@kop-wang
谢谢建议，这三点我都确认过：

1. 提示词是按官方格式写的——sample 全部用官方手册原文 prompt（MiniMax H3 使用手册：https://vrfi1sk8a0.feishu.cn/wiki/FIWjwgL33ipnkekzk30crmKUnIh ，2.2/2.3/3.1 的输入和 prompt 都取自这里），参考标签 <Picture N> 这些也按规范引用
2. 工作流用的就是 ComfyUI 官方 R2V 模板，只加了 VHS 节点连 ref_videos，没动其他结构
3. 首尾帧没碰过——R2V 节点本身没有 first/last frame 输入，官方模板里也没有这个参数

所以这三点应该都排除了，问题大概率还是出在视频参考本身（动作复杂的参考跟不住）。虚心交流，一起进步

@terry 收到，抱歉抱歉，确实是我考虑不周。说明一下：我平时只是用 Hermes agent 帮忙起草技术内容，发出来的帖子都是我人工改过、自己组织过语言的，不会整段照搬 AI 输出。这次帖子内容偏长偏结构化，可能还是显得 AI 味重了，是我没把好关。以后发帖我会控制篇幅、更口语化一些再发，尽量不给论坛收录添负担。谢谢提醒，也给论坛添麻烦了。

@terry # Re: terry（topic 1063 — ref_video 求助帖）

回覆 @terry：「你让 hermes 或者 codex 试试看...不如让你的 Agent 尝试，90% 可能搞定」

感谢 @terry 建议。其实我这个帖子就是 Agent 挂上去的——Hermes 把环境、日志、排查过程都整理好了，然后我把帖子内容发给它一起看。这两天它已经按 bingqin 和 Xiaote 的方案把排查全跑完了，回来汇报一下结果：

测试样本都来自 MiniMax 官方 H3 使用手册：https://vrfi1sk8a0.feishu.cn/wiki/FIWjwgL33ipnkekzk30crmKUnIh（2.2/2.3/3.1 的官方输入和 prompt）

Agent 排查結果（全部實測）

1. A/B 自檢（同一 prompt「把视频中的猫换成狗」+ seed 42）：

测试	参考	结果
真视频	官方原片（男生抱猫）	雪地狗特写 — 冇转换
纯黑视频	832x480 黑	门口狗特写 — 有「猫→狗」转换

→ ref_video「有进模型」（真视频锁死输出冇转换 / 纯黑自由发挥有转换），但「内容完全没跟」——像参考 latent 被当成关键帧锁死。

2. 变体对照： int8_convrot 和 fp8_scaled（新下 19.5GB）都一样不跟 → 不是变体问题

3. 参数/混用/VAE： 去 --supports-fp8-compute 冇分别；官方模板没有 first/last frame 输入（排除混用）；ref_video 由 video VAE 编码（log 确认）→ 全部排除

但係有新发现

跑完上面之后又测了几组，发现 ref_video 不是完全不生效，是按动作复杂度分的：

• 跟到的：2.3 音色克隆（金发男抱羊，静态）、3.1 加人（火星太空人平缓前行）— 人物场景服装全跟
• 跟不到的：3.1 猫换狗（镜头环绕+靠近+轻吻）、2.2 动作融合（甩泡沫）、街舞 — 全部放弃参考重新生成

所以结论：H3 的 ref_video 对「运动参考」能力有限——静态/简单动作能保留参考，复杂动作/镜头运动会直接放弃。

现在实际用法：图参考为主（完全正常），ref_video 只用简单动作场景，复杂动作走云端或者接受不跟。

@terry 双 xtx 显存可以叠加吗？

[求助] MiniMax H3 ref_video（参考视频）输入完全不生效 — R9700 / ROCm 7.2.4

环境：R9700（gfx1201）+ Ubuntu 24.04 + ROCm 7.2.4 + ComfyUI 0.30+，跑 H3 本地。图参考、音频参考都正常，唯独 ref_video（参考视频）输入完全不生效——输出画面跟参考视频毫无关系，试了一周了，来求助。

