跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. 随便聊聊
  4. (小白篇)全自动MiniMax H3 视频生成栈 · 部署与执行全记录(全原始数据待优化版)

(小白篇)全自动MiniMax H3 视频生成栈 · 部署与执行全记录(全原始数据待优化版)

已定时 已固定 已锁定 已移动 随便聊聊
r9700多卡部署视频生成
1 帖子 1 发布者 109 浏览
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • Magic629M
    Magic629M
    Magic629
    硕果累累 贵族大夫
    编写于 最后由 编辑
    #1

    MiniMax H3 视频生成栈 · 部署与执行全记录

    记录时间:2026-11-16 (Asia/Shanghai)
    部署主机:magic629-AI / 192.168.67.202(本地 Windows 工作站经 SSH 驱动)
    本次任务:lcz.me/topic/3045 剑心比赛,两条 1344×768 / 12s 成片
    关联文档:H3剑心比赛\任务执行流程与参数记录.md(任务视角)、参赛帖-文案.md(提交用)

    本文按 部署 → 执行 → 参数 → 建议 四部分组织。部署与参数部分是从服务器实采的原始事实,执行部分是本次两条片子的真实时间线,建议部分按优先级排列并标注证据来源。


    第一部分 部署

    1. 硬件平台

    项 实测值 取证方式
    主板 Gigabyte Z890 AERO G,BIOS F21(2026-06-11) hostnamectl
    CPU Intel Core Ultra 7 265K,20 核 /proc/cpuinfo、nproc
    CPU 调度 performance governor scaling_governor
    内存 62 GiB(当前用 45 GiB / 可用 16 GiB),Swap 39 GiB free -h
    系统盘 NVMe 915 GB,已用 437 GB(51%),可用 432 GB df -h /
    独显 2× AMD Radeon AI PRO R9700 32GB lspci -nn → 1002:7551 rev c0 ×2
    GPU 插槽 PCI 03:00.0 / 06:00.0 lspci -nn
    单卡显存 32,624 MiB /sys/class/drm/card{0,1}/device/mem_info_vram_total
    核显 Intel Arrow Lake-U 8086:7d67(不参与推理) lspci -nn

    2. 系统与驱动栈

    层 版本
    OS Ubuntu 24.04.5 LTS
    Kernel 7.0.0-42-generic
    amdgpu 驱动 7.1.9.31600000
    ROCm /opt/rocm
    torch 2.14.1+rocm7.14(HIP 7.14.60850)
    Docker 29.1.3,runtime runc,storage overlayfs

    3. 模型资产清单

    全部位于 /home/magic629/,合计 约 176.5 GB:

    文件 字节 用途
    h3-models/minimax-h3-ref2va-fp8.rad 26,863,880,192 本次出片所用,Ref2VA fp8 容器
    h3-models/minimax-h3-fp8.rad 65,001,896,448 完整版 fp8 容器(未用于本次)
    …/text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors 15,687,142,551 Qwen3-VL 文本/图像编码器
    …/diffusion_models/minimax_h3_ref2va_pruned_fp8_scaled.safetensors 20,958,205,608 ComfyUI 通路用
    …/diffusion_models/minimax_h3_ref2va_pruned_bf16.safetensors 40,225,724,176 同上 bf16
    …/loras/minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors 1,956,193,000 4 步 turbo LoRA(本次未用,见建议 4)
    …/vae/minimax_h3_video_vae_fp16.safetensors 5,207,808,496 视频 VAE
    …/vae/minimax_h3_audio_vae_fp32.safetensors 605,254,808 音频 VAE

    4. 推理引擎与预处理组件

    组件 位置 / 版本
    Radiance 引擎 ~/radiance-h3-fullref/build/bin/radiance,13,818,568 B
    源码仓库 ~/radiance-h3-fullref,git a065337,分支 h3-fullref,末次提交 2026-10-26
    预处理脚本 ~/radiance-h3-fullref/scripts/h3_fullref.py
    ComfyUI 宿主 ~/ComfyUI(独立 .venv)
    H3 视频节点 ~/ComfyUI/comfy_extras/nodes_minimax_h3.py
    节点内常量 CANVAS_MULTIPLE=32、REF_IMAGE_SHORT_EDGE=2048、AUDIO_LATENT_FPS=40

