> ## Documentation Index > Fetch the complete documentation index at: https://docs.comfy.org/llms.txt > Use this file to discover all available pages before exploring further. # Guía de generación de video con MiniMax H3 en ComfyUI > Usa MiniMax H3 de pesos abiertos en ComfyUI: flujos de texto a video, imagen a video y referencia a video con audio estéreo nativo y Sage Attention. [MiniMax H3](https://www.minimax.io/blog/minimax-h3) es el modelo omni-modal de pesos abiertos de MiniMax. Comprende texto, imágenes, video y audio en un solo contexto, y genera video con **audio estéreo nativo** (voz, efectos de sonido y música en una sola pasada). Los pesos abiertos apuntan a cerca de 1 megapíxel (768 px en el lado corto) a 24 fps, durante un máximo de \~15 segundos. 2K es una salida del servicio alojado y requiere un paso de upscale aparte en ComfyUI. La documentación se reparte en seis páginas: * **Descripción general** (esta página): capacidades, checkpoints, índice de flujos de trabajo, resolución, duración del clip, pasos, sampler y aceleraciones * **[Flujos de trabajo nativos](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-native.md)**: T2V, I2V, R2V y técnicas con nodos nativos * **[Referencia multifotograma](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-multiframe.md)**: fija fotogramas de referencia en la línea de tiempo * **[Fun ControlNet Union](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-fun-controlnet.md)**: controla el video o haz relleno inteligente con una máscara * **[Guía de prompts](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-prompt-guide.md)**: guías oficiales, consejos y embeddings * **[FastH3](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-fastvideo.md)**: checkpoints de atención dispersa de FastVideo > [!TIP] > > **Usuarios locales** > > Asegúrate de que tu ComfyUI esté actualizado. > > * [Descargar ComfyUI](https://www.comfy.org/download) > * [Guía de actualización](https://docs.comfy.org/es/installation/update_comfyui.md) > > Los flujos de trabajo de esta guía se encuentran en las [Plantillas de flujos de trabajo](https://docs.comfy.org/es/interface/features/template.md). > Si no los encuentras en las plantillas, es posible que tu ComfyUI esté desactualizado. > > Si faltan nodos al cargar un flujo de trabajo, estas son las posibles razones: > > 1. No estás usando la última versión de ComfyUI (versión nocturna) > 2. Algunos nodos fallaron al importarse durante el inicio > > **Usuarios de Cloud** > > * [Cloud](https://cloud.comfy.org) se actualizará después del lanzamiento estable de ComfyUI. > > Por lo tanto, si notas que falta algún nodo central en este documento, puede deberse a que los nuevos nodos centrales aún no se han publicado en la última versión estable. Espera al próximo lanzamiento estable. > [!NOTE] > > Los pesos abiertos de H3 te permiten ejecutar el modelo de forma local. El uso comercial de las salidas generadas localmente requiere una [licencia comercial de MiniMax](https://comfy.org/minimax/license), disponible a través de Comfy, el único revendedor oficial. Las generaciones en Comfy Cloud ya incluyen derechos comerciales. Consulta [Licencias comerciales](#licencia-comercial) para ver los niveles y los precios. ## Características clave * **Audio estéreo nativo**: Diálogos, SFX y música en un solo MP4 * **Contexto multimodal**: combina referencias de texto, imagen, video y audio * **Generación guiada por referencias**: fija la identidad, el estilo, el movimiento, la cámara o la voz a partir de referencias * **Seguimiento de instrucciones**: describe las relaciones entre referencias y tomas en lenguaje natural * **Renderizado de texto preciso**: texto legible bien escrito y elementos de marca * **Pesos abiertos**: control local total en ComfyUI ## Primeros pasos 1. Actualizar ComfyUI: las plantillas base T2V/I2V/R2V necesitan **0.30.0+**; Multiframe