---

环境

项目	值
GPU	AMD Radeon AI PRO R9700（gfx1201，32GB）
CPU	Intel Xeon E5-2667 v2（较旧，但应该不相关——同环境下图参考/音频参考都正常）
RAM	64GB DDR3 ECC
OS	Ubuntu 24.04，ROCm 7.2.4
PyTorch	2.11.0+rocm7.2
ComfyUI	master @ 1868372
模型	minimax_h3_ref2va_pruned_int8_convrot（19.5GB）+ qwen3vl_32b_nvfp4_awq（14.6GB）+ 双 VAE
启动参数	--use-pytorch-cross-attention --disable-pinned-memory --supports-fp8-compute --reserve-vram 0.9 --disable-smart-memory --bf16-vae --disable-dynamic-vram + HSA_OVERRIDE_GFX_VERSION=12.0.1

问题

官方手册 2.2（动作/运镜参考）、3.1（角色物体编辑）等需要 ref_video（视频参考） 的 sample，全部跑完但输出完全不跟参考视频：

• 3.1 猫换狗：参考视频是「男生抱着猫」（15f67a0aaaad 官方素材），输出变成了「雪地里拉雪橇的人+狗」——场景、人物、动物全对不上
• 2.2 动作融合：参考视频是厨房洗盘子互甩泡沫，输出只有静态洗碗，甩泡沫动作完全没跟
• 2.3 音色克隆：音频参考（ref_audio）正常（音色跟得到）——说明参考链路本身是通的，就视频这条路不行

对比：ref_images（图参考）完全正常（1.1-1.9 几十个图参考 sample 全部 OK），ref_audios（音频）正常，唯独 ref_videos 无效。

已排查

排查项	结果
连法 VHS_LoadVideo → ref_videos.ref_video_0（IMAGE 帧）	API 提交无 node_errors，源码头（nodes_minimax_h3.py）也有正常 encode ref_video + 塞进 minimax_refs conditioning
帧数规则	源码要求 17k+5（124=17×7+5 OK），且不超过输出帧数，源码会自动截
fps	参考视频 24fps（tooltip 要求 24fps）
原片 vs 缩细	官方原片（1080p+）和 832x480 缩细版都试过，同样不生效
官方连法	用官方 R2V 模板 + 手加 VHS 节点，也一样
时长/帧数	参考视频 2s-10s 都试过

想请教

1. 有没有人在本地（ROCm / Linux）成功让 ref_video 生效的？连法截图/工作流能否分享一下？
2. 是不是 H3 的 ref_video 参考在本地本来就很弱？（官方主打图参考，视频参考是不是还在 beta？）
3. 会不会是 ROCm 上 minimax_refs（视频 latent）传递有问题？有人用同款卡在 NVIDIA 上对比过吗？

先谢过各位大佬 有需要我可以补上传测试视频和 workflow JSON。

---

Tags: r9700 rocm minimax-h3 comfyui ref2va 求助

lcz.me 回覆 — 修正「數學硬傷」結論（reasoning on 發現）

---

补一个重要修正：之前我说「本地模型数学不行（35B 0/6、27B 1/6）」，这个结论有个隐藏前提——所有测试都是 --reasoning off（秒答模式）跑的。

因为 #17 提到「27B 开了 thinking 刑侦全对」，我补测了 thinking 模式（--reasoning on），每个组合跑 3 次：

模型	reasoning off（3次平均）	reasoning on（3次）
Qwen3.6-35B-A3B-MTP	4.3（单次 4,5,4）	7.0（7,7,7）
Qwen3.6-27B-MTP	4.7（单次未逐次记录）	7.0（7,7,7）

两个重大修正：

1. 「3B active 数学硬伤」是错的——开 thinking 后 35B 数学全对（3 次稳定 7/7）。问题不是「脑小」，是「不肯想」。MoE 的 3B active 只要进入思考模式，多步计算完全扛得住。

2. 35B 和 27B 开 thinking 后打平（都 7/7）。reasoning off 时 27B 略胜（4.7 vs 4.3），thinking on 后无差别——说明 MoE 架构的推理上限不比 dense 差，差的只是「默认不思考」。

对 agent 使用的意义：

我之前一直用 --reasoning off 跑 Hermes（快），但代价是本地模型的数学/逻辑能力受限。现在已把 production 切到 --reasoning on，推理能力明显上一个台阶。代价是每次回答会先生成一段思考过程、响应时间变长，具体速度影响我还在测，晚点补充数据。

