MiniMax H3 (ComfyUI) R2V workflow with SLA sparse attention - 0.6MP 10s in 3m12s on RTX 3080 10GB

A developer shared a ComfyUI workflow for MiniMax H3 that runs a 0.6MP 10-second R2V generation in 3 minutes 12 seconds on an RTX 3080 10GB. The setup uses the H3SLAAttention custom node with SLA sparse attention, achieving a 3x speedup over dense attention, and includes recommendations for turbo LoRAs and memory settings.

RTX 3080 10GB で 0.6MP・10秒の R2V が 3分12秒 で回る構成です。 ComfyUI 0.33.0 以降 （動作確認は 0.33.1 / torch 2.13+cu130） カスタムノード cd ComfyUI/custom nodes git clone https://github.com/PlagueKind/ComfyUI-PlagueKind-Nodes H3SLAAttention を使うためのものです。MIT、Triton が必要（sageattention が入っていれば通常は入っています）。 モデル （すべて Comfy-Org/MiniMax-H3 から） | ファイル | 置き場所 | |---|---| minimax h3 ref2va pruned int8 convrot.safetensors | models/diffusion models/ | qwen3vl 32b minimax h3 nvfp4 awq.safetensors | models/text encoders/ | minimax h3 video vae fp16.safetensors | models/vae/ | minimax h3 audio vae fp32.safetensors | models/vae/ | turbo LoRA （ models/loras/ に置く） - 4step: Kijai/MiniMax-H3 comfy https://huggingface.co/Kijai/MiniMax-H3 comfy の minimax h3 fl2v lightx2v turbo 4step v0.1 comfy resized avg rank 21 bf16.safetensors - 8step: drbaph/MiniMax-H3-Turbo-Lora-ComfyUI https://huggingface.co/drbaph/MiniMax-H3-Turbo-Lora-ComfyUI の minimax h3 turbo 4step ckpt850 pruned comfyui.safetensors --vram-headroom 2.0 --use-sage-attention --disable-pinned-memory --disable-pinned-memory は 強く推奨 します。無いと ComfyUI が RAM の40%をページアウト不能に固定し、バッチや構成切り替えで空きRAMが枯れて 同じ設定が4倍遅くなります 。GPU使用率100%・消費電力は定格のまま遅くなるので外形からは判りません。単発では10%遅くなりますが、その価値があります。 | 構成 | サンプリング | 総所要 | |---|---|---| | sage のみ・ckpt850 8step | 7分48秒 | 9分42秒 | | sage + SLA・ckpt850 8step | 3分57秒 | 5分31秒 | sage + SLA + nopin・lightx2v 4step | 2分03秒 | 3分12秒 | 同梱の JSON は最後の構成（lightx2v 4step）です。 | step | LoRA | sampler | | |---|---|---|---| | 静かなカット | 4 | lightx2v（strength 0.75） | er sde | | 動きのあるカット | 8 | ckpt850（strength 1.0） | res multistep | 速い動きは 4step で破綻します （武器を薙ぐ、ダンス等）。8step で解消します。 | 項目 | 値 | 理由 | |---|---|---| | 配置 | チェーンの最後、Scheduler と Guider の両方に直結 | 作者の必須要件。外すと効かない | | sparsity ratio | 0.90 | break-even は 0.60。それ以下では密より遅い | | block size | 64 | 128 は台詞が robotic になる。H3 は音声を毎秒80行で詰めるため | | protect audio | オン | 音声は系列の約1%しかなく、切ると音だけ劣化する。コスト約7% | | min seq len | 8192 | これ未満の系列は自動的に密に戻る（低解像度・短尺では効かない） | 効いているかは stderr のログ で確認できます。 SLA: 400 calls | S=49826 | blocks 151/779 kept 80.6% sparse | 0 dense fall-throughs | displaced attention sage displaced attention pytorch と出たら sage が無効です。 MiniMaxH3SigmaShift の音声側は 3.0 が正です。6.0 にすると 4step で音声を踏み越えてノイズになります。turbo 使用時の音声ノイズはほぼこれが原因です。 - プロンプト（プレースホルダが入っています） example character.png / example background.png を自分の参照画像に- 出力先 H3/output 背景を固定したいカットが複数ある場合は、 背景の一枚絵を2枚目の参照に入れてください 。本文で空間を細かく書いても、参照が無いとカットごとに別の場所になります。