256G 的 M5 Ultra 跑 MiniMax H3：7 分钟，还是 1 小时？
-
-
-
256G 的 M5 Ultra 跑 MiniMax H3：7 分钟，还是 1 小时？
同一台机器，同一个模型，差距 10 倍。差距哪来的。
TL;DR
- M5 Ultra 256G + ComfyUI，MiniMax H3 生成 5 秒视频（864×480）：7 分 0 秒
- 勾选工作流里一个 Turbo 开关：3 分 6 秒，提速 2.25 倍
- 我另外把 antirez 的 h3.c 原生引擎在本机编译跑通了：同形状 5 秒片子端到端 2 分 1 秒，比 ComfyUI 标准路径快 3.5 倍——但作者 README 里"512² 二十几步 20 秒"那种数字是 M5 Max + int8 路径的，我这台跑的是 BF16 权重，别直接抄
- 社区里同样跑 ComfyUI 的 Mac 用户：9 秒片子跑 1 小时，15 秒片子跑 1.5 小时
- 一张桌面 RTX 5090 同形状只要 2 分 26 秒——ComfyUI 路径我们慢 2.8 倍
- 差距不在芯片，在配置和引擎。 这篇文章就是把我踩完坑之后的完整配置、实测数据和 h3.c 原生引擎实测摊开给你抄。
1. 先交代机器和口径（不然对比都是耍流氓）
项 值 机器 Mac Studio（M5 Ultra），36 核 CPU + 80 核 GPU，256G 统一内存 系统栈 ComfyUI Desktop 1.1.8 / 引擎 0.43.0 / torch 2.12.1 / MPS 模型 MiniMax H3（int8_convrot DiT 19.5G + int8 文本编码器 25.9G + fp16 视频 VAE） 任务 文生视频 864×480、5 秒、24fps、124 帧 计时 引擎日志 Prompt executed（端到端）+ tqdm（采样）规则 每项跑 2 次，冷启动和稳态分开记；同 seed 会被缓存返回 0 秒假数据，必须换 seed 一个背景冷知识：官方性能基准工具 comfyui-benchmark 在 Mac 上是半残的——它的遥测线程只认
nvidia-smi。Mac 上老老实实从日志抓Prompt executed in X seconds和 tqdm 步时，就是最可靠的数据源。2. 成绩单（ComfyUI 路径）
场景 总耗时 采样 每步 备注 H3 标准 20 步（冷启动） 7 分 4 秒 6 分 12 秒 18.6s 模型加载 ~51.4G H3 标准 20 步（稳态） 7 分 0 秒 6 分 31 秒 19.6s 模型驻留，加载 0 H3 Turbo 8 步（稳态） 3 分 6 秒 2 分 39 秒 19.9s 提速 2.25× Z-Image Turbo 1024² 8 步 6.3 秒 5.8 秒 0.73s 生图对照组 H3 768p（1344×768） 未测完 — 79.1s 预估 26 分钟，主动放弃 
三个值得注意的点：
- 256G 内存的真实价值：冷启动只比稳态慢 4 秒。51.4G 的模型全家桶，统一内存 + mmap 让它们常驻，切换模型不用反复重载——这是大内存机器最被低估的体验优势。
- Turbo 的收益全部来自步数：单步耗时 19.6 → 19.9s 基本没变，20 步变 8 步，总时长直接砍 60%。开关就在官方工作流子图里（"Enable Lightning LoRA"），勾选即可，不用手动挂 LoRA。
- 768p 是另一台机器：每步 79.1s，是 480p 的 4 倍——扩散模型的计算量随 token 数超线性增长，想上 720p 请把心理预期乘 4。
3. 三层世界：把 H3 放回全硬件坐标系
跨硬件比较先立规矩，统一归一化：
N = 端到端秒数 ÷ (步数 × 每帧百万像素 × 卡数) 单位 s/(步·MP·卡)
硬件 5 秒视频耗时 N 相对本机 4× H100 80G 13.25 s 0.06 快 768× 8× B300 74.38 s 0.18 快 274× h3.c 原生 Metal（M5 Max）¹ 26.4 s 5.3 快 9.3× 1× RTX 5090 桌面（ComfyUI）² 145.9 s 17.59 快 2.8× 1× RTX 4090D（int8+Sage） 174.9 s 8.47 快 5.8× DGX Spark GB10 128G 255.8 s 30.84 快 1.7× 本机 M5 Ultra（ComfyUI 稳态） 420 s 49.3 基准 本机 M5 Ultra（h3.c 原生） 121 s ≈14.2 快 3.5×（见第 4 节） M4 Max 128G（社区，15s 片等比） ≈1.5 h — 慢 ~12× M5 Pro 64G + GGUF（社区，9s 片） >1 h — 慢 ~8× ¹ 512²×22 帧参考质量档。 ² 与本机完全同形状（864×480/124帧/20步）直读，无需换算：每步 5.3s vs 本机 19.6s。
