单卡 5090 跑 MiniMax H3:12 档位全实测，41GB 模型链怎么塞进 31GB 显存 blog/2026/CPGcwHsRjiLPubksitKcHEAKntd/M0E3waWShiLsn3kHzMJcPgZqnDf/IA9iwjowCiUUJWkOENBcFSx7nvg

MiniMax H3 的完整模型链约 41GB——视频 DiT、音频 DiT、双 VAE，再加一个 Qwen3-VL-32B 文本编码器。而单卡 RTX 5090 的可用显存只有 31.4GB。模型比卡大 10GB，却能稳定跑完 60 次测量、无一显存溢出。这篇文章除了给出 12 档位的完整耗时与成本数据，还想说清楚”塞得进去”背后的显存调度机制。

测试环境：共绩算力官方预制镜像（ComfyUI 0.31.0），官方四步采样 LoRA 加速方案（euler 采样器、4 步、CFG 1.0），覆盖 480p / 720p / 768p / 1080p × 5 / 10 / 15 秒共 12 个组合，每档重复 5 次取统计值。

*720p/5s 的 P95 是实例重启后第一条任务的冷启动开销（多花约 56 秒），其余 4 次均在 68-73 秒，不代表稳态。

几个直接可用的结论：

• 量产档选 480p：3 分钱一条，条/小时破百，适合批量出素材再挑片；
• 性价比甜点是 768p/10s：画质够交片、0.22 元/条、14.8 条/小时，我们后续的长跑测试也选的它；
• 1080p/15s 是”重炮”档：近 25 分钟一条、1.34 元，但这是单卡单任务的数字——真要量产 1080p，多实例线性扩展比等单卡快。

测量各档位运行期间的空闲显存时，出现了一个反直觉的现象：

负载越重的档位，跑完之后空闲显存反而越多。轻任务几乎占满、重任务游刃有余，这看起来违反直觉，实际是动态调度机制在起作用：

1. 模型链 41GB 超过显存上限，系统采用按需加载、用完移出策略：权重平时放在内存（RAM）里，执行到哪个模块就把哪个调进显存；
2. 轻量任务（480p 系、各 5 秒档）计算量和中间结果都小，上个任务用过的权重留在显存里不清出——反正下个任务马上还要用，所以测量时刻显存几乎占满（空闲不足 1GB）；
3. 重量任务（高分辨率长时长档）生成过程需要大量显存放中间计算结果，系统会主动把暂不用的权重移出去腾地方，任务结束后自然留下 10GB 以上的余量；
4. 所以空闲少不代表危险，空闲多不代表浪费——两者都是调度器应对不同负载的合理结果。真正的安全性证据是：全部 60 次测量无一显存溢出。

4.1 帧数不能超过 362，且越界是静默失败

帧数合法性规则是「17 的倍数加 5」：124 / 141 / … / 243 / … / 362，362 是模型训练上限。提交越界值（如 379 帧）不会收到报错，任务会永久挂起——实测 30 分钟无响应、无错误信息。生产系统提交前必须校验：(帧数 − 5) 能被 17 整除，且不超过 362。

4.2 提示词长度不影响资源消耗

在 768p/15s 最高负载档位上把提示词从 100 字符加到 2,000 字符，耗时和显存均无变化。文本理解环节对显存不敏感，不需要对提示词长度做限制。

4.3 同种子不保证逐字节复现

对交付的含义：跨机器可以承诺”画面主体一致”，不能承诺逐字节相同。做基准测试时要每次换种子，避免缓存命中把 75 秒的生成变成 3 秒的”假结果”。

用 768p/10s 连续生成 20 条（约 3.4 小时）观察热衰减：前 10 条中位数 230 秒，后 10 条 231 秒，漂移仅 +0.1%（判定标准 +10% 为劣化）。稳态耗时 227-237 秒，波动 4.4%。

这意味着产能规划可以直接按 P50 折算，不需要为连续运行预留降速余量。对按秒计费的弹性算力来说，这是个重要前提：跑得越久单价越稳定的假设在这里成立。

这次测试给”单卡能不能跑大视频模型”提供了一个量化答案：能跑，且每一档位都有可复现的数字。60 条有效测量、70 条原始记录、全部测试脚本（已脱敏）都有存档，工作流 JSON 只改三个参数（width / height / length）就能切换档位复现。

如果只记三件事：量产选 480p，甜点 768p/10s，帧数校验做在提交前。