Présentation

HyperFlow H3 Flash, développé par Video Rebirth, est une version fortement compressée du modèle MiniMax‑H3. Le modèle original compte environ 31 milliards de paramètres ; la version Flash en propose 13,7 à 13,9 milliards, soit moins de la moitié. Il génère simultanément une séquence vidéo (par défaut 1344×768 à 24 fps) et une bande‑son stéréo à 32 kHz.

Architecture et méthode de compression

La réduction de taille repose sur deux techniques principales : la quantisation INT8 (ou Q4_K_M pour les variantes GGUF) et l’utilisation de couches linéaires à rang faible. La version GGUF occupe 9,1 Go en Q4_K_M et 14,9 Go en Q8_0, tandis que la variante INT8 nécessite 15,7 Go de poids pour le texte‑encoder et le transformeur. Le texte‑encoder Qwen‑3‑VL 32 B, téléchargé séparément, occupe 15,7 Go et peut être quantifié en fp8 pour économiser 22 GiB supplémentaires. Le pipeline conserve les étapes classiques : encodage du texte, passage dans le transformeur, décodage VAE vidéo et audio.

Performances et exigences matérielles

Sur un clip de 5,2 s (124 images) avec 6 étapes, le temps d’inférence varie fortement selon le GPU : 8,7 s sur quatre cartes NVIDIA B200, 36 s sur une H200 et 92 s sur une RTX 5090. Le même clip atteint le temps réel (≈5 s) lorsqu’il est exécuté sur quatre GPU Blackwell (B‑series) grâce à l’accélération SOL‑H3. La charge principale provient du transformeur, qui représente plus de 80 % du temps total et reste limité par le calcul. En mode GGUF, la consommation de RAM système est inférieure à la moitié de celle du mode INT8 : 34–37 GiB de RSS sur des machines disposant de ≥64 GiB, contre plus de 69 GiB requis en INT8 avec fp8. Les PC équipés de 16 GiB de VRAM ne peuvent pas charger les poids complets sans le paramètre --fast-disk, qui diffuse les poids depuis le cache de disque.

hyperflow-h3-flash --prompt "A chef slides a steaming bowl of ramen across a wooden counter; rain taps on the window." \
    --output ramen.mp4

Utilisation, intégrations et limites

Le modèle s’intègre à ComfyUI via le nœud Video‑Rebirth/ComfyUI‑HyperFlow‑Flash, à Unsloth Studio et à stable‑diffusion.cpp grâce à un patch ajoutant un embedder double‑temps et des couches à rang faible. L’installation requiert Python 3.10+, PyTorch 2.6+ avec CUDA et Triton, ainsi qu’un GPU Ampere ou plus récent. Le multi‑GPU nécessite Linux ou WSL2. La première exécution télécharge près de 90 Go de données (68 Go avec fp8) ; le transformeur de base de 62 Go n’est jamais téléchargé. Les tests montrent que le mode INT8 est 10–20 % plus rapide que le GGUF, mais consomme davantage de RAM système. Enfin, le modèle ne supporte pas le guidage classifier‑free (CFG) et ne propose que 4, 6 ou 8 étapes, limitant la granularité de contrôle de la qualité.