@tony-wang 给 #17 的回应： 你说的「35A3 翻车」我这边复现不了——35B + thinking 是 7/7（3 次）。你是不是没开 thinking 测的？建议补测一下。另外「单次测试会骗人」：27B + thinking 我单次测到过 6/7（一道题偶然错），跑 3 次才稳定 7/7。

（测试均由 Hermes Agent 自动执行：7 题 × 3 次，入 SQLite，出报告）

@Xiaote
接着上次的说。你选 Ornith Q5 的判断，我这几天把 Ornith 全家桶都拉出来测完了，结果有点意思，更新一下：

MTP 验证（你之前问的 graft 头问题）

配置	tg100	tg200	tg500	接受率
原版 Q5 无 MTP	62.7	64.1	63.9	—
SC117 APEX + MTP n=3	64.9	66.8	63.0	低
skinnyctax Q4_K_M-MTP n=1	73.8	69.9	76.5	80-96%
Qwen3.6-35B-MTP n=3（对照）	83.2	98.3	81.5	原生

关键发现：graft MTP 头有没有用，全看 donor 是谁。SC117 用 Qwen3.5 的 MTP 头 graft，接受率上不去，白烧算力；skinnyctax/wang-yang 用 Qwopus3.6 的 MTP 头，接受率 80-96%，n=1 时 tg100 直接 +18%（73.8 vs 62.7）。wang-yang Q6 版我测了，VRAM 爆了（29GB + KV 超 32GB），ctx 被压到 19K，没法用。结论：Ornith 用 skinnyctax Q4_K_M-MTP + n=1 就对了。

但 agent 场景实测（12 个 toolcall 密集任务，Hermes 自动跑）：

模型	完成率	总耗时
Ornith Q5	12/12	218s
Qwen3.6-35B	12/12	199s

两者 toolcall 都没掉链子——所以你说的「不掉链子」我这边没复现出差距，短链任务两个都稳。长链（Terminal-Bench 2.1）Ornith 官方 64.2 vs Qwen3.5 41.4，那个才是它主场，但我这边没 Docker 环境，暂时没法实测。你有长链实测数据的话求分享 🫡

---

（以上测试全部由 Hermes Agent 自动执行：写测试 → 跑 3 次 → 入 SQLite → 出报告，人类只负责出题目和按按钮。）

---

@fcme
对，应该把题目贴出来，不然空口说白话。我这套测试是 Hermes Agent 自动跑的，10 题分两块：7 题自动评分（有 ground truth）+ 3 题人工 rubric。先说 7 题自动的：

数学（2 题，纯数值，容差 0.5）

题目	正确答案
一件衫原价 $80，先打 8 折，再减 $10，最后加 10% 税。最终价？	$59.40
Alice 每日比 Bob 快 3 倍完成工作。两人一起做 4 天完成。Bob 独自要几天？	16 天

这两题都是「多步计算」——35B-A3B 每次答案还不一样（52/56/66），典型小脑硬算。27B dense 稍好，第二题 2/3 对。

逻辑（3 题）

题目	正确答案
所有 A 都是 B，有些 B 是 C，有没有 A 肯定是 C？	不一定
时钟 3:15 时分针夹角？	7.5°
三盒标签全贴错（苹果/橙/混合），开一个盒子看一个水果怎么确定？	开「苹果和橙」盒

这个「时钟夹角」就是帖子里说的 borderline 题：35B 三次对一次，27B 稳定错 90°，Ornith 稳定错 82.5°。所以我才坚持每模型跑 3 次。

编程（2 题）

题目	验证方式
写 is_balanced(s) 检测 (){}[] 括号平衡	7 个 test case 跑代码
这段 code 的 bug：sum(n for n in nums if n % 2 == 1)	关键词（偶数判断写错）

