ComfyUI-v0.33.1-全能版-MiniMaxH3加速
Ubuntu	22.04.3 LTS
CUDA	12.8
Python	3.12
镜像大小	37.28GB
推荐显存	24GB
推荐 GPU	RTX 4090
自动启动	支持

24GB 是镜像页面给出的推荐配置，不代表所有时长、分辨率和参考输入都经过验证。

本文最终要验收五件事：

系统识别到 GPU；
PyTorch 能使用 CUDA；
MiniMax H3 所需模型文件在正确目录；
ComfyUI 正在监听 8080 端口；
浏览器可以访问，并能提交基础工作流。

不要跳着查。按层排查，出问题时比较容易知道是哪一块。

2. MiniMax H3 工作流由哪些模型组成

ComfyUI 官方模板当前引用了四类模型文件：

ComfyUI/ └── models/ ├── diffusion_models/ │ └── minimax_h3_fl2va_pruned_int8_convrot.safetensors ├── text_encoders/ │ └── qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors └── vae/ ├── minimax_h3_video_vae_fp16.safetensors └── minimax_h3_audio_vae_fp32.safetensors

几个文件的职责不同：

diffusion_models：H3 的主扩散模型；
text_encoders：理解提示词和多模态上下文的文本编码器；
video_vae：视频潜空间的编码与解码；
audio_vae：音频潜空间的编码与解码。

这不是传统的“一个 checkpoint 全包”结构。工作流能打开，不代表模型一定齐；模型文件存在，也不代表放在了 ComfyUI 能识别的目录。

3. 创建实例后先做只读检查

进入 WebSSH，先不要升级 CUDA、PyTorch 或 ComfyUI。

记录系统信息：

cat/etc/os-release

python--version

conda info--envs

查看磁盘空间：

df-h

查看当前目录：

pwd

预配置镜像出问题以后，最怕没有原始环境记录。至少先把上面几条命令的结果留一下，后面如果升级依赖失败，还知道原来是什么状态。

4. 验收 GPU 和 PyTorch

先检查 NVIDIA 驱动层：

nvidia-smi

重点看四项：

GPU 型号是否符合创建实例时的选择；
显存总量是否正常；
是否已有 Python 进程占用显存；
驱动是否正常返回，而不是command not found或通信失败。

然后进入镜像环境：

conda activate comfyenv

执行 PyTorch 检查：

python -<<'PY' import torch print("torch_version:", torch.__version__) print("torch_cuda_version:", torch.version.cuda) print("cuda_available:", torch.cuda.is_available()) print("device_count:", torch.cuda.device_count()) if torch.cuda.is_available(): print("device_name:", torch.cuda.get_device_name(0)) free_bytes, total_bytes = torch.cuda.mem_get_info(0) print("free_vram_gb:", round(free_bytes / 1024**3, 2)) print("total_vram_gb:", round(total_bytes / 1024**3, 2)) PY

最低验收条件：

cuda_available: True device_count: 1 device_name: 实际 GPU 型号

如果nvidia-smi正常，但torch.cuda.is_available()为False，优先检查：

当前是不是comfyenv；
python和pip是否来自同一环境；
PyTorch 是否为 CUDA 版本；
最近有没有手动升级过 PyTorch。

可以继续执行：

whichpython

python-mpip--version

两条路径应该落在同一个 Conda 环境中。

5. 核对模型文件和目录

进入 ComfyUI 目录：

cd~/ComfyUI2>/dev/null||cdComfyUI

分别检查三个目录：

ls-lhmodels/diffusion_models/

ls-lhmodels/text_encoders/

ls-lhmodels/vae/

也可以一次查找 H3 相关文件：

findmodels-typef\(\-name'minimax_h3*.safetensors'-o\-name'qwen3vl_32b_minimax_h3*.safetensors'\\)-printf'%p\n'

预期至少能找到：

models/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors models/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors models/vae/minimax_h3_video_vae_fp16.safetensors models/vae/minimax_h3_audio_vae_fp32.safetensors