    5. systemd 服务拓扑

    单元 状态 职责
    radiance-h3fullref.service inactive / disabled H3 视频服务,TP2,:8001。按需启动,不随开机自启
    radiance-flashnext.service inactive / enabled LLM 服务,容器 :8010,经网关对外 :8000/:8100
    radiance-gateway.service active 生产网关:并发闸、分级超时、重试、访问日志
    radiance-monitor.service active 5 秒采样 + 阈值告警
    radiance-logshipper.service active 容器日志外送(容器重建后仍存活)
    radiance-cpu-performance.service active(exited) 锁定 performance governor
    radiance-watchdog.service inactive(dead) 一次性任务:保证 LLM 真的在服务,不只是容器在跑
    radiance-watchdog.timer active 每 20 秒 触发上面的看门狗

    6. GPU 独占与三层让位机制

    双卡各 32 GB,H3 与 LLM 物理上不能共存(LLM 常驻 32,570 MiB)。为此部署了三层防护:

    第一层 — systemd 冲突声明(radiance-flashnext.service.d/gpu-exclusive.conf)

    [Unit]
    Conflicts=radiance-h3fullref.service
    [Service]
    ExecStartPre=/usr/local/bin/radiance-wait-gpu-free.sh
    ExecStop=/usr/bin/docker compose -f /home/magic629/radiance/compose/flashnext.yaml stop radiance-flashnext
    

    第二层 — 启动前显存闸门(radiance-wait-gpu-free.sh)
    只统计 >30 GB 的大卡,要求每卡空闲 ≥ 30,000 MiB,最多等 180 s,超时放行(fail-open,避免死锁)。

    第三层 — 视频任务闸门(radiance-video-gate.sh,看门狗每轮调用)
    判定"有视频任务"的四个条件,任一成立看门狗就让路:

    1. 锁文件 .video-task.lock 存在且持有进程仍存活
    2. 保持文件 .video-pin 存在
    3. radiance-h3fullref active 且 :8001 有 queued/running 任务
    4. radiance-h3fullref active 且启动未满 GRACE=180s(模型加载期)

    三条都不成立而单元仍开着 → 判为"任务已完成的残留服务",连续 IDLE_AFTER=120s 空闲后自动停服务回收双卡。

    看门狗为什么不能只看容器状态(脚本注释里的实战教训):

    • 引擎 OOM 后,unless-stopped 策略会让 dockerd 立刻重启容器,容器状态一直 running,看门狗第一行就 exit 0,崩溃循环完全隐形。
    • compose 的 healthcheck 有 start_period: 15m,容器起来后 15 分钟内 Docker 一律报 healthy,所以 Up (healthy) 在崩溃循环期间是假象。
    • ⇒ 判活必须自己探 :8010/health。

    LLM 容器刻意设 restart: "no":让崩溃真的表现为"停止",而不是被 restart 策略掩盖成"一直在跑"。

    7. 出片脚本清单

    脚本 说明
    ~/h3-make.sh 原始版,只取目录里第一张图
    ~/h3-make-multi.sh 本次新写,支持多图(目录内全部图片展开成多个 --image)+ 分段计时
    ~/h3-run-full.sh / ~/h3-run-submit.sh / ~/h3-shot.sh 既有工作流脚本
    ~/contest-driver.sh 串行驱动:3D 跑完自动接 2D,nohup 后台

    第二部分 执行

    8. 一条命令出片的四阶段流水线

    bash ~/h3-make-multi.sh <素材目录> <秒> <步数> <宽x高> <轮询超时分钟>
    # 本次实际调用:
    bash ~/h3-make-multi.sh ~/h3-contest-3d 12 20 1344x768 240
    
    阶段 动作 关键实现
    ① 腾显存 systemctl stop radiance-h3fullref + 停 LLM 容器 轮询 mem_info_vram_used < 1500 MiB,实测降到 57/57 MiB
    ② 预处理 单卡跑 h3_fullref.py prepare ROCR_VISIBLE_DEVICES=0,Qwen3-VL 编码 + VAE 编码 6 张参考图 → request.json
    ③ 起服务 systemctl start radiance-h3fullref 双卡 TP2 加载 25 GiB fp8,轮询 /v1/models 直到 200
    ④ 提交轮询 POST /v1/videos → GET /v1/videos/{id} → GET …/content 每 5 s 查状态,每 60 s 打一行日志