Reference **0.34.0+**; Fun ControlNet Union, atención dispersa y Model Attention Backend **0.35.0+**; FastH3 **0.36.0+** 2. **Biblioteca de plantillas** > **Video** > elige un flujo de trabajo de MiniMax H3 3. Descarga los modelos desde la ventana emergente (decenas de GB; deja tiempo y espacio en disco) Los pesos están en Hugging Face: [Comfy-Org/MiniMax-H3](https://huggingface.co/Comfy-Org/MiniMax-H3). > [!NOTE] > > Usa checkpoints **pruned** cuando existan tanto compilaciones full como pruned. Las compilaciones pruned guardan adaln en una tabla de curvas compartida (`adaln_t_table`) que ComfyUI lee del archivo; las plantillas cargan `minimax_h3_*_pruned_int8_convrot.safetensors`. Los LoRA destilados sobre compilaciones **full** llevan tensores adaln que no existen en las compilaciones pruned (discrepancia de forma; esos pesos se omiten). Los LoRA Turbo no tienen tensores adaln y funcionan en cualquiera de las dos compilaciones. ## Elegir la precisión del checkpoint Elige la variante más pequeña que quepa en la VRAM. Cambia solo el archivo de `UNETLoader`; ComfyUI lee la cuantización desde el checkpoint. Los LoRA deben coincidir con la familia de la variante (los LoRA para la variante completa pierden adaln en las podadas). | Variante (fl2va / ref2va) | Tamaño | Notas | | - | - | - | | [`pruned_w6a8`](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_w6a8.safetensors) | 16 GB | La más pequeña; ruta INT8; ComfyUI 0.38.0+ | | [`pruned_int8_convrot`](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_int8_convrot.safetensors) | 21 GB | Predeterminada en las plantillas | | [`pruned_fp8_scaled`](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_fp8_scaled.safetensors) | 21 GB | Mismo tamaño que INT8 | | [`pruned_bf16`](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_pruned_bf16.safetensors) | 40 GB | Poda sin cuantizar | | [`bf16`](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/diffusion_models/minimax_h3_fl2va_bf16.safetensors) | 66 GB | Compilación completa sin cuantizar | Los enlaces corresponden a `fl2va` (T2V/I2V); los archivos `ref2va` están en la misma carpeta y con los mismos tamaños. **La Atención de Comfy Kitchen no puede ejecutar checkpoints `int8_convrot`**; usa una variante `bf16` con ese backend. Si la VRAM va justa, baja un nivel de tamaño: el offload a CPU cuesta más que renunciar a precisión. En las RTX de la serie 30, las operaciones matriciales INT8 son \~2× más rápidas que FP16 y no hay ruta FP8, así que INT8 suele superar a FP8 con el mismo tamaño de archivo. H3 también necesita VAE de video y de audio: [video fp16 / int8\_convrot](https://huggingface.co/Comfy-Org/MiniMax-H3/tree/main/vae) y [audio fp32](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/vae/minimax_h3_audio_vae_fp32.safetensors). Las plantillas usan video int8 + audio fp32; el video int8 decodifica \~2× más rápido en ComfyUI 0.36.0+. Cambia los archivos en `VAELoader` igual que el modelo de difusión. ## Índice de flujos de trabajo Hoy se incluyen seis flujos de trabajo de plantilla (son ejemplos, no una lista exhaustiva). La biblioteca también incluye una variante de continuación I2V (`video_minimax_h3_i2v_continuation`). > **[Texto a video (T2V)](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-native.md#minimax-h3-texto-a-video-t2v)** > > Genera videos a partir de prompts de texto con audio estéreo nativo > **[Imagen a video (I2V)](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-native.md#minimax-h3-imagen-a-video-i2v)** > > Genera videos a partir de una imagen de entrada, con control opcional de primer y último fotograma > **[Referencia a video (R2V)](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-native.md#minimax-h3-referencia-a-video-r2v)** > > Fija un personaje, un estilo, un movimiento, un movimiento de cámara o una voz a partir de imágenes, videos y audio de referencia > **[Referencia