如果文件存在，但工作流下拉框仍然找不到，按顺序处理：

检查文件是否多套了一层目录；
检查文件名大小写；
检查下载文件是否为异常的小文件；
重启 ComfyUI，让它重新扫描模型目录。

可以查看四个文件实际占用：

du-h\models/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors\models/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors\models/vae/minimax_h3_video_vae_fp16.safetensors\models/vae/minimax_h3_audio_vae_fp32.safetensors

不要只看文件名。下载中断后留下的同名小文件，也会让工作流加载失败。

6. 使用镜像脚本管理 ComfyUI

镜像提供了统一的控制脚本。

查看帮助：

./sj-run.sh-h

启动：

./sj-run.sh-s

停止：

./sj-run.sh-t

重启：

./sj-run.sh-r

如果镜像已经自动启动，不要连续执行多次启动命令。先查进程：

ps-ef|grep'[p]ython.*main.py'

再查端口：

ss-lntp|grep':8080'

如果能看到 Python 进程和 8080 监听，说明服务端已经起来。此时浏览器打不开，多半要查平台端口映射，而不是继续折腾 Python 环境。

7. 手动启动与本机连通性检查

镜像脚本启动失败时，可以先停掉已有进程，再手动运行：

./sj-run.sh-tconda activate comfyenvcd~/ComfyUI2>/dev/null||cdComfyUI python main.py--listen0.0.0.0--port8080--enable-cors-header

这个终端先别关，直接看最后几十行输出。

另开一个 WebSSH 终端测试本机访问：

curl-I--max-time5http://127.0.0.1:8080/

判断方法：

本机能访问、外部打不开：检查平台端口暴露和外部地址；
本机也打不开、没有端口监听：ComfyUI 没有正常启动；
端口存在但页面异常：查看启动终端的 Python 报错和前端资源错误。

--listen 0.0.0.0会让服务监听所有网卡，--enable-cors-header会放宽跨域访问。拿到的公网地址不要随便发到公开群里，尤其是工作流里包含私有素材时。

8. 导入工作流后的第一轮参数

MiniMax H3 官方模板说明中，原生画布以 768 像素短边为主，宽高需要是 32 的倍数，示例上限为 768×1344。视频按 24fps 处理，时长还会被换算成满足模型帧块规则的长度。

首次运行建议按这个顺序：

保留模板默认模型文件；
先跑较短时长；
先用较低分辨率；
不同时挂多个辅助模型；
第一次只验证一个输入路径；
成功后再增加首尾帧、参考图或参考视频。

这里不直接给“24GB 必须使用某组固定参数”，因为不同版本的节点、模型量化和工作流结构会改变峰值显存。没有实际运行记录时，写死一个万能参数反而容易误导。

9. 运行时记录显存峰值

提交任务前，先开一个监控终端：

nvidia-smi --query-gpu=timestamp,name,memory.used,memory.free,utilization.gpu\--format=csv-l1

观察这些阶段：

模型加载前；
文本编码器加载后；
采样开始时；
VAE 解码时；
任务结束后。

如果想把结果留档：

nvidia-smi --query-gpu=timestamp,name,memory.used,memory.free,utilization.gpu\--format=csv-l1|teeh3-gpu-monitor.csv

任务完成后按Ctrl+C停止。

这份 CSV 比“4090 大概能跑”有用得多。后面调整分辨率、时长或参考输入时，可以直接对比峰值显存有没有变化。

10. OOM 怎么排查

常见错误包括：

CUDA out of memory

或者进程直接被系统终止。

先执行：

nvidia-smi

确认是否有其他进程占用显存。然后按这个顺序减负：

降低输出分辨率；
缩短视频时长；
减少参考输入；
关闭同时加载的其他模型；
重新启动 ComfyUI，释放残留显存；
仍然不够，再考虑更大显存的 GPU。

不要一看到 OOM 就重装 CUDA。OOM 首先是资源问题，不是安装问题。

如果任务结束后显存长期不释放，可以重启服务：

./sj-run.sh-r

再用nvidia-smi确认占用是否回落。

11. 缺节点、版本冲突怎么处理

工作流出现红色节点时，先记录缺失节点的准确名称，不要直接把所有组件升级到最新版。

建议保存当前环境：

conda activate comfyenv python-mpip freeze>requirements-before-change.txt

记录当前 ComfyUI 提交：

cd~/ComfyUI2>/dev/null||cdComfyUIgitrev-parse HEAD

然后只处理缺失项。

预配置镜像里，ComfyUI、PyTorch、自定义节点和前端往往已经形成一套可运行组合。一次升级四五个组件，最后即使修好了，也不知道到底是哪一步起作用；如果坏了，同样不知道该回退谁。