这两题本地模型全过（3B active 也过）——所以结论是「逻辑编程本地够用，数学老实交云端」。

另外 3 题人工 rubric（雪诗创作、地球自转 5 秒解释、prompt injection 防御）——这个要人打分，没进自动评分。

题目都是我自己出的（广东话表述），你要是有更刁钻的题可以发我，我加进测试集跑跑看 🫡

---

（以上测试全部由 Hermes Agent 自动执行：写测试 → 跑 3 次 → 入 SQLite → 出报告，人类只负责出题目和按按钮。）

@williamlouis 说的「能变现的模型 9B-13B 占七成」，深有同感。补充一个数据点：我这边 35B-A3B（3B active）跑 Hermes 自动化完全够用，数学烂（0/6）但没人让它算账——它干的是「读文件、改代码、跑 terminal、回 Telegram」这些重复劳动，恰好是版主说的「干赢大部分做重复工作的普通人」的活。反而最强的地方是本地模型可以越狱（fcme 也提了），云端一点机会没有，这个对 agent 场景挺重要。

我的结论跟版主一致：模型不是越聪明越好，是越适配越好。 本地 35B 当打工人，云端 DeepSeek 当智囊团，各干各的活。

@fcme 老哥，看到你的回复了。你说「测试了不下20个版本后选了 Ornith Q5」——正好我昨天也把 Ornith-1.0-35B 拉下来测了一轮，想请教一下你选的 Q5 是哪个 repo 的量化？（我下的是 SC117 的 APEX MTP 版，I-Balanced 和 I-Quality 都试了）

先贴我的测试环境，方便对齐：

硬件/环境

• GPU：AMD AI PRO R9700 32GB（RDNA4, gfx1201）
• 系统：Ubuntu + ROCm 7.2.4
• 后端：llama.cpp Atomic TurboQuant（b10018-1.3.0），f16 KV + draft-mtp n=3
• 测试工具：Hermes Agent 自动跑（10 题：7 自动评分 + 3 人工 rubric，每模型 3 次取一致性）+ llama-benchy（server 模式，pp=39000 真实上下文）

智力测试结果（Ornith vs 我主力 Qwen3.6-35B-A3B-MTP）

模型	数学(2题×3次)	逻辑(3题×3次)	编程(2题×3次)	平均/7
Ornith I-Balanced	0/6	6/9	6/6	4.0
Ornith I-Quality	0/6	6/9	6/6	4.0
Qwen3.6-35B-A3B-MTP	0/6	7/9	6/6	4.3

注：Ornith 和 Qwen 35B 的差别其实只有一道题——时钟夹角（3:15 → 7.5°）。Qwen 蒙对 1/3，Ornith 稳定答 82.5°。数学两个都是 0/6 全灭（3B active 硬伤），逻辑编程都全稳。说白了两者在智力上基本打平。

llama-benchy 速度（server 模式，pp=39K，3 runs）

模型	pp39K (t/s)	tg100	tg200	tg500
Ornith I-Balanced	2290	64.9	66.8	63.0
Ornith I-Quality	2327	68.4	60.6	69.0
Qwen3.6-35B-A3B-MTP (prod)	2558	83.2	98.3	81.5

想请教几个问题：

1. 速度：你那边 Ornith Q5 的 tg 大概多少？我这边 APEX 版 MTP 头是 graft 自 Qwen3.5 的，tg 只有 ~65，比 Qwen3.6-35B 的 ~98 慢了不少，可能 MTP acceptance 不高。你选 Q5 是不是不用 MTP、直接跑裸模型？如果是的话速度曲线是咋样？
2. Agent 场景：你说「Agent 用的时候不便秘」「长链 toolcall 不掉链子」——这块正是我 10 题智力测试测不到的地方（单轮问答测不出 agentic 行为）。Ornith 的 self-scaffolding RL 训练应该在这块有优势。你跑 agent（Hermes/CLINE）的时候，Ornith 对比 Qwen3.5/3.6 在 toolcall 稳定性、长链任务完成率上具体强在哪？有没有量化数据？我打算把 Ornith 挂成二号模型专门跑 agent 任务，但想先确认这个优势是真实的。
3. 越狱：确实，本地模型越狱自由度大，云端一点机会没有。这个也是本地党的核心价值之一哈哈。

我自己测下来的结论是：智力层面 Ornith 和 Qwen3.6-35B 基本打平（数学都拉胯，逻辑编程都稳），速度反而慢 30%。所以目前主力还是 Qwen3.6-35B。但如果你说的 agent 场景优势是真的，那 Ornith 的定位就很清晰了——专门跑 agent 任务的二号模型。求指点

---

（以上测试均由 Hermes Agent 自动执行：写题 → 跑 3 次 → 入 SQLite → 出报告，全程无人工干预。）