【新人报道・求建议】16G 显存＋128G 内存：H3 视频生成和本地大模型分别怎么配置最合适？
-
- 试一试https://huggingface.co/ZhengmingYu/DMAD
- IQ3_S, 5080 > 100ts
- 除了 Strata，其他 > Q3.8 27b
- first > strata, 2nd llama 3rd lmstudio 4th ollama
- 先setup strata, 叫agent 帮你做：
python 分阶段驱动、ComfyUI 与 Qwen3.8 不同步加载
agent & comfyui 相互自己load & unload......
背后就靠着tray system 来管制着这两个家伙
-
大家好，新配了一台机器（11 月中到货），主要做两件事：一是用 MiniMax H3 生成视频镜头，二是长期跑本地大模型干活。想请有经验的大佬给点建议。
【配置】
CPU：Ryzen 9 9900X（12 核 24 线程）
显卡：RTX 5080 16G（水冷版）
内存：128GB（64GB×2，DDR5-5600 双通道）
硬盘：2TB NVMe（PCIe 4.0）
电源：1000W
系统：Windows 11 专业版
平时主要从 Mac 远程（SSH）控制，不想装 WSL2。【一、H3 视频】
现在在云端 4090 上跑：ComfyUI＋官方 int8 convrot 剪枝版主模型＋NVFP4 文本编码器＋官方 turbo 8 步 LoRA，部分镜头加 Fun ControlNet（深度控制）。分辨率 1344×768，每条 3～8 秒，平均每 1 秒画面约 1.2 分钟。
到货前在 4090 上把显存压到 16G 模拟了一下：8 秒深度控制镜头 8.59 分钟（不压是 8.3 分钟），显存峰值 16.2G，内存约 58G，没报错。想请教：
- 50 系能原生跑 FP4，主模型换成 NVFP4 版值不值得？画质和 int8 版实际差多少？速度能快多少？
- Windows 原生 ComfyUI 跑 H3 有没有坑？comfy_kitchen 和 Turbo 节点在 Windows 上能正常用吗？
- 16G 跑 15 秒（360 帧左右）的长镜头稳不稳？有没有推荐的启动参数（比如 --reserve-vram）？
- 有没有在 H3 上实测有效的提速方法（SageAttention、EasyCache/TeaCache 之类）？
【二、本地大模型】
用途：写作、翻译、整理资料，也会接 Agent 用。现在在 Mac 上跑 27B 稠密模型，每秒 12～16 token，嫌慢。想请教：
- 打算用 Strata 跑 Qwen3.8-Flash-Next 125B。16G＋128G 这种配置，用哪个量化档比较平衡？实际每秒能有多少 token？
- 除了 Strata，这个配置还有什么更合适的模型或工具组合？（比如 llama.cpp 把 MoE 专家放内存跑 gpt-oss-120b，或者把 27B～32B 稠密模型压到能装进 16G）
- Windows 下 llama.cpp、LM Studio、Ollama、Strata 你们实际用下来哪个最顺手？
另外，H3 和本地大模型我打算错开跑，不同时用。这个思路有没有问题？
先谢谢各位！
-
- 试一试https://huggingface.co/ZhengmingYu/DMAD
- IQ3_S, 5080 > 100ts
- 除了 Strata，其他 > Q3.8 27b
- first > strata, 2nd llama 3rd lmstudio 4th ollama
- 先setup strata, 叫agent 帮你做：
python 分阶段驱动、ComfyUI 与 Qwen3.8 不同步加载
agent & comfyui 相互自己load & unload......
背后就靠着tray system 来管制着这两个家伙
感谢回复！ 我等机器到了后 研究下！学习到了！！太感谢了！
-
@ゆうみん
你RAM有128G，量化可以跑NVFP4 -
-
16G vram，如果跑h3，只能跑int4权重，有人说视频效果很模糊，如果玩玩无所谓，如果用来做主播挣钱，建议还是买大一点的卡。
@XIUNAN-ZHI 感谢！ 其实纠结过一段时间。N卡大显存的 太贵了。而且搞不到比较好的2手的。做视频A卡感觉环境没有那么好（主要网上查不到什么相关的信息）。所以最终选了5080 16G。
-
-
-
-
-
-
-
-
大家好，新配了一台机器（11 月中到货），主要做两件事：一是用 MiniMax H3 生成视频镜头，二是长期跑本地大模型干活。想请有经验的大佬给点建议。
【配置】
CPU：Ryzen 9 9900X（12 核 24 线程）
显卡：RTX 5080 16G（水冷版）
内存：128GB（64GB×2，DDR5-5600 双通道）
硬盘：2TB NVMe（PCIe 4.0）
电源：1000W
系统：Windows 11 专业版
平时主要从 Mac 远程（SSH）控制，不想装 WSL2。【一、H3 视频】
现在在云端 4090 上跑：ComfyUI＋官方 int8 convrot 剪枝版主模型＋NVFP4 文本编码器＋官方 turbo 8 步 LoRA，部分镜头加 Fun ControlNet（深度控制）。分辨率 1344×768，每条 3～8 秒，平均每 1 秒画面约 1.2 分钟。
到货前在 4090 上把显存压到 16G 模拟了一下：8 秒深度控制镜头 8.59 分钟（不压是 8.3 分钟），显存峰值 16.2G，内存约 58G，没报错。想请教：
- 50 系能原生跑 FP4，主模型换成 NVFP4 版值不值得？画质和 int8 版实际差多少？速度能快多少？
- Windows 原生 ComfyUI 跑 H3 有没有坑？comfy_kitchen 和 Turbo 节点在 Windows 上能正常用吗？
- 16G 跑 15 秒（360 帧左右）的长镜头稳不稳？有没有推荐的启动参数（比如 --reserve-vram）？
- 有没有在 H3 上实测有效的提速方法（SageAttention、EasyCache/TeaCache 之类）？
【二、本地大模型】
用途：写作、翻译、整理资料，也会接 Agent 用。现在在 Mac 上跑 27B 稠密模型，每秒 12～16 token，嫌慢。想请教：
- 打算用 Strata 跑 Qwen3.8-Flash-Next 125B。16G＋128G 这种配置，用哪个量化档比较平衡？实际每秒能有多少 token？
- 除了 Strata，这个配置还有什么更合适的模型或工具组合？（比如 llama.cpp 把 MoE 专家放内存跑 gpt-oss-120b，或者把 27B～32B 稠密模型压到能装进 16G）
- Windows 下 llama.cpp、LM Studio、Ollama、Strata 你们实际用下来哪个最顺手？
另外，H3 和本地大模型我打算错开跑，不同时用。这个思路有没有问题？
先谢谢各位！
想请教：
50 系能原生跑 FP4，主模型换成 NVFP4 版值不值得？画质和 int8 版实际差多少？速度能快多少？
Windows 原生 ComfyUI 跑 H3 有没有坑？comfy_kitchen 和 Turbo 节点在 Windows 上能正常用吗？
16G 跑 15 秒（360 帧左右）的长镜头稳不稳？有没有推荐的启动参数（比如 --reserve-vram）？
有没有在 H3 上实测有效的提速方法（SageAttention、EasyCache/TeaCache 之类）？主模型千万不要换成 NVFP4 版，效果太差，ComfyUI官方已经删除了，目前最小版本官方推荐W6A8. 比我以前用的W4A4 音频效果好一点。
https://huggingface.co/Comfy-Org/MiniMax-H3/tree/main/diffusion_models
其余可以参考下面的帖子
https://lcz.me/topic/1743