multifotograma](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-multiframe.md)** > > Ancla fotogramas de referencia en puntos concretos de la línea de tiempo de salida con nodos Add Guide encadenados > **[Fun ControlNet Union](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-fun-controlnet.md)** > > Controla H3 con un video de control Canny, Depth, HED, MLSD o Pose, o realiza relleno inteligente de video con una máscara **MiniMax H3 Imagen a Video** cubre T2V y la I2V de primer y último fotograma (`t2va` / `fl2va`). **MiniMax H3 Referencia a Video** cubre R2V (`ref2va`). > [!NOTE] > > El acondicionamiento de referencia solo se aplica cuando llega al sampler. Las plantillas T2V/I2V muestrean dentro de un subgrafo conectado únicamente a **Image to Video**. Un nodo **Reference to Video** en el lienzo se ignora sin generar ningún error. Usa la plantilla R2V (o un flujo de trabajo creado a partir de ella) para obtener resultados guiados por referencias. Recursos de prompts: [guía de prompts](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-prompt-guide.md). ## Establecer la resolución de salida **Resolution Selector** establece `width` y `height` en el nodo H3: * **Aspect ratio**: Ajustes preestablecidos como `16:9 (Widescreen)`, `9:16 (Portrait Widescreen)`, `1:1 (Square)` * **Megapixels**: Recuento total de píxeles (mayor = más grande, más lento) * **Multiple**: Redondea a esta cuadrícula; mantén **32** para H3 Las plantillas comienzan con **Megapixels** **0.4**: **864×480** en 16:9, **640×640** en 1:1 (el valor predeterminado de I2V). Un render de 0.4 MP es rápido y suficiente para borradores; aumenta **Megapixels** antes de un render final. Para calidad nativa en 16:9, establece **Megapixels** en **0.98** o introduce **1344 × 768** en el nodo. H3 está entrenado cerca de 1 MP, con un borde corto de 768 píxeles y hasta un área de 768×1344. Los tamaños por encima de 768×1344 se renderizan más despacio sin añadir detalle, y la calidad baja cuanto más te alejas de la resolución de entrenamiento. Para 2K, genera en tamaño nativo y haz upscale por separado. Los nodos de H3 no tienen un límite de 768×1344 en el tamaño de salida: `width` y `height` avanzan de **32** en **32** hasta 16384 por eje. Los videos de referencia en **Reference to Video** se reducen para caber en un borde corto de 768 px y un área de 768×1344. Las imágenes de referencia siguen `ref_image_size`: **match** las escala al área de píxeles de la generación y **max** a un borde corto de 2048 px. ### Ampliar a mayor resolución Usa un **latent upscaler** sobre el latent de video de 24 canales para evitar el efecto fantasma del recorrido de ida y vuelta por VAE. [Minimax\_h3\_latent\_Upscaler](https://huggingface.co/LBH-123-AI/Minimax_h3_latent_Upscaler) (no oficial) necesita [minimax\_h3\_latent\_upscaler\_3d\_conv\_v1\_bf16.safetensors](https://huggingface.co/LBH-123-AI/Minimax_h3_latent_Upscaler/blob/main/minimax_h3_latent_upscaler_3d_conv_v1/minimax_h3_latent_upscaler_3d_conv_v1_bf16.safetensors) en `ComfyUI/models/latent_upscale_models/` y su [nodo personalizado](https://github.com/LBH-123-AI/Comfyui_Minimax_h3_latent_Upscaler). Encadena **Minimax H3 Latent Upscaler (3D)** después de una pasada de baja resolución (`scale` 1.0–4.0, predeterminado 2.0) y luego vuelve a muestrear a la resolución objetivo. El upscale en latent ahorra tiempo, no pico de VRAM (el refinamiento se sigue ejecutando en el tamaño objetivo). Trata el refinamiento como un denoise parcial: `denoise` **0.1–0.5** conserva la composición; sube más solo para rehacer la primera pasada. Dale al sampler de refinamiento suficientes pasos para reconstruir el historial de varios pasos (consulta Sampler y scheduler). Los latents de video y audio son independientes (24 + 32 canales). El upscaler solo agranda espacialmente el video; el audio no cambia hasta que el refinamiento aplica