    全程 trap cleanup EXIT 保证异常退出也把双卡还给 LLM。

    9. 本次两条成片的真实时间线

    时刻 事件
    11:42:00 3D 开始,视频闸门加锁(what=h3-make-multi h3-contest-3d)
    11:42:01 看门狗检测到闸门,停掉 flashnext 让出双卡
    ~11:43:47 prepare 完成(107 s),request.json 92 MB
    ~11:44:02 服务就绪(15 s)
    12:04:16 3D 完成并下载,Total Time 1336 s;2D 立即开始
    12:26:33 2D 完成并下载,Total Time 1337 s
    12:26:36 闸门发现陈旧锁(pid 已不存在)自动清除
    12:28:39 看门狗判定视频服务空转 123 s,停服务回收双卡
    12:28:59 LLM 恢复,:8010 = 200,耗时 28 s

    10. 计时证据

    阶段 3D 版 2D 版
    预处理 prepare(墙钟) 107 s 98 s
    服务冷启动就绪 15 s 15 s
    生成 submit → completed 1213 s 1223 s
    端到端 Total Time 1336 s ≈ 22.3 分钟 1337 s ≈ 22.3 分钟
    两条合计 44.6 分钟

    墙钟 107 s 比引擎自报 preprocess_seconds 95.995 s 多约 11 s,差额是 Python 解释器启动 + ComfyUI 导入 + 三个模型文件从盘加载。
    三段相加(107+15+1213=1335)与端到端 1336 s 吻合,说明计时口径自洽。

    进度曲线(两条几乎重合,说明 3D/2D 风格对算力无影响):

    已用时间 3D 2D 已用时间 3D 2D
    60 s 0 0 840 s 63 63
    120 s 4 4 1020 s 76 76
    240 s 18 18 1140 s 85 85
    480 s 36 36 1200 s 96 94
    720 s 54 54

    第三部分 参数

    11. h3_fullref.py prepare 全参数表

    源码实测(scripts/h3_fullref.py 第 23–40 行):

    参数 类型 默认值 合法区间 / 说明
    phase 位置参数 — 只接受 prepare
    --comfy Path 必填 ComfyUI 根目录
    --work Path 必填 工作目录,产出 request.json
    --models Path 必填 模型目录
    --steps int 20 1..64 去噪步数
    --length int 124 帧数,必须 17n+5,n∈7..21 → 124/141/…/362
    --width int 576 32 的倍数,边长 ≥256
    --height int 352 同上
    --reference-max-area int 202752(576×352) 1024..1032192 像素
    --pad-reference-video flag 关 参考视频补零
    --seed int 145
    --image Path,可重复 — 多张身份/风格参考图
    --video Path,可重复 — 无声运动参考
    --audio Path,可重复 — 独立音乐/音效参考
    --video-audio 两个 Path — 成对的视频+音轨
    --prompt Path — 提示词文件

    校验逻辑原文:

    if not 1 <= opts.steps <= 64: parser.error("steps must be 1..64 denoiser evaluations")
    if not 124 <= opts.length <= 362 or (opts.length-5) % 17:
        parser.error("length must be 17*n+5 frames, with n in 7..21 (124, 141, ..., 362)")
    if (min(w,h) < 256 or w % 32 or h % 32 or w*h > 1344*768 or max(w,h) > 4*min(w,h)):
        parser.error("size must use multiples of 32, sides >=256, area <=1344*768 and aspect <=4:1")
    if not 1024 <= opts.reference_max_area <= 1344*768:
        parser.error("reference-max-area must be 1024..1032192 pixels")
    ...
    if len(images) > 9 or len(videos) > 3 or len(audio_refs) > 3 or ... > 12:
        raise ValueError("Reference count exceeds H3 limits")
    

    注意:全文无 lora / turbo 字样 —— 这条通路不支持加载 LoRA(见建议 4)。

    12. 本次参数取值与推导

    帧数(12 秒 → 294 帧):

    n = max(7, min(21, round((12*24 - 5) / 17)))   # = round(283/17) = 17
    length = n*17 + 5                               # = 294 帧 = 12.25 s @24fps
    

    分辨率:1344×768 面积 = 1,032,192 px,正好等于校验上限 1344*768,无需降档。

    完整 prepare 命令行:

    ROCR_VISIBLE_DEVICES=0 ~/ComfyUI/.venv/bin/python \
      ~/radiance-h3-fullref/scripts/h3_fullref.py prepare \
      --comfy ~/ComfyUI --models ~/h3-models/ComfyUI-Models \
      --work <素材目录>/work-<HHMMSS> \
      --width 1344 --height 768 --length 294 --steps 20 --seed 145 \
      --reference-max-area 344064 --pad-reference-video \
      --prompt <素材目录>/prompt.txt \
      --image jianxin1.jpg --image jianxin2.jpg --image jianxin3.jpg \
      --image zhizhixiong1.jpg --image zhizhixiong2.jpg --image zhizhixiong3.jpg
    

    prepare 进程内注入的 ComfyUI 启动参数:

    sys.argv = [argv0, "--disable-triton-backend", "--use-ck-attention",
                "--disable-pinned-memory", "--disable-smart-memory",
                "--disable-dynamic-vram"]
    

    13. 推理服务启动参数

    ~/radiance-h3-fullref/build/bin/radiance \
      --model ~/h3-models/minimax-h3-ref2va-fp8.rad \
      --radiance-home ~/radiance-h3-fullref/build/radiance_home \
      --tp 2 --p2p off \
      --host-pool-mib 8192 --gpu-headroom-mib 2048 \
      --vision-tower-placement ram \
      --kernels libr4d --placement layer_offload \
      --host 0.0.0.0 --port 8001
    
    参数 值 作用
    --tp 2 双卡张量并行,切分 25 GiB 权重
    --p2p off 规避该双卡拓扑下 P2P 稳定性问题
    --host-pool-mib 8192 8 GB 主机池承接卸载层
    --gpu-headroom-mib 2048 每卡预留 2 GB 防 OOM
    --vision-tower-placement ram Qwen3-VL 不常驻显存
    --kernels libr4d 针对 gfx12xx 的手写 RDNA4 算子
    --placement layer_offload 分层卸载

    环境变量:ROCR_VISIBLE_DEVICES=0,1、HSA_NO_SCRATCH_RECLAIM=0、HSA_SCRATCH_SINGLE_LIMIT=67108864、LimitMEMLOCK=infinity;单元内 Restart=on-failure、RestartSec=5。

    14. request.json 完整结构

    文件 96,043,875 B(91.6 MiB),实测字段:

    model               = 'minimax-h3-ref2va'
    prompt              = <1034 字符>
    task                = 'ref2va'
    size                = '1344x768'
    seconds             = 12.25
    seed                = 145
    num_inference_steps = 21
    prepared_context =
        .format         = 'h3-layer50-bf16-v1'
        .rows           = 3608
        .tags           = <list len=3608>
        .data           = <49,261,228 字符 base64>
        .initial_noise  = {visual_rows, audio_rows, visual, audio}
    conditions = <list len=6>
        [0] kind=image frames=1 height=48 width=22  visual=<135,168 字符>
        [1] kind=image frames=1 height=90 width=44  visual=<506,880 字符>
        [2] kind=image frames=1 height=78 width=52  visual=<519,168 字符>
        [3] kind=image frames=1 height=44 width=28  visual=<157,696 字符>
        [4] kind=image frames=1 height=50 width=34  visual=<217,600 字符>
        [5] kind=image frames=1 height=36 width=36  visual=<165,888 字符>
    

    conditions 六条按顺序对应 jianxin1-3 / zhizhixiong1-3;height/width 是 VAE 潜空间尺寸(×16 即像素尺寸)。
    num_inference_steps = 21 而 prepare 传的是 --steps 20,差 1 是引擎把初始状态计入。

    API 调用:

    POST http://127.0.0.1:8001/v1/videos
    Authorization: Bearer $RADIANCE_API_KEY
    Content-Type: application/json
    body = request.json
    → {"id": "video_2cfb4d1a29f83f1d1f2dac2fb6e1ea64"}
    GET  /v1/videos/{id}          → status / progress
    GET  /v1/videos/{id}/content  → mp4
    

    15. inputs.json 实测值(两条完全一致)