数据来源：SGLang 官方 H3 cookbook、NVIDIA Sol Engine、antirez/h3.c README、HN 49252179、zenn.dev 实测；h3.c 原生一行为本机实测（见第 4 节口径）。
读表要点：本机跑 ComfyUI 比一张桌面 5090 慢 2.8 倍；换 h3.c 原生引擎后反超 4090D、逼近 5090；比 M5 Max 上的原生 int8 参考档仍慢约 2.7 倍——差距主要在 int8 算子。而比社区里同样跑 ComfyUI 的 Mac 同行快 8-12 倍。你在哪个梯队，取决于配置和引擎。
4. h3.c 原生引擎实测：同一台机器再快 3.5 倍
antirez（Redis 作者）开源了一个纯 C + Metal 的 MiniMax H3 推理引擎 h3.c，不走 PyTorch、不走 ComfyUI。我在本机 clone 源码、静态审过之后编译跑通，做了完整验收。
4.1 怎么测的
- 本机
make构建，加载 BF16 权重（README 里的 int8 加速档是作者自己在 M5 Max 上测的，我这边没跑 int8 路径——下面所有数字都是 BF16） - 任务与 ComfyUI 完全同形状：864×480、124 帧、24fps、5.17 秒
- 连跑 3 条做稳态复现测试（同提示词 2 条 + 参考条件 1 条）
4.2 用时
项 数字 单条端到端（含加载） 约 2 分 1 秒 对比 ComfyUI 标准稳态（7 分 0 秒） 快 3.5 倍 对比 ComfyUI Turbo（3 分 6 秒） 快 1.5 倍，且不用挂 Lightning LoRA 三条连跑总时长 约 60 分钟（含一次交互会话 stdin 管道挂死的排查重跑；纯生成远少于这个数） 诚实口径：2 分 1 秒是端到端墙钟（含权重加载与 VAE 解码），采样时间没有单独打点；h3.c 是交互式会话，复用加载后的进程还能更快。
4.3 质量：两级验收都过了
第一级：确定性机器指标（ffmpeg 解码灰度帧 + numpy，三条抽样首/中/末帧）：
- 帧像素 std 23–52，无死帧（std<1）、无全黑/全白/NaN 特征，min/max 覆盖 0–255 正常动态范围
- 径向 FFT 高频能量比 0.27–0.30，三条高度一致，无噪声污染特征
- 跨文件中帧像素差 mean|diff|：同提示词两条之间 11.8（复现性好），与不同参考条件的对照条约 29（差异符合预期）
第二级：人工验收：三条片子人眼对比，"差不多，没看出来差别太大"——同引擎同提示词下输出一致、不漂移，这正是稳态复测的目标。
结论：h3.c 原生引擎在本机连续生成可复现、产物无损，验收通过。
4.4 对照作者 M5 Max 的参考数字（别跟我M5 Ultra搞混了）
档位（512²×22 帧，20 步） 耗时 BF16 36.30 s int8 25.80 s int8 + int8 QKV 19.32 s 再加 attn-out-proj int8 19.18 s 另外几个实测特性：4 步少步数去噪约 3.5s（vs 29 步参考 26.4s，SSIM 0.556，质量换速度很激进）；SSD 流式加载把 DiT 驻留内存从 36.5 GiB 压到 2.0 GiB，代价是 864×480 下前向慢 26%——24G 显存以下的 Mac 也能跑 H3 靠的就是它。
4.5 三条片子同框对比
ComfyUI 标准 7分0秒 ComfyUI Turbo 3分6秒 h3.c 原生 2分1秒 |
|
|
|5. 为什么慢：两个反直觉的真相
真相一：扩散模型是 compute-bound，大内存救不了速度
统一内存让很多人以为"内存大 = 快"。错了一半：
- 内存大决定跑得起来（H3 全家桶 48G 权重，24G 显存的卡根本装不下）
- 速度由算力决定。扩散模型每步都要把全部权重过一遍全矩阵乘法，batch=1 就已打满 GPU——ComfyUI 作者 comfyanonymous 原话（issue #12426）
- 实证：M2 Ultra 128G 跑 HunyuanVideo 53 分钟，RTX 3060 12G 只要 20 分钟——显存只有对方 1/10 的卡快了 2.6 倍
所以"多开队列提吞吐"在 Mac 上也是伪命题：GPU 已经满了，多开只会排队。
真相二：Mac 上的 int8 是"假 int8"
我在 ComfyUI 里选了 int8 权重，以为在跑 int8 算力。查了源码才发现：