denoise a ambos. Un `denoise` de refinamiento bajo conserva el audio de la primera pasada. Para conservar el audio exactamente, decodifica la primera pasada con `VAEDecodeAudio` antes del refinamiento y conecta esa pista al `CreateVideo` final (agrega `SaveAudioAdvanced` para una exportación sin pérdida). ## Duración del clip H3 está entrenado con clips cortos; los nodos nativos aceptan un rango más amplio sin bloquear las solicitudes que exceden la duración. Las plantillas exponen `duration` en segundos, convertidos a fotogramas en la cuadrícula `17k+5` a 24 fps. | Ajuste | Alcance | | - | - | | Entrada `length` | 5–3600 fotogramas (\~0.2 s–150 s) | | Rango entrenado | \~124–362 fotogramas (\~5–15 s) | | Cuadrícula de fotogramas | `17k+5` a 24 fps (124 fotogramas ≈ 5.2 s) | | Valor predeterminado de la plantilla | 5 s → 124 fotogramas | `duration` y `length` se redondean **hacia arriba** al siguiente valor `17k+5`: una solicitud de 5 s genera 124 fotogramas (5.17 s), y un `length` de 120 también genera 124. Los fotogramas se empaquetan desde el fotograma 0 en bloques de 17, así que los 5 fotogramas sobrantes son el último bloque, no el primero. Las solicitudes que caen entre los mismos dos puntos de la cuadrícula generan el mismo clip. Los clips largos a resolución completa agotan la VRAM primero; reduce los megapíxeles para ajustarlos. ### Encadenar clips Más allá del rango entrenado, encadena continuaciones I2V desde el último fotograma de cada clip. Los errores se acumulan (los rostros pierden textura primero); los schedules turbo/destilados muestran el burn antes. Usa `video_minimax_h3_i2v_continuation` (prompt vacío): carga el último fotograma anterior y describe el siguiente segmento. Prefiere tomas cortas y continuas, y corta antes de que aparezca el burn. Para cadenas más largas, usa [H3-Anti-Burn-LoRA](https://huggingface.co/Imagineer13/H3-Anti-Burn-LoRA/blob/main/h3_antiburn_universal_v1.safetensors) en los clips posteriores al primero con `strength_model` \~0.5 (ajusta según tu estilo de continuación). ## Cantidad de pasos Valores predeterminados (Lightning LoRA **desactivado**): **20 pasos**. Con turbo activado: **8** para T2V/I2V (y continuación), **4** para R2V, Multiframe y Fun ControlNet. En los subgrafos T2V/I2V, `turbo_mode`, `turbo_steps` y `turbo_model_strength` controlan el LoRA destilado. La lista también incluye un archivo fl2va de 4 pasos: [`minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors`](https://huggingface.co/Comfy-Org/MiniMax-H3/blob/main/loras/minimax_h3_fl2v_turbo_4step_v1.0_768p_comfyui_bf16.safetensors) con `turbo_steps` **4**. Las tomas de referencia necesitan más pasos: los tokens de referencia viajan en cada paso, así que el turbo de 4 pasos apenas puede aplicar las referencias (deriva de pose y rostro). Para un ajuste preciso de la referencia, mantén el turbo desactivado o aumenta hacia **25**. Los schedules destilados suavizan el detalle fino (piel, tela, cabello) frente a la base de 20 pasos. Cada archivo turbo es específico de un modo; prueba con una semilla fija antes de apilar LoRAs de estilo. `turbo_steps` y `turbo_model_strength` son ajustables: más pasos + menor fuerza (menos de 1) te acercan de nuevo a la calidad base y consumen tiempo. Ejemplo: archivo de 4 pasos a 6–8 pasos, fuerza \~0.8. Los LoRA turbo acortan el schedule, no el tiempo por paso (se fusionan al cargar). Ejecutar un LoRA de 4 pasos a 20 pasos tarda aproximadamente lo mismo que la base de 20 pasos. Orientación según el contenido: * Tomas simples: **12–16** pasos suelen ser suficientes * Detalle de alta frecuencia (cota de malla, filigrana, muchos objetos pequeños): mejora hasta \~**50**; por debajo de eso, aparecen artefactos de cuadrícula triangular en movimiento (peor con turbo) * La mayor parte de la mejora en movimiento/prompt se logra al paso **16**; hay poco cambio visible después de **50** * Los fotogramas suaves en resolución nativa suelen ser un problema de resolución, no de pasos El audio converge más tarde que el video en el denoise conjunto. El habla y el timbre necesitan **12+** pasos; con **8** pasos el audio suele ser el eslabón débil. ## Sampler y scheduler Las plantillas usan **`res_multistep`** + **`simple`**. T2V/I2V/FastH3 los ocultan dentro del subgrafo; R2V, Multiframe y Fun ControlNet exponen `KSamplerSelect` y `BasicScheduler` en el lienzo. `res_multistep` es multistep de segundo orden (el primer paso es Euler). Dividir la programación entre dos samplers descarta el historial multistep: el primer paso del segundo sampler vuelve a ser de primer orden. Mantén una sola ejecución del sampler, o dale al segundo suficientes pasos para calentar. Los desplazamientos H3 predeterminados son `shift` **12** y `audio_shift` **3** según la definición del modelo (sin nodo adicional). Las plantillas FastH3 configuran **MiniMax H3 Sigma Shift** con `shift_video` **10**, `shift_audio` **3**. Un valor de shift de video incorrecto en versiones destiladas (p. ej., **3** en lugar de **10** en 8 pasos) puede mostrar artefactos de cuadrícula. Los finetunes personalizados pueden necesitar su propio par en **MiniMax H3 Sigma Shift** (consulta la tarjeta de modelo del archivo). [LoRA DMAD de 4 pasos](https://huggingface.co/ZhengmingYu/DMAD/blob/main/minimax_h3/dmad_minimax_h3_4step_full_critic_comfyui.safetensors) usa `shift` **12**, `audio_shift` **2**, **`lcm`** + **`simple`**. ## Acelerar la generación con Sage Attention [Sage Attention](https://github.com/woct0rdho/SageAttention) puede acelerar aproximadamente **2×** con un pequeño impacto en la calidad (instalación opcional): 1. Ejecuta `pip install` con el wheel que coincida con tu PyTorch/CUDA desde [releases](https://github.com/woct0rdho/SageAttention/releases) 2. Instala [KJNodes](https://github.com/kijai/ComfyUI-KJNodes) para `Patch Sage Attention KJ` 3. Insértalo entre `UNETLoader` y `BasicGuider`; establece `sage_attention` en `auto` 4. O inicia con `--use-sage-attention` Sage necesita float16/bfloat16; algunas capas de H3 usan otros dtypes y recurren a la atención de PyTorch (las advertencias en la consola son normales). ### Degradación de la calidad con atención INT8 La deformación al final del clip o el texto distorsionado en pantalla con Sage suelen venir de la cuantización de la atención INT8 (canales calientes en los bloques finales). * Las plantillas usan checkpoints **`int8_convrot`**. **Comfy Kitchen no les da soporte** ([problema #15529](https://github.com/Comfy-Org/ComfyUI/issues/15529)). Usa la atención predeterminada o cambia `UNETLoader` a **`pruned_bf16`** y luego cambia el backend. * En checkpoints **bf16**, la **atención de Comfy Kitchen** (rotación de canales antes de cuantizar) elimina los artefactos a una velocidad similar. Añade **Backend de atención del modelo** (`comfy kitchen attention`) en la ruta del modelo hacia `BasicGuider` (después de LoRA/turbo), o usa `--use-ck-attention` (0.32.0+). Requiere los kernels INT8 de `comfy-kitchen` en tu hardware. ## Acelerar la generación con atención dispersa **Atención dispersa por bloques del modelo** (0.35.0+, experimental) reduce el costo de atención en clips largos. Para H3 base, usa `method` **`sol-attn`** (`sla`/`vsa` necesitan pesos correspondientes). Requiere CUDA + `sol_attn` de `comfy-kitchen`; de lo contrario, las capas permanecen densas. * Valores predeterminados: `start_percent` **0.2**, `end_percent` **1.0**. Un inicio más tardío (~~**0.4**) y un final más temprano (~~**0.9**) protegen los fotogramas de apertura y cierre. * Mantén **`sink_conditioning`** en **`exact_kv_and_rows`** en H3 (protege las filas empaquetadas de texto, audio y referencia). * **`tau`**: un valor más alto = más disperso y rápido (`1.0` \~16% de bloques exactos, `1.3` predeterminado, `2.0` \~2.7%). * Las