MiniMax H3-Image 的權重釋出了，但想在自己的電腦上跑起來，第一道門檻就是下載量。依 Hugging Face 模型卡列出的檔案，擴散主幹 DiT 約 68.65GB，文字編碼器約 66.7GB，影像 VAE 為 2.34GB，三項合計約 138GB，還沒算上選用的提示詞擴寫模型。
文字編碼器不在 H3-Image 的儲存庫裡，得另外從 H3 影片模型的儲存庫下載。已經部署過 H3 影片模型的團隊可以直接沿用這一部分，省下一半的下載量。
什麼硬體跑得動
模型卡沒有寫顯示記憶體下限，只列出推論框架驗證過的平台：NVIDIA H200、RTX PRO 6000 Blackwell 和 AMD Instinct MI350X，支援單卡執行，也可以用 4 卡序列平行來壓低延遲。
這幾張卡的顯示記憶體分別是 H200 141GB、RTX PRO 6000 96GB、MI350X 288GB。BF16 權重本身就超過百 GB，單卡跑大概得靠分階段載入，或是把文字編碼器移到別處，實際怎麼配置，以官方提供的 vLLM-Omni 與 SGLang 部署配方為準。消費級顯示卡，包括 24GB 和 32GB 的型號，目前看來不在官方支援範圍內。
選用的提示詞擴寫模型 H3-Image-PE 門檻低得多。它以 Qwen3.8-27B 微調而成，釋出的是 NVFP4 量化權重，約 17.9GB，用 Diffusers 在本機執行約需 19GiB 顯示記憶體，一張 24GB 的卡就裝得下。它的作用是把一句話的需求擴寫成完整的畫面描述，並建議畫幅比例，可以單獨部署，再把結果交給雲端的 H3-Image 去繪製。
中國大陸開發者怎麼取得
權重在 Hugging Face 和 ModelScope 同步提供，中國大陸境內直接從魔搭下載會順暢許多。部署框架給了四條路：SGLang、vLLM-Omni、Diffusers 和 ComfyUI。習慣節點式工作流程的設計師，等 ComfyUI 的節點套件穩定後上手最快；做服務化的團隊則更可能選 SGLang 或 vLLM-Omni。
授權為 MiniMax-H3-Image 社群授權協議，PE 模型同樣適用。協議第四節涉及的用途，需透過官方表單申請書面授權，商用前要先確認自己落在哪一類。模型卡沒有另外寫地區限制。先前有第三方整理指出，H3 影片模型的社群授權排除了部分國家和地區，H3-Image 的協議是否沿用，下載前要逐條對照。
沒有顯示卡的選項
對大多數個人創作者和小型團隊來說，自己部署一套 138GB 的模型並不划算。官方管道有 MiniMax 開放平台 API、海螺（Hailuo）和 MiniMax Agent；不想串接 API 的話，也可以直接在合作平台上使用。
PixPix 主打電商與商品圖，產品套圖、詳情頁、模特兒圖這些工序都有現成入口，選 H3-Image 就能產出 4K。PixTV 是一張無限畫布，圖像、影片、音訊模型都能在上面呼叫，適合先用 H3-Image 定下靜態畫面，再交給影片模型做成片的流程。兩邊都是按次使用，不需要準備任何硬體。
自建與呼叫服務之間的分界線，大致可以這樣劃：每天出圖量在幾百張以內、對資料不出本機沒有硬性要求的，就用網頁或 API；量大、需要改模型，或有私有化需求的，再考慮上卡部署。
參考來源：Hugging Face 模型卡、CocoLoop、MiniMax-H3-Image-PE 模型卡、MiniMax 官方部落格；已核對各元件檔案大小、支援的硬體平台、部署框架與授權協議名稱。