supports_int8_compute()对 MPS 返回 False- PyTorch MPS 后端 87 个算子里没有 IntMM，
torch._int_mm直接NotImplementedError - 现在的 int8 = 权重存 int8、算时反量化成 fp16：内存省一半，算力一点不省
这正好解释了第 3 节的表：h3.c 作者用 C 手写 Metal int8 kernel，同代 M5 Max 上 512² 档从 BF16 的 36.3s 干到 int8 的 19.3s——int8 算力本身就有近 2 倍收益，只是 PyTorch MPS 给不了你。comfy-kitchen PR #249 正在给 MPS 补这块（H3 INT8 从 38-74 s/step → 8.4-11.8 s/step），合入后 ComfyUI 路径的速度故事要重写，值得盯。
彩蛋：Mac 上 bf16 比 fp16 慢 1.75 倍（走模拟路径），VAE 用 bf16 比 fp16 慢 5-10 倍（官方 PR #16996）。"新精度更快"在 Mac 上不成立——这也是我 VAE 坚持用 fp16 的原因（int8 VAE 在 Mac 上直接报错，bf16 VAE 慢到没法用）。
6. 抄作业：Mac 跑 H3 的正确配置
DiT → minimax_h3_fl2va_pruned_int8_convrot （int8 省内存） 文本编码器 → qwen3vl_32b_minimax_h3_int8_convrot （必须 int8，nvfp4 是 N 卡专属） 视频 VAE → fp16 （int8 报 _int_mm 错，bf16 慢 5-10×） 音频 VAE → fp32 速度 → 工作流里勾选 Enable Lightning LoRA（8 步 Turbo） 常驻 → 别手动卸载模型，256G 装得下全家桶，切换零成本想再快一档：clone h3.c 源码，静态审完
make编译，BF16 权重直接跑——同形状端到端 2 分 1 秒，比 ComfyUI 标准路径快 3.5 倍。第三方引擎，先审后装，别裸跑。生图侧顺带一句：Z-Image Turbo 在 Mac 上是速度比较快的模型——bf16 原生、无量化坑、1024² 出图 6.3 秒，8 步直出。Mac 用户想快速出图先玩它，但别比质量。
7. 结论
- Mac 能不能跑视频生成？ 能，而且配置对了是"好用"级别：ComfyUI Turbo 3 分钟，h3.c 原生引擎 2 分钟出一条 5 秒片子。
- Mac 适合当视频主力机吗？ 看预算。同预算的 5090 桌面机（ComfyUI 2 分 26 秒）仍略快于本机 h3.c（2 分 1 秒基本打平），而且 N 卡的 int8/SageAttention/EasyCache 优化生态全都能用；但 Mac 靠 h3.c 已经从"不能用"进到"能上桌"。
- Mac 的正确定位：生图主力（Z-Image 6 秒一张快）+ 视频尝鲜 + 开发验证。256G 内存买的是"跑得起来 + 多模型常驻"，不是"跑得比 N 卡快"。
- 下一个值得等的东西：comfy-kitchen PR #249 的 MPS int8 kernel。合入后 ComfyUI 跑 H3 有望进入 10s/it 时代，那才是质变。
实测环境：Mac M5 Ultra 256G / ComfyUI 0.43.0 / torch 2.12.1；h3.c 本机源码构建（BF16 权重），2026-10-31 至 11-01。所有数字来自引擎日志与产物落盘的原始记录，测试脚本与原始数据可复现。对比数据来源见文中说明。
-
@cc-tgo 我最近也在关注M5 ULTRA，一直纠结的就是comfyui和H3在M5上的速度问题，可能是出货量的原因，目前能获得的实例很少，但通过有限的资料看对M5 ULTRA的神经元加速还是支持不好，没有充分发挥性能，导致速度不理想。看了大哥的评测，是不是可以理解，已经有能完全适配M5神经元加速跑原生FB16的方案了，且速度比4090D还快？如果是这样，那96G满血版就很有性价比了。
-
@liu-big comfyui对mac的支持个人体感不是很好。目前在用mlx-serve推理平台，跟oMLX比更优，同时直接支持生图，生视频，生音乐。给你一个参考数据，我用的mlx-serve平台，模型使用MiniMax-H3 (Hailuo 3.0) 8-bit — video + native audio跑16步，生成960×544分辨庇率 / 260帧 (10.8秒视频时间) 总耗时表现7分54秒。
下面是生成视频截图
-
-
-
-
-
版主审定：本帖设为优秀，作者 +3 积分奖励，继续加油！
本帖由优秀升级为精华（两者互斥，只补差价），作者 +3 积分，累计 6 分。
