在 ComfyUI 上把 MiniMax H-3 跑起来了，这几天一直在压 ref2va，图片、视频、音频参考混着喂，一次生成下来的一致性和连贯性表现，比我预期好太多，之前那些角色跑着跑着就变脸的老问题基本没再出现。
硬件是单卡 RTX6000 PRO 96G，采样统一 20 步，几组数字放这儿供参考：2 秒 1344x768 大概三分钟出头，5 秒 1696x736 也差不多是这个量级，10 秒同分辨率九分钟，15 秒 1344x768 十二分四十五。
用三张参考图做 reference to video，15 秒 864x480 三分钟左右。
真正拖时间的是加视频参考，同样的 15 秒 864x480，参考里塞进一段 15 秒视频之后直接涨到八分十四，差不多五倍。等我把这批实验整理完会写篇细的。