secuencias cortas por debajo de `min_tokens` (predeterminado **12288**) obtienen poca mejora. FastH3 usa **`vsa`** con `keep_percent` **10**; consulta la [página de FastH3](https://docs.comfy.org/es/tutorials/video/minimax/minimax-h3-fastvideo.md). ### Comprobar si la atención dispersa está activa Las plantillas base de H3 no incluyen el nodo. Agrega **Model Sparse Attention** entre `UNETLoader` y `BasicGuider`, y luego activa **`verbose`** (en Avanzado, desactivado de forma predeterminada) para registrar una línea por cada forma de atención. Las llamadas que siguen en modo denso registran `dense ( tokens): ` o `dense (, , , ): `. Solo se informa la primera condición que falla: | Motivo registrado | Qué cambiar | | - | - | | `no compiled sol_attn kernel for this GPU` | El `comfy-kitchen` instalado no tiene kernel para tu GPU. Actualízalo o deja el nodo fuera en esa máquina. | | ` tokens < min_tokens ` | Aumenta la resolución o la duración del clip, o baja `min_tokens` (predeterminado **12288**). | | `sigma outside the start/end window` | Amplía `start_percent` y `end_percent`. | | `block in dense_blocks` | Quita ese índice de bloque de `dense_blocks`. | | `no H3 layout for this call` | Solo `vsa`. Selecciona `sol-attn`. | Las llamadas que tienen éxito registran `sparse (, , , ), sinks /` o `sparse producer path: tokens, `. Hay tres condiciones que nunca registran nada, incluso con `verbose` activado: las activaciones que no son bfloat16 en la ruta de H3, un `head_dim` distinto de **128** y las frecuencias de rope ausentes se degradan en silencio. `vsa` está ligado al checkpoint de FastH3. Lee una rama gruesa aprendida de las capas `to_gate_compress` que solo traen esos pesos, así que en cualquier otro checkpoint de H3 el nodo imprime `VSA: the model has no to_gate_compress layers; running the fine stage without the coarse branch` y ejecuta solo la etapa fina. Esa advertencia no depende de `verbose`. ## Licencia comercial Los pesos abiertos de H3 puedes descargarlos y ejecutarlos gratis. Para usar comercialmente las salidas generadas en local necesitas una [licencia comercial de MiniMax](https://comfy.org/minimax/license), que se vende a través de Comfy, el único revendedor oficial. Las generaciones en Comfy Cloud ya incluyen derechos comerciales, así que la licencia solo es necesaria para uso local. ¿Necesitas una? * **Comfy Cloud**: el uso comercial está incluido. No hay nada que comprar. * **Tu propio hardware, fuera de EE. UU., la UE, el Reino Unido y Corea, con ingresos anuales inferiores a \$20M**: la licencia comunitaria gratuita de MiniMax cubre el uso comercial. Muestra un crédito "Powered by MiniMax H3"; la misma regla de territorio se aplica al lugar donde se usan tus salidas. * **Tu propio hardware en EE. UU., la UE, el Reino Unido o Corea, o con ingresos anuales superiores a \$20M**: necesitas una de las dos licencias que aparecen abajo. Las licencias vienen en dos niveles: | | Profesional | Empresa | | - | - | - | | Precio | Desde \$5,000 al mes | Personalizado, contrato anual, con precio según tu volumen | | Vigencia | Mensual | Mínimo de 12 meses | | Usuarios con licencia | Hasta 10 | Sin límite | | Dominios | 1 | Personalizado | | Versiones del modelo | Pesos abiertos destilados | Todas las versiones, pesos no destilados y nuevos lanzamientos incluidos | | Uso comercial de las salidas | Derechos comerciales completos | Derechos comerciales completos | | Ajuste fino y LoRA | Incluido | Incluido | | Trabajo para clientes y aguas abajo | Incluido | Incluido | Profesional comienza en \$5,000 al mes. Empresa no tiene un precio de lista fijo: el precio se ajusta a tu volumen de generación y a tu equipo. Ambos niveles cubren MiniMax H3 y MiniMax Audio & Music bajo un mismo acuerdo. [Solicita una licencia](https://comfy.org/contact) para obtener una cotización. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.