12. 页面打不开时的排障表

现象	优先检查	常见原因
`nvidia-smi`失败	GPU/驱动层	实例异常或驱动不可用
PyTorch 返回 CUDA False	Conda/PyTorch 层	环境选错、CPU 版 PyTorch、依赖被覆盖
模型下拉框为空	文件层	文件缺失、目录错误、未重启扫描
8080 无监听	ComfyUI 进程层	启动报错、进程退出、端口被改
本机能访问，公网不能	平台网络层	端口未暴露、外部 URL 不正确
运行中 OOM	工作流资源层	分辨率、时长、参考输入或其他进程占用过高
生成后磁盘爆满	存储层	视频输出、缓存和模型持续增长

这张表基本就是整篇文章最重要的部分。

13. 数据保存和关机边界

视频模型的磁盘增长很快，除了模型文件，还有输入素材、预览缓存和最终视频。

建议至少定期检查：

du-sh~/ComfyUI/models2>/dev/nulldu-sh~/ComfyUI/input2>/dev/nulldu-sh~/ComfyUI/output2>/dev/null

同时注意：关机停止的是 GPU 实例计算，扩容数据盘不一定随之停止计费。实例释放、数据盘保留和自动释放周期也应以平台最新帮助文档为准。

重要内容建议单独保存：

工作流 JSON；
使用过的提示词；
自定义节点清单；
requirements-before-change.txt；
模型文件名与来源；
生成结果；
显存监控 CSV。

有这些东西，换实例以后才有可能快速恢复。只保存一张工作流截图，基本没用。

14. 最小验收清单

完成下面这些，再开始调正式任务：

nvidia-smi能识别正确 GPU；
torch.cuda.is_available()返回True；
四类 H3 模型文件可以找到；
ComfyUI 进程存在；
8080 端口正在监听；
浏览器可以进入页面；
基础工作流可以提交；
音频和视频结果可以保存；
已记录一次显存峰值；
工作流与重要结果已经备份。

FAQ

RTX 4090 的 24GB 显存能跑 MiniMax H3 吗？

该镜像推荐 24GB 显存和 RTX 4090，适合作为基础工作流的起点。具体能否完成某组参数，要看分辨率、时长、参考输入和工作流中同时加载的模型。

官方说支持 2K，本地工作流为什么从 768 短边开始？

2K 是 MiniMax 公布的模型能力上限；ComfyUI 官方模板对本地工作流的原生画布、尺寸倍数和时长换算有单独说明。模型上限不能直接当作 24GB 显卡的默认参数。

页面打不开，是否需要重装 ComfyUI？

先查进程、8080 端口和平台端口映射。很多页面打不开的问题发生在网络暴露层，重装 ComfyUI 不会解决。

模型文件都在，为什么工作流还是找不到？

重点检查目录、文件名、文件完整性以及 ComfyUI 是否重新扫描。模型放在models根目录，而不是对应子目录，也可能无法识别。

是否应该马上升级到最新版 ComfyUI？

能运行时不建议盲目升级。先保存当前依赖和 Git 提交，再针对具体缺失节点或兼容问题做最小修改。

参考资料

MiniMax H3 官方介绍：https://minimaxi.com/blog/minimax-h3
ComfyUI 官方 MiniMax H3 工作流：https://github.com/Comfy-Org/workflow_templates/blob/main/templates/video_minimax_h3_t2v.json
算家云 MiniMax H3 镜像：https://suanjiayun.com/mirror/6a7ed4efa207ada5e3465db6

日记详情

云端部署 MiniMax H3 ComfyUI：环境验收、模型目录与故障排查