    {
      "width": 1344, "height": 768, "megapixels": 1.032192,
      "frames": 294, "fps": 24, "steps": 20, "seed": 145,
      "context_rows": 3608, "packed_rows": 95609,
      "reference_max_area": 344064, "pad_reference_video": true,
      "target_shapes": [[1, 24, 87, 48, 84], [1, 32, 2, 490]],
      "sampling_step_timeout_seconds": 600,
      "watchdog_trigger_seconds": 585,
      "preprocess_seconds": 95.995
    }
    

    target_shapes[0] = [1,24,87,48,84] → 视频潜空间:batch 1、24 通道、87 潜帧、48×84 潜空间 = 768×1344 像素。
    target_shapes[1] = [1,32,2,490] → 音频潜空间(成片带 AAC 音轨)。
    2D 版唯一差异是 preprocess_seconds = 90.115。

    16. 成片规格(ffprobe 实测)

    项 3D 版 2D 版
    文件 H3-3D-CGI-1344x768-12s.mp4 H3-2D-动画-1344x768-12s.mp4
    大小 12,778,318 B 13,478,132 B
    编码 h264 h264
    分辨率 1344×768 1344×768
    帧数 294 294
    时长 12.250000 s 12.250000 s
    音频 aac,384 帧 aac,384 帧
    job id video_2cfb4d1a29f83f1d1f2dac2fb6e1ea64 video_6b4d10461a92b4b6bae7397659aca22b

    抽帧目视验证(第 0/98/196/290 帧):人物身份与参考图一致、双刃相击火花、火星飞舞、结尾紫袍举剑指镜头;2D 版未被 3D 参考图带偏风格。


    第四部分 建议

    P0 已造成真实故障,建议尽快处理

    建议 1 给 pin 加失效判定与 TTL

    现象:2026-11-15 13:11–13:43 共 32 分钟,LLM 被反复拉起又杀掉,:8000 持续 Connection refused。

    根因:.video-pin 文件是永久的、无 TTL、无任何自动清除路径。另一个任务 h3-lcz 带 KEEP_LLM_DOWN=1 结束时执行了 pin,此后即使 radiance-h3fullref 已经是 inactive(没有任何东西需要保护),看门狗每 20 秒仍读到 pin → 走"让路"分支 → 唯一的动作就是 docker stop radiance-flashnext。

    现场不是"没人拉",而是"每拉起一次,20 秒内被杀掉一次"。

    建议改法(radiance-video-gate.sh 的 status 分支):pin 只在 radiance-h3fullref 确实 active 或 :8001 有排队任务时才算数;服务已停则自动 rm -f "$PIN" 并记日志。再加一个 PIN_TTL(如 3600 s)兜底。

    建议 2 修掉 KEEP_LLM_DOWN 分支跳过 end 的缺陷

    h3-make-multi.sh 的清理函数:

    if [ "$KEEP_LLM_DOWN" = "1" ]; then
      "$VGATE" pin "KEEP_LLM_DOWN=1" 2>/dev/null || true
      return $rc          # ← 在这里 return,下面的 "$VGATE" end 永远不执行
    fi
    "$VGATE" end
    

    建议:把 end 移进 trap 无条件执行,pin 只表达"别回收视频服务",不该顺带吞掉解锁。

    建议 3 把 LLM 容器重新纳入 systemd 托管

    现状:radiance-flashnext.service 显示 inactive,但容器在跑并正常服务 —— 因为出片脚本是靠 docker start 兜底拉起的,绕过了 systemd。

    后果:gpu-exclusive.conf 里的 Conflicts= 保护失效(systemctl 认为服务没在跑),出片脚本的 systemctl stop radiance-flashnext 变成空操作,只能靠 docker stop 兜底;引擎 OOM 时 restart: "no" 下没有 systemd 层重启,只能等看门狗的 20 秒周期。

    建议:选 LLM 空闲窗口执行 docker stop radiance-flashnext && systemctl start radiance-flashnext.service,恢复托管。会中断当前会话,需你确认时机。

    P1 明显收益

    建议 4 把 4 步 turbo LoRA 接进出片通路(最大单点提速机会)

    磁盘上已有 minimax_h3_ref2v_turbo_4step_v0.1_comfyui_bf16.safetensors(1.82 GiB),但:

    • h3_fullref.py 全文无 lora / turbo 字样;
    • 引擎命令行也没有 --lora 类选项。

    当前 --steps 20 对应生成段 1213 s。若 4 步可用,理论上生成段压到约 1/5(≈ 4 分钟),端到端从 22.3 分钟降到约 6 分钟,两条片子从 44.6 分钟降到约 12 分钟。

    需要先验证两件事:① radiance 引擎是否支持加载 LoRA(可能要改引擎或走 ComfyUI 通路);② 4 步画质是否达到比赛要求。建议先拿一张参考图做 4 步 vs 20 步的 A/B 对比,再决定是否切换。

    建议 5 --reference-max-area 默认值偏低,建议在脚本里写死

    默认 202752(576×352),而本次显式提到 344064。别人直接跑默认值时参考图细节会丢失,容易误判成"模型质量差"。建议在 h3-make-multi.sh 里把该值与分辨率绑定并加注释。

    同理 --length 默认 124(≈5.2 s)、--width/height 默认 576×352,直接跑默认值会得到小尺寸短片。建议脚本强制显式传参(本次已这么做)。

    建议 6 试一次 --p2p on 的 A/B

    当前 --p2p off 是为稳定性关掉的。Z890 平台两条 x8 插槽,若 PCIe P2P 实际可用,开启后 TP2 的 all-reduce 开销可能下降。生成段 1213 s 是绝对大头,哪怕省 5% 也值 1 分钟。建议做一次对照测试,画质与稳定性无退化就常开。

    建议 7 试调 --placement / --host-pool-mib

    25 GiB 权重切到 2×32 GB,每卡仅 12.5 GiB,显存其实放得下;之所以还要 layer_offload + 8 GB 主机池,是激活值 + KV + 参考图编码挤占。可以试着调小 host-pool 或换 placement 策略,观察生成段是否缩短。

    P2 稳健性与可维护性

    建议 8 出片工作目录自动清理

    每个 work-* 目录留 request.json 92 MB + prepared.pt 143 MB ≈ 235 MB。单次不大,但模型资产已占 176.5 GB,磁盘剩 432 GB。建议脚本收尾保留最近 N 个、其余删除。

    建议 9 出片前检查内存余量

    62 GiB 总内存,LLM 常驻 --host-pool-mib 12288(12 GB pinned)+ 权重,当前可用仅 16 GiB;而 H3 prepare 要把 Qwen3-VL 32B(14.6 GiB)读进内存。若同时有别的负载,可能触发 OOM。建议 prepare 前加一条 MemAvailable 检查,不足时先停 LLM 或把 --vision-tower-placement 切回显存。

    建议 10 把 Total Time 落到一张 CSV

    现在计时证据散在 contest-3d.log / contest-2d.log 里。建议每次出片完成后追加一行 CSV(时间、分辨率、帧数、步数、prepare/generate/total),方便横向比较不同参数的耗时,也直接构成比赛要求的"完整运行日志"。

    建议 11 服务器侧统一 ASCII 文件名

    本次实测踩坑:中文文件名(成片-*.mp4)在 PowerShell → SSH → bash 的管道里 glob 失败;Get-Content -Raw | ssh "bash -s" 会把 UTF-8 中文按 GBK 重编码导致脚本语法错误。建议服务器侧一律 ASCII 命名,本地再改中文名;含特殊字符的远端命令一律走 scp 传脚本 + tr -d '\r'。

    建议 12 保持现状的两项

    • radiance-h3fullref 设为 disabled(不随开机自启)是正确的 —— 按需启动,避免开机就吃掉双卡。
    • 服务"用完就停"是正确的 —— 冷启动加载 25 GiB 只要 15 s,常驻省不下什么。

    待办提醒

    1. 上传油管需你本人账号操作,传完把两个链接填进 参赛帖-文案.md 第二节。
    2. 发新帖:标题以 [H3剑心比赛] 开头(楼主 #8 楼要求),正文用 参赛帖-文案.md。
    3. 建议 3 的 systemd 重新托管需要你指定一个 LLM 空闲窗口。
    1 条回复 最后回复
    0

    你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

    厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

    有了你的建议,这篇帖子会更精彩哦 💗

    注册 登录
    回复
    • 在新帖中回复
    登录后回复
    • 从旧到新
    • 从新到旧
    • 最多赞同


    • 登录

    • 登录或注册以进行搜索。
    • 第一个帖子
      最后一个帖子
    0
    • 版块
    • 最新
    • 标签
    • 热门
    • 用户
    • 群组